关键词

AI代理LLM工具上下文服务文件操作终端执行网页浏览

项目简介

Toolkami 是一个基于 Model Context Protocol (MCP) 构建的后端服务，旨在为大型语言模型 (LLM) 提供一套精简且强大的标准化工具和上下文能力。它将文件系统操作、命令行执行、网页浏览等实际任务封装成LLM可以直接调用的工具，扩展了LLM与外部环境交互的能力，使其能执行更复杂的、需要外部信息或操作的任务。

主要功能点

  • 核心工具集: 提供文件读写、文件差异编辑、目录列表、终端命令执行、网页浏览、思考辅助、用户交互等七种核心工具。
  • 模块化架构: 工具被组织在不同的模块中（如文件系统、终端、浏览器），易于理解和扩展。
  • 上下文交互: 通过提供的工具，LLM能够访问和操作文件系统、执行终端命令，获取实时信息，从而获得更丰富的上下文。
  • Prompt机制: 工具定义本身构成了LLM与服务器交互的一种Prompt机制，特别是 'ask' 工具用于与用户进行澄清。
  • 标准协议支持: 使用 MCP 协议（基于JSON-RPC），并通过 Server-Sent Events (SSE) 提供传输层支持。
  • 热重载: 支持在代码修改后自动重新加载，方便开发和调试。
  • 配置能力: 允许通过启动参数配置模块行为，例如限制文件访问目录或设置终端工作目录。

安装步骤

  1. 安装 uv: Toolkami 使用 'uv' 作为包管理器和运行工具。请根据您的操作系统执行以下命令安装 uv：
    • macOS/Linux: 'curl -LsSf https://astral.sh/uv/install.sh | sh'
    • Windows: 'powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"'
  2. 克隆仓库: 克隆 Toolkami 的 GitHub 仓库到您的本地机器。
  3. 进入目录: 导航到仓库的 'servers' 目录。
  4. 安装依赖: 运行 'uv run sync' 安装所有必要的 Python 依赖。
  5. (可选) 浏览器工具依赖: 如果计划使用浏览器工具，需要安装 Playwright 的浏览器二进制文件：'uv run patchright install chromium' (在 Linux 上可能需要额外的系统库，请参考 README 中的提示)。
  6. (可选) 配置环境变量: 如果使用 Google Vertex AI 或 Gemini API，请设置 'GOOGLE_VERTEX_PROJECT', 'GOOGLE_VERTEX_LOCATION' 或 'GEMINI_API_KEY' 等环境变量。

服务器配置

Toolkami MCP 服务器主要通过命令行参数进行配置。当您将 Toolkami 集成到支持外部 MCP 服务器的客户端时，通常需要提供服务器的启动命令和参数。

  • 服务器启动命令: 'uv run app.py'

  • 常用参数说明:

    • '--host <IP地址>': 指定服务器绑定的IP地址。默认值为 '0.0.0.0'。
    • '--port <端口号>': 指定服务器监听的端口。默认值为 '8081'。
    • '--reload': 启用服务器代码修改后的自动热重载功能。
    • '--directories <目录1> [<目录2> ...]': 重要，为文件系统工具（如 'write_file'）指定允许操作的目录列表。这是一个安全措施。必须指定允许的目录。
    • '--working-directory <路径>': 为终端工具（如 'run_command'）设置默认的工作目录。

  • 给用户的说明: 在您的 MCP 客户端中，查找配置外部 MCP 服务器的选项。您需要指定 Toolkami 服务器的启动命令（例如 'uv run app.py'）以及上述必要的参数（特别是 '--directories' 和 '--port'）。具体的配置格式和位置取决于您使用的 MCP 客户端软件，请参考其使用文档。例如，某些客户端可能要求您输入完整的命令字符串，而另一些可能提供字段分别输入命令和参数列表。

基本使用方法

  1. 启动服务器: 打开终端，进入 Toolkami 仓库的 'servers' 目录，运行以下命令启动 MCP 服务器： 
    PYTHONPATH=. uv run app.py --host 0.0.0.0 --port 8081 --directories /path/to/your/safe/directory --working-directory /path/to/your/safe/directory
    重要: 请将 '/path/to/your/safe/directory' 替换为您希望 LLM 通过文件和终端工具可以访问的实际目录。为了安全，请务必限制访问范围。
  2. 启动客户端: 使用一个兼容 MCP 协议的客户端连接到 Toolkami 服务器。如果您使用的是仓库自带的 Gemini 客户端示例，可以打开另一个终端，进入 Toolkami 仓库根目录，然后运行： 
    ./clients/gemini_client.py http://localhost:8081/sse
  3. 与LLM互动: 在客户端界面中，您可以输入自然语言指令或问题，LLM 将通过调用 Toolkami 服务器提供的工具来完成任务，例如读取文件、执行命令、浏览网页等。工具的输出和LLM的响应将在客户端中显示。

信息

分类

AI与计算

访问项目