关键词

AI Agent OSLLMContext ProtocolToolingCost Optimization

使用说明

项目简介

Ultimate MCP Server 是一个全面的 Model Context Protocol (MCP) 服务器，旨在作为 AI Agent 的完整操作系统。它通过 MCP 协议提供强大的功能，使 AI Agent 能够访问丰富的工具生态系统、认知系统和专业服务。该服务器统一了对多个 LLM 提供商的访问，优化成本、性能和质量，并集成了认知记忆系统、浏览器自动化、Excel 操作、数据库交互等多种工具，将 AI Agent 从对话界面转变为能够跨数字环境执行复杂、多步骤操作的自主系统。

主要功能点

  • 全面的AI Agent工具包: 提供统一的中心枢纽，使 AI Agent 能够访问广泛的工具生态系统，包括 Web 自动化、Excel 操作、认知记忆、文件系统交互、数据库操作、OCR、向量搜索、RAG 等。
  • 成本优化: 通过任务路由到更经济的模型、高级缓存、成本跟踪和优化等机制，显著降低 API 成本。
  • LLM 提供商抽象: 提供统一的 API 接口，支持 OpenAI、Anthropic (Claude)、Google (Gemini) 等多家 LLM 提供商，避免厂商锁定并提供灵活的提供商切换能力。
  • 全面的文档和数据处理: 高效处理各种文档和数据，支持文档分块、并行处理、结构化数据提取、格式转换和 OCR 等功能。
  • 高级功能: 包括自主工具文档优化、浏览器自动化、认知记忆系统、Excel 自动化、实体关系图、高级向量操作、RAG、音频转录、文本分类、本地文本处理工具（CLI 集成）、模型性能基准测试、SSE 支持、多模型合成、Prompt 模板管理、错误处理和弹性等。

安装步骤

  1. 安装 uv (可选但推荐): 使用 'curl -LsSf https://astral.sh/uv/install.sh | sh' 安装更快速的 Python 包管理器 uv。

  2. 克隆仓库: 运行 'git clone https://github.com/Dicklesworthstone/ultimate_mcp_server.git' 克隆仓库到本地。

  3. 进入目录: 使用 'cd ultimate_mcp_server' 进入仓库目录。

  4. 创建虚拟环境并安装依赖:

    uv venv --python 3.13
source .venv/bin/activate
uv lock --upgrade
uv sync --all-extras

    注意: 'uv sync --all-extras' 命令会安装所有可选的扩展功能。如果只需要特定功能，请调整项目依赖并运行 'uv sync'。

  5. 配置 .env 文件: 在仓库根目录下创建 '.env' 文件，并根据需要添加 API 密钥和配置覆盖，例如：

    OPENAI_API_KEY=your_openai_sk-...
ANTHROPIC_API_KEY=your_anthropic_sk-...
GEMINI_API_KEY=your_google_ai_studio_key...
GATEWAY_SERVER_PORT=8013
GATEWAY_SERVER_HOST=127.0.0.1
LOG_LEVEL=INFO

  6. 运行服务器: 确保虚拟环境已激活，运行 'umcp run' 启动 MCP 服务器。可以使用 'umcp run --include-tools <工具名称>' 或 'umcp run --exclude-tools <工具名称>' 来包含或排除特定工具。

服务器配置

MCP 客户端需要配置 MCP 服务器的启动命令 (command) 及其参数 (args) 才能建立连接。以下是 Ultimate MCP Server 的典型配置信息 (JSON 格式):

{
  "serverName": "ultimate_mcp_server",
  "command": "umcp",
  "args": ["run"],
  "transport": "sse",
  "transportOptions": {
    "baseUrl": "http://localhost:8013"
  }
}

参数注释:

  • 'serverName': MCP 服务器的名称，可以自定义。
  • 'command': 启动 MCP 服务器的命令，这里使用 'umcp' (假设 'umcp' 命令已添加到系统路径或在虚拟环境中可用)。
  • 'args': 命令的参数，这里使用 'run' 参数启动服务器。可以根据需要添加其他参数，例如 '--include-tools' 或 '--exclude-tools'。
  • 'transport': MCP 客户端与服务器通信的传输协议，这里使用 'sse' (Server-Sent Events)。
  • 'transportOptions': 传输协议的选项。
    • 'baseUrl': MCP 服务器的基 URL，客户端通过此 URL 与服务器建立 SSE 连接。根据服务器实际运行地址进行配置，默认为 'http://localhost:8013'。

基本使用方法

  1. 确保 Ultimate MCP Server 服务器已成功启动并运行在配置的地址和端口上。

  2. 使用 MCP 客户端（例如 'mcp-client' Python 库）连接到运行中的 MCP 服务器。

  3. 通过客户端调用服务器提供的各种工具，例如：

    • 基本 Completion:

      import asyncio
from mcp.client import Client

async def basic_completion_example():
    client = Client("http://localhost:8013") # 替换为你的服务器地址
    response = await client.tools.completion(
        prompt="Write a short poem about a robot learning to dream.",
        provider="openai",
        model="gpt-4.1-mini",
        max_tokens=100,
        temperature=0.7
    )
    if response["success"]:
        print(f"Completion: {response['completion']}")
    else:
        print(f"Error: {response['error']}")
    await client.close()

if __name__ == "__main__": asyncio.run(basic_completion_example())

    • Claude 使用 Ultimate MCP Server 进行文档分析 (委托):

      # ... (参考 Usage Examples 中的 document_analysis_example 代码)

    • 浏览器自动化进行研究:

      # ... (参考 Usage Examples 中的 browser_research_example 代码)

    • 认知记忆系统使用示例:

      # ... (参考 Usage Examples 中的 cognitive_memory_example 代码)

    • Excel 表格自动化:

      # ... (参考 Usage Examples 中的 excel_automation_example 代码)

    • 多提供商比较:

      # ... (参考 Usage Examples 中的 multi_provider_completion_example 代码)

    • 成本优化工作流执行:

      # ... (参考 Usage Examples 中的 optimized_workflow_example 代码)

    • 实体关系图示例:

      # ... (参考 Usage Examples 中的 entity_graph_example 代码)

    • 文档分块:

      # ... (参考 Usage Examples 中的 document_chunking_example 代码)

    • 结构化数据提取 (JSON):

      # ... (参考 Usage Examples 中的 json_extraction_example 代码)

    • 检索增强生成 (RAG) 查询:

      # ... (参考 Usage Examples 中的 rag_query_example 代码)

    • 融合搜索 (关键词 + 语义):

      # ... (参考 Usage Examples 中的 fused_search_example 代码)

    • 本地文本处理:

      # ... (参考 Usage Examples 中的 local_text_processing_example 代码)

    • 浏览器自动化基础交互:

      # ... (参考 Usage Examples 中的 browser_basic_interaction_example 代码)

    • 运行模型竞赛:

      # ... (参考 Usage Examples 中的 model_tournament_example 代码)

    • 元工具进行工具发现:

      # ... (参考 Usage Examples 中的 meta_tools_example 代码)

    • 本地命令行文本处理 (例如 jq):

      # ... (参考 Usage Examples 中的 local_cli_tool_example 代码)

    • 动态 API 集成:

      # ... (参考 Usage Examples 中的 dynamic_api_example 代码)

    • OCR 使用示例:

      # ... (参考 Usage Examples 中的 ocr_example 代码)

    详细的使用示例和脚本请参考仓库 'examples/' 目录。

信息

分类

AI与计算

访问项目