CereBro
一个与模型无关的、用于 .Net 的 MCP 客户端-服务器
rob1997
README
CereBro
CereBro 是一个与模型无关的 .Net AI 代理包装器。现在有了 🔥 模型上下文协议 🔥,基于 官方 C# SDK,您可以编写可用于不同 AI 模型的工具,而无需更改代码。
模型
以下是 CereBro 支持和计划支持的模型列表。
已支持:
计划支持:
安装
您可以使用以下命令从 NuGet 安装包:
dotnet add package Rob1997.CereBro
dotnet add package Rob1997.CereBro.Open-AI
用法
步骤 1:创建一个 servers.json
文件
此文件将包含您要使用的 MCP 服务器的配置。 以下是 servers.json
文件的示例。
[
{
"Id": "everything-server",
"Name": "Everything",
"TransportType": "stdio",
"TransportOptions": {
"command": "npx",
"arguments": "-y @modelcontextprotocol/server-everything"
}
}
]
您可以在此处查看更多服务器。
步骤 2:将您的 OpenAI API 密钥添加到您的环境变量
export OPEN_AI_API_KEY="your-api-key"
$env:OPEN_AI_API_KEY="your-api-key"
如果您希望这是永久性的,您可以将其添加到 Linux 中的 .bashrc
或 .bash_profile
文件中,或者在 PowerShell 中使用以下命令。
[Environment]::SetEnvironmentVariable("OPEN_AI_API_KEY", "your-api-key", "User")
步骤 3:将以下代码添加到您的 Program.cs
(入口点)
public static async Task Main(string[] args)
{
var builder = Host.CreateApplicationBuilder(args);
builder.Services.UseOpenAI(Environment.GetEnvironmentVariable("OPEN_AI_API_KEY"), "gpt-4o-mini");
IHost cereBro = builder.BuildCereBro(new CereBroConfig{ ServersFilePath = "./servers.json" });
await cereBro.RunAsync();
}
CereBro 使用控制台作为聊天调度器。 您可以通过实现 IChatDispatcher
接口来创建自己的调度器,并使用 builder.BuildCereBro<IChatDispatcher>(config)
来构建 CereBro 的主机。
步骤 4:运行您的应用程序
dotnet run
添加新模型
目前,CereBro 仅支持 OpenAI 的模型。 要添加新模型,您需要实现 Microsoft.Extensions.AI.IChatClient
,除非它已经存在,Microsoft 已经为某些模型实现了,例如 OpenAI 和 Ollama。
完成此操作后,您可以创建一个实现 Microsoft.Extensions.AI.FunctionInvokingChatClient
的占位符类型,例如这样。
最后,您可以使用 UseChatClient<T>(this IServiceCollection services, IChatClient chatClient) where T : FunctionInvokingChatClient
扩展方法将您的模型添加到服务集合中。
⚠️ 注意 ⚠️
目前,CereBro 不支持同时使用多个模型,因此您必须从 Program.cs
文件中删除 UseOpenAI
方法才能使用另一个模型。
CereBro.Unity
CereBro.Unity 是一个 Unity 包,允许您在 Unity 中使用 CereBro。 README。
贡献
如果您想为该项目做出贡献,您可以 fork 该存储库并创建一个 pull request。 如果您发现任何错误或有任何功能请求,您也可以创建一个 issue。
推荐服务器
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
MCP Package Docs Server
促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。
Claude Code MCP
一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。
@kazuph/mcp-taskmanager
用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。
mermaid-mcp-server
一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。
Jira-Context-MCP
MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

Linear MCP Server
一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

Sequential Thinking MCP Server
这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。
Curri MCP Server
通过管理文本笔记、提供笔记创建工具以及使用结构化提示生成摘要,从而实现与 Curri API 的交互。