guandan-mcp
MCP server for the card game GuanDan (掼蛋), providing tools for dealing hands, analyzing hand types, and statistical analysis.
README
掼蛋发牌模型 v0.5 — MCP Server (Render 部署)
公开 MCP 端点,朋友的 Claude Code / OpenCode / Hermes Agent / Cline / Cursor 等智能体 可以直接调用本服务回答掼蛋问题。
服务:掼蛋发牌模型 v0.5 协议:Model Context Protocol (MCP) over HTTP 平台:Render.com 免费 Docker Web Service
公网 URL(部署完成后会形如下)
| 用途 | URL |
|---|---|
| Web UI(浏览器看) | https://guandan-mcp.onrender.com/ |
| MCP 端点(智能体接) | https://guandan-mcp.onrender.com/gradio_api/mcp/ |
guandan-mcp 是 Render 默认按 service name 生成的子域名,可在 Render dashboard 改名。
一键部署步骤
0. 前置(5 分钟)
- 一个 GitHub 账号(用来托管本仓库 + Render 自动部署)
- 一个 Render.com 账号 → https://dashboard.render.com/register(用 GitHub 登录)
1. 把代码推到 GitHub
# 1) 在 GitHub 网页创建一个新 repo(空仓库)
# 名:guandan-mcp
# 描述:GuanDan MCP server (Gradio 5.x + 12 tools)
# 2) 把本地 deploy/ 切换 remote 到 GitHub,然后 push
cd C:/code/掼蛋模型/deploy
git remote remove origin
git remote add origin https://github.com/sarzan123/guandan-mcp.git
git push -u origin main
这一步会把我之前给你的 8 个 fix commits + 这次 Render 改动一并推上去。 Render 看不到 HF 了 — HF Space 我建议手动从 dashboard 删除。
2. Render 接 GitHub 部署
- 打开 https://dashboard.render.com/blueprints
- 点 New Blueprint Instance
- 选 GitHub(第一次会要求授权)
- 选你刚 push 的
sarzan123/guandan-mcprepo - Render 自动读
render.yaml→ 显示 1 个 service(guandan-mcp, free, Docker) - 点 Apply → 开始构建
3. 等构建
- 第一次构建要拉
python:3.12-slim+ 装 Gradio 5.x ≈ 3-5 分钟 - Logs 在 Render dashboard service 页面
- 构建成功后,Render 自动给个 URL,例如
https://guandan-mcp.onrender.com/
4. 测试
浏览器打开那个 URL,看到 Gradio Web UI = 部署成功。
MCP 端点:https://guandan-mcp.onrender.com/gradio_api/mcp/
朋友如何配置(把本服务接入他的智能体)
Claude Code
~/.claude/mcp_servers.json(或项目根的 .mcp.json):
{
"mcpServers": {
"guandan": {
"url": "https://guandan-mcp.onrender.com/gradio_api/mcp/",
"transport": "streamable-http"
}
}
}
OpenCode / Hermes Agent / Cline / Cursor
URL 替换成上面那行即可。具体 YAML/JSON 格式参各自文档。
MCP 工具清单(12 个)
| 工具 | 用途 |
|---|---|
deal_hand |
按种子发牌 |
analyze_hand |
单手牌 15 牌型识别 |
analyze_deal |
整副 deal 全属性分析 |
analyze_attribute |
整副 deal 单属性查询 |
frequency |
频率分布(基于 JSONL 样本) |
contradiction |
两牌型 Pearson 负相关 |
top_correlations |
Top 负相关牌型对 |
top_hand_types |
高出现概率牌型 |
list_牌型 |
15 牌型中英文 + 规则 |
simulate_deals |
批量生成 deal |
parse_card |
自然语言 → 内部代号 |
render_card |
内部代号 → 自然语言 |
中文 docstring 在 app.py,智能体会直接读到。
免费层注意事项
- Render 免费 Web Service 闲置 15 分钟后会休眠;下次冷启动 ≈ 30 秒。
- 给朋友发 URL 时,他们的智能体首次调用会有 30 秒左右延迟,之后实时。
- 想全天候秒响应 → 升级 Render Starter($7/月,免睡)。
- 防止休眠的小技巧:用
cron-job.org(免费)每 14 分钟 ping 一下 Web UI URL。
已知差异(从 HF Space 迁移)
- 部署平台从 Hugging Face 改为 Render
- 公开 URL 域名从
.hf.space改为.onrender.com - Gradio 版本 pin 仍是
>=5.6,<6,Dockerfile 用python:3.12-slim - 不再有 ZeroGPU /
@spaces.GPU约束 - 旧 HF Space 建议在 https://huggingface.co/settings/spaces 手动删除(腾配额)
版本与限制
- v0.5 牌型识别 + 矛盾/频率统计;Dealer 当前固定级牌为 2。
- 3000 局统计约 2-3 秒。
- MCP 协议要求客户端支持 Streamable HTTP(Claude Code ≥ 1.0, OpenCode ≥ 0.4, Cline ≥ 3.5)。
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
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。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。