MCP Host CLI

一个基于 FastAPI 的 CLI 应用程序，用于托管和管理 MCP (模型上下文协议) 服务器，提供 HTTP API 以与工具和资源进行交互。

特性

• 管理多个 MCP 服务器连接
• 提供 HTTP API 端点，用于：
  • 用户请求
  • 工具审批工作流
  • 会话状态管理
• 支持直接 LLM API 和 Ollama 本地模型

安装

1. 克隆仓库：

git clone https://github.com/VyacheslavVanin/mcp-host-cli.git
cd mcp-host-cli

2. 运行：

uv run main.py

配置

服务器配置

1. 创建/编辑 servers_config.json 以配置您的 MCP 服务器：

{
  "mcpServers": {
    "server-name": {
      "command": "node",
      "args": ["path/to/server.js"],
      "env": {
        "API_KEY": "your-api-key"
      }
    }
  }
}

应用程序配置

配置可以通过环境变量或命令行参数设置（CLI 参数优先级更高）。

环境变量

• LLM_API_KEY: LLM 服务的 API 密钥（如果未使用 Ollama）
• LLM_PROVIDER: "ollama" (默认) 或 "openai"
• LLM_MODEL: 模型名称 (默认: "qwen2.5-coder:latest")
• PORT: 服务器端口 (默认: 8000)
• OPENAI_BASE_URL: OpenAI 兼容 API 的基本 URL (默认: "https://openrouter.ai/api/v1")
• USE_OLLAMA: 设置为 "true" 以使用本地 Ollama 模型

命令行参数

python main.py --model MODEL_NAME --port PORT_NUMBER --provider PROVIDER --openai-base-url URL

其中：

• PROVIDER 是 "ollama" (默认) 或 "openai"
• URL 是 OpenAI 兼容 API 的基本 URL (默认: "https://openrouter.ai/api/v1")

配置优先级

1. 命令行参数 (最高优先级)
2. 环境变量
3. 默认值 (最低优先级)

示例

# 使用环境变量
export LLM_MODEL="llama3:latest"
export PORT=8080
python main.py

# 使用 CLI 参数
python main.py --model "llama3:latest" --port 8080

# 使用默认值
python main.py

API 端点

POST /user_request

处理用户输入并返回 LLM 响应或工具审批请求。

请求：

{
  "input": "你的问题或命令"
}

响应：

{
  "message": "响应文本",
  "request_id": "如果需要审批，则为 uuid",
  "requires_approval": true/false,
  "tool": "如果适用，则为工具名称"
}

POST /approve

批准或拒绝工具执行请求。

请求：

{
  "request_id": "来自 user_request 的 uuid",
  "approve": true/false
}

响应：

{
  "message": "执行结果或拒绝消息",
  "request_id": "相同的 request_id",
  "tool": "工具名称"
}

GET /session_state

获取当前聊天会话状态，包括消息和待处理的请求。

响应：

{
  "messages": [
    {"role": "system/user/assistant", "content": "消息文本"}
  ],
  "_pending_request_id": "uuid 或 null",
  "_pending_tool_call": {
    "tool": "工具名称",
    "arguments": {}
  }
}