mcp-micro-tools
Provides a set of micro-tools (time calculation, regex, encoding, JSON diff, etc.) for LLM agents to handle deterministic, precision tasks that models often get wrong.
README
mcp-micro-tools
<div align="center">
Agent 的瑞士军刀 —— 把 LLM 不擅长的微任务交给它
</div>
为什么需要这个?
大模型在处理自然语言时很强,但有些"精确计算"类的任务经常出错:
| 任务 | 模型表现 | mcp-micro-tools |
|---|---|---|
| "3月15日 + 45个工作日是哪天" | 经常算错 | time_calc("2026-03-15 + 45 days") ✅ |
| 复杂正则提取 | 编造正则、幻觉匹配 | regex_test() 真实 Python re 引擎 ✅ |
| Base64 解码 | 偶尔编造内容 | decode() 精确计算 ✅ |
| URL query 参数提取 | 可能遗漏 | url_parse() 结构化输出 ✅ |
| JSON 深度对比 | 100行以上必丢字段 | json_diff() 递归精确对比 ✅ |
一句话:把确定性计算还给工具,把不确定性推理留给模型。
安装
pip install mcp-micro-tools
需要 Python 3.10+。
配置 AI Agent
Claude Code / Claude Desktop
{
"mcpServers": {
"micro-tools": {
"command": "python",
"args": ["-m", "mcp_micro_tools.server"]
}
}
}
Codex / Cursor / Continue
{
"mcpServers": {
"micro-tools": {
"command": "python",
"args": ["-m", "mcp_micro_tools.server"]
}
}
}
OpenClaw
在 openclaw.json 中添加:
{
"mcp_servers": [
{
"name": "micro-tools",
"command": "python",
"args": ["-m", "mcp_micro_tools.server"]
}
]
}
工具列表
| 工具 | 功能 | 示例 |
|---|---|---|
time_calc |
日期时间运算 | "now + 3 weeks - 1 day" |
timezone_convert |
时区转换 | UTC → Asia/Shanghai |
regex_test |
正则测试(findall/search/match/split) | 提取所有邮箱 |
regex_replace |
正则替换 | 格式化电话号码 |
encode |
编码 | base64 / URL / hex / HTML |
decode |
解码 | base64 / URL / hex / HTML |
json_query |
JSON 路径查询 | users.0.email |
json_diff |
JSON 深度对比 | 递归找出所有差异 |
url_parse |
URL 解析 | scheme / host / path / query |
hash_text |
哈希计算 | md5 / sha1 / sha256 / sha512 |
generate_uuid |
UUID 生成 | 单个或批量 |
使用示例
场景 1:时间计算
User: "合同签于 2026-03-15,90 个工作日后是哪天?"
Agent 调用 → time_calc("2026-03-15 + 90 days")
结果 → 2026-06-13T00:00:00
场景 2:正则提取
User: "从这段日志里提取所有 IP 地址"
Agent 调用 → regex_test("\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}", log_text)
结果 → ["192.168.1.1", "10.0.0.5", ...]
场景 3:JSON 对比
User: "对比这两个 API 返回的 JSON,看看少了什么字段"
Agent 调用 → json_diff(api_response_a, api_response_b)
结果 → {"users[2].email": {"removed": "..."}, "metadata.version": {"changed": {...}}}
场景 4:编码解码
User: "这段 Base64 解码出来是什么?"
Agent 调用 → decode("SGVsbG8gV29ybGQ=", "base64")
结果 → Hello World
设计哲学
- 零依赖(核心):除
mcp和python-dateutil外,只用 Python 标准库 - 单文件:核心逻辑一个
server.py,方便审查和 fork - 无状态:每次调用独立,不存任何数据
- 静默输出:只返回结果,不废话
扩展
欢迎贡献更多微工具。一个好的微工具满足:
- LLM 天然不擅长(精确计算、结构化操作)
- 输入输出明确(可 JSON 序列化)
- 单次调用完成(无状态)
PR 直接开,README 底部留个 Credits 就够。
License
MIT
相关项目
- awesome-mcp-servers — MCP Server 合集
- Superpowers — Agent Skill 框架
- OpenClaw — 跨平台 AI 助手
- claw-code — Claude Code Rust 实现
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。