用于密码学哈希的 MCP 服务器

一个用于 MD5 和 SHA-256 哈希的模型上下文协议 (MCP) 服务器。该服务器使 LLM 能够高效地处理密码学请求。

可用工具

该服务器提供 2 个工具：

• calculate_md5: 计算给定文本的 MD5 哈希值。
• calculate_sha256: 计算给定文本的 SHA-256 哈希值。

该服务器旨在与 MCP 客户端一起使用，例如 VS Code Copilot Chat、Claude for Desktop 以及其他支持 模型上下文协议 的 LLM 接口。

代码概览

此 Github 仓库有两个主要目的：

1. 提供一个即用型的 hashing-mcp 服务器包： 您可以直接安装此包，以将哈希功能添加到您的 MCP 启用应用程序。请参阅下面的安装和用法部分。
2. 充当教育资源： 它包含详细的指南，可帮助您理解 MCP 概念并了解如何构建此特定服务器。请参阅下面的了解更多部分。

了解模型上下文协议

查看以下资源以了解和构建 MCP 服务器：

• 什么是 MCP？
  • 了解模型上下文协议和 Agentic AI
• 如何构建我自己的 MCP 服务器？
  • 关于如何构建您自己的 MCP 服务器的简单教程 (注意：本指南将逐步介绍创建此存储库中找到的包结构。)

服务器运行示例

下面的 gif 展示了 MCP 服务器如何处理请求并返回相应的密码学哈希值。 我使用了 VSCode 作为示例，但它与其他 MCP 客户端（如 Claude for Desktop）的效果也一样好。

安装

确保您已安装 Python 3.10 或更高版本。我建议使用虚拟环境。

使用 uv (推荐):

# 创建一个新目录（可选，但这是一个好习惯）
mkdir my_mcp_setup && cd my_mcp_setup

# 创建虚拟环境并激活它
uv venv
source .venv/bin/activate  # 在 Linux/macOS 上
# .venv\Scripts\activate    # 在 Windows 上

# 安装包
uv pip install hashing-mcp

使用 pip:

# 创建一个新目录（可选，但这是一个好习惯）
mkdir my_mcp_setup && cd my_mcp_setup

# 创建虚拟环境
python -m venv .venv

# 激活它
# Linux/macOS:
source .venv/bin/activate
# Windows (命令提示符/PowerShell):
# .venv\Scripts\activate

# 安装包
pip install hashing-mcp

用法

安装包并激活虚拟环境后，您可以启动 MCP 服务器。

1. 运行服务器：

打开您的终端并运行：

hashing-mcp-server

此命令启动服务器，该服务器将通过标准输入/输出 (stdio) 侦听 MCP 请求。启动后，您通常不会直接与此终端交互；您的 MCP 客户端将在后台与其通信。按 Ctrl+C 停止服务器。

2. 配置您的 MCP 客户端：

配置您的 MCP 客户端（例如，VS Code、Claude Desktop）以使用已安装的 hashing-mcp-server。关键是告诉客户端运行服务器脚本所需的确切命令。

• 查找可执行文件路径： 激活虚拟环境后，找到已安装脚本的绝对路径：

  • 在 Linux/macOS 上：which hashing-mcp-server
  • 在 Windows 上：where hashing-mcp-server
  • 复制命令输出的完整路径。

• 示例：VS Code (settings.json)

  重要提示： 将 /path/to/your/virtualenv/bin/hashing-mcp-server 替换为您在上面找到的实际绝对路径。

  // 在您的 VS Code settings.json（用户或工作区）中
  "mcp": {
      "servers": {
          // 您可以随意命名此键，例如，“hasher”或“cryptoTools”
          "hashing": {
              // 使用虚拟环境中可执行文件的完整绝对路径
              "command": "/path/to/your/virtualenv/bin/hashing-mcp-server"
              // 直接运行已安装的脚本时，不需要 'args'
          }
      }
  }
  

• 示例：其他客户端（Claude、OpenAI Agents 等）

  按照您的客户端应用程序的特定说明进行操作。当要求提供 MCP 服务器的命令或路径时，请提供您之前找到的 hashing-mcp-server 可执行文件的完整绝对路径。请参阅他们的文档：

  • Claude for Desktop
  • Open AI ChatGPT Agents (通过 Python)

3. 测试集成：

配置完成后，向您的 MCP 客户端提出应触发工具的问题：

• "计算文本 'hello world' 的 MD5 哈希值"
• "字符串 'MCP is cool!' 的 SHA256 哈希值是什么？"
• "在此句子上使用 calculate_sha256 工具：The quick brown fox jumps over the lazy dog."

客户端应识别请求，通过配置的命令调用 hashing-mcp-server，并显示计算出的哈希结果。

开发（贡献）

如果您想修改或贡献此包：

1. 克隆存储库：

   git clone https://github.com/kanad13/MCP-Server-for-Hashing.git
   cd MCP-Server-for-Hashing
   

2. 设置开发环境（使用 uv）：

   # 创建并激活虚拟环境
   uv venv
   source .venv/bin/activate # 或 .venv\Scripts\activate 在 Windows 上
   

3. 以可编辑模式安装开发依赖项： 安装包，以便立即反映 src/ 中的更改。 还会安装 pyproject.toml 中 [project.optional-dependencies.dev] 下定义的可选依赖项（例如，pytest、ruff）。

   uv pip install -e ".[dev]"
   

4. 在开发期间运行服务器： 您可以使用脚本运行服务器（由于 -e 可用）：

   hashing-mcp-server
   

   或者直接执行模块：

   python -m hashing_mcp.cli
   

打包和发布到 PyPI

(对于维护者 - 发布新版本的步骤)

1. 确保 venv 已激活：source .venv/bin/activate (Linux/macOS) 或 .venv\Scripts\activate (Windows)。
2. 安装构建工具： uv pip install build twine
3. 清理以前的构建： rm -rf dist/ build/ src/*.egg-info
4. 构建包： python -m build
5. 检查分发文件： twine check dist/*
6. 上传到 PyPI： twine upload dist/* (使用 --repository testpypi 进行测试)
7. 标记发布： git tag vX.Y.Z && git push --tags

许可证

该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。

致谢

• Anthropic & 模型上下文协议文档