MCP 服务器

mcp-server-llmling

一个用于机器聊天协议（MCP）的服务器，它为LLM应用程序提供了一个基于YAML的配置系统，允许用户在无需编写代码的情况下定义资源、工具和提示。

README

mcp-server-llmling

阅读文档！

LLMling 服务器手册

概述

mcp-server-llmling 是 Machine Chat Protocol (MCP) 的服务器，它为 LLM 应用程序提供基于 YAML 的配置系统。

LLMLing，作为后端，为 LLM 应用程序提供基于 YAML 的配置系统。它允许设置自定义 MCP 服务器，以提供 YAML 文件中定义的内容。

静态声明：在 YAML 中定义 LLM 的环境 - 无需代码
MCP 协议：构建在 Machine Chat Protocol (MCP) 之上，用于标准化的 LLM 交互
组件类型：
- 资源：内容提供者（文件、文本、CLI 输出等）
- 提示词：带有参数的消息模板
- 工具：LLM 可调用的 Python 函数

YAML 配置创建一个完整的环境，为 LLM 提供：

通过资源访问内容
用于一致交互的结构化提示词
用于扩展功能的工具

主要特性

1. 资源管理

加载和管理不同类型的资源：
- 文本文件 (PathResource)
- 原始文本内容 (TextResource)
- CLI 命令输出 (CLIResource)
- Python 源代码 (SourceResource)
- Python 可调用结果 (CallableResource)
- 图像 (ImageResource)
支持资源监视/热重载
资源处理管道
基于 URI 的资源访问

2. 工具系统

注册和执行 Python 函数作为 LLM 工具
支持基于 OpenAPI 的工具
基于入口点的工具发现
工具验证和参数检查
结构化工具响应

3. 提示词管理

带有模板支持的静态提示词
来自 Python 函数的动态提示词
基于文件的提示词
提示词参数验证
提示词参数的完成建议

4. 多种传输选项

基于 Stdio 的通信（默认）
用于 Web 客户端的服务器发送事件 (SSE)
支持自定义传输实现

用法

使用 Zed 编辑器

在 settings.json 中将 LLMLing 添加为上下文服务器：

{
  "context_servers": {
    "llmling": {
      "command": {
        "env": {},
        "label": "llmling",
        "path": "uvx",
        "args": [
          "mcp-server-llmling",
          "start",
          "path/to/your/config.yml"
        ]
      },
      "settings": {}
    }
  }
}

使用 Claude Desktop

在 claude_desktop_config.json 中配置 LLMLing：

{
  "mcpServers": {
    "llmling": {
      "command": "uvx",
      "args": [
        "mcp-server-llmling",
        "start",
        "path/to/your/config.yml"
      ],
      "env": {}
    }
  }
}

手动启动服务器

直接从命令行启动服务器：

# 最新版本
uvx mcp-server-llmling@latest

1. 编程方式使用

from llmling import RuntimeConfig
from mcp_server_llmling import LLMLingServer

async def main() -> None:
    async with RuntimeConfig.open(config) as runtime:
        server = LLMLingServer(runtime, enable_injection=True)
        await server.start()

asyncio.run(main())

2. 使用自定义传输

from llmling import RuntimeConfig
from mcp_server_llmling import LLMLingServer

async def main() -> None:
    async with RuntimeConfig.open(config) as runtime:
        server = LLMLingServer(
            config,
            transport="sse",
            transport_options={
                "host": "localhost",
                "port": 8000,
                "cors_origins": ["http://localhost:3000"]
            }
        )
        await server.start()

asyncio.run(main())

3. 资源配置

resources:
  python_code:
    type: path
    path: "./src/**/*.py"
    watch:
      enabled: true
      patterns:
        - "*.py"
        - "!**/__pycache__/**"

  api_docs:
    type: text
    content: |
      API Documentation
      ================
      ...

4. 工具配置

tools:
  analyze_code:
    import_path: "mymodule.tools.analyze_code"
    description: "Analyze Python code structure"

toolsets:
  api:
    type: openapi
    spec: "https://api.example.com/openapi.json"
    namespace: "api"

服务器配置

服务器通过 YAML 文件配置，包含以下部分：

global_settings:
  timeout: 30
  max_retries: 3
  log_level: "INFO"
  requirements: []
  pip_index_url: null
  extra_paths: []

resources:
  # 资源定义...

tools:
  # 工具定义...

toolsets:
  # 工具集定义...

prompts:
  # 提示词定义...