Ollama Pydantic Project

Ollama Pydantic Project

创建了一个示例项目,用于使用本地 Ollama 模型和 MCP 服务器集成来实现 Pydantic 代理。

jageenshukla

开发者工具
访问服务器

README

Ollama Pydantic 项目

本项目演示了如何将本地 Ollama 模型与 Pydantic agent 框架结合使用,以创建一个智能代理。该代理连接到 MCP 服务器以利用工具,并使用 Streamlit 提供用户友好的界面。

概述

本项目的主要目标是展示:

  • 本地 Ollama 模型集成: 使用本地托管的 Ollama 模型生成响应。
  • Pydantic Agent 框架: 使用 Pydantic 创建代理,用于数据验证和交互。
  • MCP 服务器连接: 使代理能够通过 MCP 服务器使用工具。
  • Streamlit UI: 提供基于 Web 的聊天机器人界面,用于用户交互。

前提条件

在设置项目之前,请确保以下事项:

  1. Python: 安装 Python 3.8 或更高版本。您可以从 python.org 下载。
  2. Ollama 模型: 在本地安装并运行 Ollama 服务器:
    • Ollama 官方网站 下载 Ollama CLI。
    • 按照其网站上提供的说明安装 CLI。
    • 启动 Ollama 服务器:
      ollama serve
      
    • 确保服务器在 http://localhost:11434/v1 上运行。
  3. MCP 服务器: 设置 MCP 服务器以启用代理工具。有关更多详细信息,请参阅 MCP Server Sample

设置说明

按照以下步骤设置项目:

  1. 克隆存储库:

    git clone <repository-url>
    cd ollama-pydantic-project
    
  2. 创建虚拟环境:

    python3 -m venv venv
    
  3. 激活虚拟环境:

    • 在 macOS/Linux 上:
      source venv/bin/activate
      
    • 在 Windows 上:
      venv\Scripts\activate
      
  4. 安装依赖项:

    pip install -r requirements.txt
    
  5. 确保 Ollama 服务器正在运行: 按照前提条件中的描述启动 Ollama 服务器。

  6. 运行应用程序: 启动 Streamlit 应用程序:

    streamlit run src/streamlit_app.py
    

用法

应用程序运行后,在浏览器中打开提供的 URL(通常是 http://localhost:8501)。您可以通过在输入框中键入查询来与聊天机器人交互。代理将使用 Ollama 模型和 MCP 服务器提供的工具处理您的查询。

交互示例

以下是与代理交互时聊天机器人界面的外观示例:

Chatbot Example

项目结构

该项目的组织结构如下:

ollama-pydantic-project/
├── src/
│   ├── streamlit_app.py        # 主要的 Streamlit 应用程序
│   ├── agents/
│   │   ├── base_agent.py       # 代理的抽象基类
│   │   ├── ollama_agent.py     # Ollama 代理的实现
│   ├── utils/
│       ├── config.py           # 配置设置
│       ├── logger.py           # 日志记录实用程序
├── requirements.txt            # Python 依赖项
├── README.md                   # 项目文档
├── assets/
│   ├── ollama_agent_mcp_example.png  # 交互示例图像
├── .gitignore                  # Git 忽略文件

特性

  • Streamlit 聊天机器人: 用户友好的聊天机器人界面。
  • Ollama 模型集成: 使用本地 Ollama 模型生成响应。
  • MCP 服务器工具: 连接到 MCP 服务器以增强代理功能。
  • Pydantic 框架: 确保数据验证和类型安全。

故障排除

  • 如果您遇到 Ollama 服务器的问题,请确保它在 http://localhost:11434/v1 上运行。
  • 如果依赖项安装失败,请确保您使用的是 Python 3.8 或更高版本,并且您的虚拟环境已激活。
  • 对于 MCP 服务器相关的问题,请参阅 MCP Server Sample

许可证

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

贡献

欢迎贡献!请随时提出问题或提交拉取请求。

推荐服务器

Playwright MCP Server

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。

官方
精选
TypeScript
Magic Component Platform (MCP)

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。

官方
精选
本地
TypeScript
MCP Package Docs Server

MCP Package Docs Server

促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。

精选
本地
TypeScript
Claude Code MCP

Claude Code MCP

一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。

精选
本地
JavaScript
@kazuph/mcp-taskmanager

@kazuph/mcp-taskmanager

用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。

精选
本地
JavaScript
mermaid-mcp-server

mermaid-mcp-server

一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。

精选
JavaScript
Jira-Context-MCP

Jira-Context-MCP

MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

精选
TypeScript
Linear MCP Server

Linear MCP Server

一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

精选
JavaScript
Sequential Thinking MCP Server

Sequential Thinking MCP Server

这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。

精选
Python
Curri MCP Server

Curri MCP Server

通过管理文本笔记、提供笔记创建工具以及使用结构化提示生成摘要,从而实现与 Curri API 的交互。

官方
本地
JavaScript