Pharo MCP Server
Anthropic 模型上下文协议 (MCP) 服务器规范的 Pharo Smalltalk 实现。使 Claude 等 LLM 能够与 Pharo 应用程序交互。
paulwilke
README
Pharo MCP 服务器
Anthropic 的模型上下文协议 (MCP) 服务器规范的 Pharo Smalltalk 实现。使像 Claude 这样的 LLM 能够与 Pharo 应用程序交互。
目录
什么是 MCP?
模型上下文协议 (MCP) 由 Anthropic 开发,是一种旨在标准化大型语言模型 (LLM) 与外部工具和服务交互方式的规范。 它定义了以下机制:
- 发现: LLM 如何发现服务是否支持 MCP 并获取基本信息。
- 服务描述: 服务如何描述其可用工具(函数),包括它们的名称、用途、输入参数和输出格式。
- 调用: LLM 如何使用所需的参数安全地调用特定工具并接收结果。
目标是使 LLM 工具的使用更加可靠、安全和标准化。
有关更多详细信息,请参阅官方 模型上下文协议 GitHub 组织。
本项目目标
本项目旨在为 Pharo Smalltalk 环境提供一个健壮且易于使用的 MCP 规范的服务器端实现。
它允许开发人员将 Pharo 应用程序中的功能(如查询数据、创建对象、触发操作)公开为“工具”,MCP 兼容的 LLM(如 Claude 3)可以通过标准化协议发现和调用这些工具。
这弥合了动态 Pharo 环境和现代 LLM 的能力之间的差距。
特性
- MCP 规范合规性: 实现核心服务器端端点:
- 发现 (
/.well-known/model-context
) - 服务描述 (
/mcp/description
- 或可配置路径) - 调用 (
/mcp/invoke
- 或可配置路径)
- 发现 (
- 动态工具注册: 提供一个简单的 API 来将 Pharo 方法或代码块注册为 MCP 工具。
- 自动服务描述: 根据注册的工具及其元数据(名称、描述、模式)生成 MCP 服务描述 JSON。
- Web 服务器集成: 构建于 Teapot 微型 Web 框架之上。
- JSON 处理: 使用 NeoJSON 进行强大的 JSON 解析和生成。
- 可扩展: 旨在集成到更大的 Pharo 应用程序中。
- (计划中): 使用 JSON Schema 定义进行工具参数的输入验证。
- (计划中): 常见 Pharo 对象模型的集成助手(例如,使用 Voyage)。
安装
本项目旨在通过 Metacello 加载。
- 确保 Metacello 已加载到您的 Pharo 镜像中(通常是)。
- 在 Pharo Workspace 中执行以下代码(如果需要,调整存储库 URL 和分支/标签):
Metacello new
baseline: 'MCPFramework'; "<- 使用您的基线类的实际名称(不带 'BaselineOf')"
repository: 'github://YOUR_USERNAME/pharo-mcp-server:main/'; "<- 将此更改为您的存储库 URL 和分支/标签"
load.
推荐服务器
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。
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。
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)。
@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。
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。
Jira-Context-MCP
MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

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。

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。
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。