项目概览

MCP 服务器 + OpenAI 代理。

环境搭建

1. 创建并激活虚拟环境:

   • 运行提供的 setup.sh 脚本，使用 Python 3.13 建立虚拟环境。

     ./setup.sh
     

   • 该脚本会创建一个虚拟环境，并从 requirements.txt 安装所有必需的 Python 包。

2. 安装项目依赖:

   • 确保您拥有运行 MCP 服务器所需的外部工具和服务：
     • Lynx: lynx 服务器需要，用于与 Lynx 终端网络搜索工具交互。
     • Docker: puppeteer 和 github 服务器需要，分别用于启用 Chrome 控制和 GitHub 交互。
     • Node.js: fs 服务器需要，使用 npx 命令。

使用指南

运行 agent.py

基本执行

• 您可以使用在 servers.yaml 中配置的所有服务器来运行代理，如下所示：

  python agent.py
  

• 您可以选择代理可以访问哪些服务器：

  # 赋予代理访问文件系统（用于本地文件浏览）和 lynx（用于网络搜索）的权限
  python agent.py --servers fs lynx
  

  根据我的经验，这会带来更好的性能，因为代理不太可能选择错误的工具

• 调试模式:

  • 使用 --debug 标志初始化服务器，而不执行代理。 如果您想确保服务器设置正确，这将非常有用

    python agent.py --debug
    

配置

服务器在 servers.yaml 中配置，其中每个服务器条目包括：

• 名称 (Name): 服务器的标识符。
• 描述 (Description): 服务器功能的简要描述。
• 命令 & 参数 (Command & Arguments): 启动服务器的命令行指令。
• 环境变量 (Environment Variables): 所需的任何其他环境配置。

您通常会在 MCP 服务器的 github 仓库中找到这些信息

自定义

您可以在 mcp-servers 目录中自定义您的 MCP 服务器

我用它做什么？

链接查找

如果我试图弄清楚如何做某事（例如设置 QEMU），我经常会使用 agent.py 来为我做初步研究

"find links relevant to QEMU setup on ubuntu" | python agent.py --servers lynx