MCP Llm Bridge

🚀 MCP LLM ブリッジ

モデルコンテキストプロトコル（MCP）サーバーとOpenAI互換の大規模言語モデル（LLM）を接続するブリッジです。主にOpenAI APIをサポートし、OpenAI API仕様を実装したローカルエンドポイントも互換性があります。

この実装では、MCPとOpenAIの関数呼び出しインターフェース間で双方向のプロトコル変換層を提供します。MCPツール仕様をOpenAI関数アーキテクチャに変換し、関数呼び出しをMCPツール実行にマッピングするプロセスを処理します。これにより、OpenAI互換の言語モデルは、クラウドモデルであれ、Ollamaなどのローカル実装であれ、標準化されたインターフェースを通じてMCP互換ツールを使用できます。

MCPに関する詳細情報は、以下のリンクを参照してください。

• リソース
• プロンプト
• ツール
• サンプリング

🚀 クイックスタート

# インストール
curl -LsSf https://astral.sh/uv/install.sh | sh
git clone https://github.com/bartolli/mcp-llm-bridge.git
cd mcp-llm-bridge
uv venv
source .venv/bin/activate
uv pip install -e .

# テストデータベースの作成
python -m mcp_llm_bridge.create_test_db

📦 インストール

設定

OpenAI（主なサポート）

.env ファイルを作成します。

OPENAI_API_KEY=your_key
OPENAI_MODEL=gpt-4o # または他のツールをサポートするOpenAIモデル

注意：.env 内のキーを使用する場合は、環境を再アクティブ化してください：source .venv/bin/activate

次に、src/mcp_llm_bridge/main.py でブリッジを設定します。

config = BridgeConfig(
    mcp_server_params=StdioServerParameters(
        command="uvx",
        args=["mcp-server-sqlite", "--db-path", "test.db"],
        env=None
    ),
    llm_config=LLMConfig(
        api_key=os.getenv("OPENAI_API_KEY"),
        model=os.getenv("OPENAI_MODEL", "gpt-4o"),
        base_url=None
    )
)

追加のエンドポイントサポート

ブリッジは、OpenAI API仕様を実装した任意のエンドポイントでも動作します。

Ollama

llm_config=LLMConfig(
    api_key="不需要",
    model="mistral-nemo:12b-instruct-2407-q8_0",
    base_url="http://localhost:11434/v1"
)

注意：テストの結果、mistral-nemo:12b-instruct-2407-q8_0 は複雑なクエリの処理に優れていることがわかりました。

LM Studio

llm_config=LLMConfig(
    api_key="不需要",
    model="local-model",
    base_url="http://localhost:1234/v1"
)

この設定はまだテストしていませんが、理論的には動作するはずです。

💻 使用例

基本的な使用法

python -m mcp_llm_bridge.main

# 例の質問：データベース内で最も高価な製品は何ですか？
# 'quit' を入力するか、Ctrl+C で終了します

🧪 テストの実行

テスト依存関係付きのパッケージをインストールします。

uv pip install -e ".[test]"

その後、テストを実行します。

python -m pytest -v tests/

📄 ライセンス

MIT

🤝 貢献ガイド

貢献する場合は、プロジェクトリポジトリを参照してください：https://github.com/bartolli/mcp-llm-bridge