Lmstudio Toolpack

🚀 本地MCP工具集合

這是一個為本地大語言模型（LLMs）構建的小型模型上下文協議（MCP）工具集合。一個虛擬環境，多種選擇。

🚀 快速開始

本工具包旨在方便本地使用，後續會不斷擴展集合內容，讓本地大語言模型更強大、更簡單。

✨ 主要特性

• MCP JSON配置文件生成：運行main.py並按照嚮導完成生成。
• 一個虛擬環境支持多個MCP服務器

📦 安裝指南

環境要求

• Python >= 3.13
• 使用uv進行管理

安裝命令

使用uv進行同步：

uv sync

💻 使用示例

運行MCP服務器

python python-sandbox.py

服務器通過標準輸入輸出（FastMCP）進行通信。將與MCP兼容的客戶端指向上述可執行命令。

工具使用示例

運行main.py進行JSON配置自動生成，你將得到類似如下內容：

{
  "mcpServers": {
    "memory": {
      "command": "E:\\LMStudio\\mcp\\lmstudio-toolpack\\.venv\\Scripts\\python.exe",
      "args": [
        "E:\\LMStudio\\mcp\\lmstudio-toolpack\\MCPs\\Memory.py"
      ]
    },
    "python-sandbox": {
      "command": "E:\\LMStudio\\mcp\\lmstudio-toolpack\\.venv\\Scripts\\python.exe",
      "args": [
        "E:\\LMStudio\\mcp\\lmstudio-toolpack\\MCPs\\python-sandbox.py"
      ]
    },
    "websearch": {
      "command": "E:\\LMStudio\\mcp\\lmstudio-toolpack\\.venv\\Scripts\\python.exe",
      "args": [
        "E:\\LMStudio\\mcp\\lmstudio-toolpack\\MCPs\\WebSearch.py"
      ]
    }
  }
}

如有需要，可更改名稱。

📚 詳細文檔

MCP服務器

• 網頁搜索：使用DuckDuckGo作為搜索引擎，獲取並總結搜索結果。
• Python沙盒：允許智能體運行Python代碼，使用numpy和sympy，適用於數學計算。
• 長期記憶：供智能體長期記憶信息。

注意事項

⚠️ 重要提示

1. 默認使用標準輸入輸出（stdio），你可以在GlobalConfig中將其設置為HTTP。
2. 在python-sandbox.py中，使用了exec()函數允許智能體執行Python腳本，請密切關注智能體的操作。

另一個思路

如果你選擇使用HTTP，你可以使用1mcp將它們統一起來，並在遠程服務器上運行。例如，將樹莓派連接到TailScale並進行遠程設置。