Llm Gateway MCP Server

🚀 基於模型上下文協議（MCP）的開源項目

本項目是基於模型上下文協議（MCP）的開源項目，旨在為各類AI模型打造統一的交互接口。它集成了文件處理、網絡請求、數據解析、數據庫操作等多種功能模塊，為開發者提供了便捷高效的開發體驗。

🚀 快速開始

克隆項目倉庫

git clone https://github.com/your-repository.git
cd your-repository

安裝依賴包

pip install -r requirements.txt

啟動服務

python main.py

✨ 主要特性

核心特性

• 多模型支持：兼容OpenAI、Anthropic、Google、DeepSeek、xAI等主流的LLM提供商。
• 工具擴展性：內置文件操作、網絡請求、數據處理等多種實用工具。
• 上下文管理：藉助結構化協議，實現模型與外部工具的有效交互。

工具集

文件系統工具

• file_read：從指定路徑讀取文件內容。
• file_write：將內容寫入文件，支持覆蓋或追加模式。
• dir_list：列出指定目錄下的所有文件和子目錄。
• file_delete：刪除指定文件或空目錄。

網絡請求工具

• http_get：發送GET請求獲取網頁內容。
• http_post：發送POST請求提交數據。
• http_request：支持自定義HTTP方法（如PUT、DELETE等）的通用接口。

數據處理工具

• json_parse：解析JSON格式的數據。
• csv_read：讀取CSV文件並轉換為結構化數據。
• xml_process：處理XML格式數據，支持XPath查詢。

數據庫操作工具

• sql_query：執行SQL查詢並返回結果集。
• db_connect：建立與數據庫的連接。
• schema_parse：解析和驗證數據庫表結構。

📚 詳細文檔

安全注意事項

為確保系統安全，使用時請遵循以下原則：

1. 最小權限原則：以最低權限運行服務進程，限制其對敏感資源的訪問。
2. 輸入校驗：嚴格驗證用戶輸入的數據，防止惡意代碼注入。
3. 日誌管理：避免在日誌中記錄敏感信息，如API密鑰或用戶憑證。

安全指南

總體安全建議

• 定期更新項目依賴庫，防範已知的安全漏洞。
• 配置適當的訪問控制策略，限制不必要的網絡暴露。
• 使用HTTPS協議進行通信，保護數據傳輸過程中的安全性。

工具使用注意事項

• 在處理文件系統操作時，嚴格限制可訪問的目錄範圍，防止目錄遍歷攻擊（如../）。
• 執行SQL查詢時，優先使用ORM框架或參數化查詢，避免SQL注入風險。
• 對於需要執行任意腳本的操作（如browser_evaluate_script），建議進行嚴格的輸入驗證和權限控制。

配置選項

在config.json文件中，可以配置以下參數：

{
  "host": "localhost",
  "port": 8000,
  "model_provider": "openai",
  "api_key": "your-api-key"
}

💻 使用示例

基礎用法

通過命令行調用服務

curl http://localhost:8000/api/ping

在Python代碼中使用

import requests

response = requests.get('http://localhost:8000/api/ping')
print(response.json())

📄 許可證

該項目採用MIT許可證，具體條款詳見項目中的LICENSE文件。

致謝

本項目依賴眾多優秀的開源項目和技術社區的支持，特別感謝以下組織和個人：

• Model Context Protocol (MCP) 項目組，提供了基礎的概念框架和協議規範。
• FastAPI 團隊，開發了高性能的Web框架。
• Pydantic 開發者，為數據驗證和配置管理提供了強大的工具。
• Rich 庫作者，帶來了美觀的信息終端輸出體驗。
• uv 項目組，提供了快速的Python包安裝解決方案。
• Playwright 團隊，開發了功能強大的瀏覽器自動化框架。
• OpenPyXL 維護者，提供了Excel文件處理的功能支持。
• 社區貢獻者，感謝你們的熱情參與和持續反饋。