Phil65 MCP Server Llmling

🚀 LLMLing 服務器使用指南

LLMLing 服務器是一款功能強大的工具，可用於資源管理、工具調用、提示管理等，支持多種傳輸選項，能滿足不同場景下的使用需求。

✨ 主要特性

資源管理

• 可加載和管理多種類型的資源，包括：
  • 文本文件（PathResource）
  • 純文本內容（TextResource）
  • CLI 命令輸出（CLIResource）
  • Python 源代碼（SourceResource）
  • Python 可調用結果（CallableResource）
  • 圖像（ImageResource）
• 支持資源熱重載/自動重新加載，方便更新資源。
• 具備資源處理管道，可對資源進行高效處理。
• 支持基於 URI 的資源訪問，便於定位和獲取資源。

工具系統

• 能夠註冊和執行 Python 函數作為 LLM 工具，擴展功能。
• 支持基於 OpenAPI 的工具，與其他系統更好地集成。
• 提供入口點發現工具，方便查找可用工具。
• 具備工具驗證和參數檢查功能，確保工具使用的正確性。
• 支持結構化工具響應，使結果更清晰易讀。

提示管理

• 支持靜態提示，帶有模板支持，方便定製提示內容。
• 動態提示可來自 Python 函數，實現靈活的提示生成。
• 支持文件基底提示，可從文件中加載提示。
• 具備提示參數驗證和自動補全功能，提高提示使用的準確性和效率。

多種傳輸選項

• 標準輸入輸出通信為默認方式，簡單易用。
• 服務器發送事件（SSE）適用於 Web 客戶端，實現即時通信。
• 支持自定義傳輸實現，滿足特殊需求。

MCP 協議支持

• 支持設備間的通信協議，可實現設備間的數據交互和控制。
• 提供多種數據傳輸方式，如設備狀態查詢、命令下發等操作。

📦 安裝指南

文檔未提及具體安裝步驟，暫無法提供。

💻 使用示例

在 Zed 編輯器中使用

在你的 settings.json 中添加 LLMLing 作為上下文服務器：

{
  "context_servers": {
    "llmling": {
      "command": {
        "env": {},
        "label": "llmling",
        "path": "uvx",
        "args": [
          "mcp-server-llmling",
          "start",
          "path/to/your/config.yml"
        ]
      },
      "settings": {}
    }
  }
}

在 Claude Desktop 中使用

在你的 claude_desktop_config.json 中配置 LLMLing：

{
  "mcpServers": {
    "llmling": {
      "command": "uvx",
      "args": [
        "mcp-server-llmling",
        "start",
        "path/to/your/config.yml"
      ],
      "env": {}
    }
  }
}

手動啟動服務器

直接從命令行啟動服務器：

# 使用最新版本
uvx mcp-server-llmling@latest

編程使用方法

方法一：程序化使用

from llmling import RuntimeConfig
from mcp_server_llmling import LLMLingServer

async def main() -> None:
    async with RuntimeConfig.open(config) as runtime:
        server = LLMLingServer(runtime, enable_injection=True)
        await server.start()

asyncio.run(main())

方法二：使用自定義傳輸

from llmling import RuntimeConfig
from mcp_server_llmling import LLMLingServer

async def main() -> None:
    async with RuntimeConfig.open(config) as runtime:
        server = LLMLingServer(
            config,
            transport="sse",
            transport_options={
                "host": "localhost",
                "port": 8000,
                "cors_origins": ["http://localhost:3000"]
            }
        )
        await server.start()

asyncio.run(main())

方法三：資源配置

resources:
  python_code:
    type: path
    path: "./src/**/*.py"
    watch:
      enabled: true
      patterns:
        - "*.py"
        - "!**/__pycache__/**"

  api_docs:
    type: text
    content: |
      API 文檔
      ------

📚 詳細文檔

配置說明

# 服務器配置示例
server:
  host: "0.0.0.0"  # 服務綁定的主機地址
  port: 8000        # 服務監聽的端口

# 資源管理配置
resources:
  max_connections: 100  # 允許的最大連接數
  timeout: 30s          # 連接超時時間

通過以上配置和使用方法，您可以輕鬆集成和管理 LLMLing 服務器，滿足不同場景下的需求。