Simple MCP Client

🚀 簡單 MCP 客戶端使用文檔

簡單 MCP 客戶端是一款用於與多種模型和服務進行交互的實用工具，它支持本地和雲端的機器學習模型，能為用戶提供便捷的模型交互體驗。

🚀 快速開始

要啟動客戶端，可在終端中運行以下命令：

python -m simple_mcp_client.cli

若您需要指定配置文件路徑，可使用以下命令：

python -m simple_mcp_client.cli --config path/to/config.json

📦 安裝指南

文檔未提及安裝步驟，若有安裝相關需求，請補充信息。

📚 詳細文檔

配置文件格式

配置文件是一個 JSON 文件，包含以下字段：

{
  "log_level": "INFO", // 可選值：DEBUG, INFO, WARNING, ERROR, CRITICAL
  "llm": {
    "provider": "ollama", // 支持的 LLM 提供商：ollama, openai, deepseek, openrouter, litellm
    "model": "gpt-4-turbo", // 模型名稱，具體取決於提供程序
    "api_key": "your_api_key", // 必要的 API 密鑰
    // 其他參數請參考對應提供商文檔
  },
  "mcp_servers": [
    {
      "url": "http://localhost:8000",
      "name": "local_mcp"
    },
    {
      "url": "https://api.example.com",
      "name": "remote_mcp"
    }
  ],
  "default_mcp_server": "local_mcp" // 默認使用的 MCP 服務器
}

命令行選項

以下是一些常用的命令行選項：

• --help：顯示幫助信息。
• --version：顯示客戶端版本。
• --log-level <LEVEL>：設置日誌級別。
• --config <PATH>：指定配置文件路徑。

環境變量

您可以通過環境變量來配置以下內容：

• MCP_LOG_LEVEL：設置日誌級別（默認：INFO）
• OPENAI_API_KEY：OpenAI API 密鑰
• DEEPSEEK_API_KEY：DeepSeek API 密鑰
• OPENROUTER_API_KEY：OpenRouter API 密鑰
• ANTHROPIC_API_KEY：Anthropic API 密鑰
• GOOGLE_API_KEY：Google API 密鑰
• MISTRAL_API_KEY：Mistral API 密鑰
• COHERE_API_KEY：Cohere API 密鑰
• AZURE_API_KEY：Azure API 密鑰

LLM 提供商支持

客戶端支持以下 LLM 提供商：

1. Ollama：可在本地運行開源模型。
2. OpenAI：基於 API 的 LLM 提供商，用於訪問 OpenAI 的模型。
3. DeepSeek：基於 API 的 LLM 提供商，提供多種模型。
4. OpenRouter：擁有統一的 API 接口，支持多個 LLM 提供商，提供廣泛的模型選擇。
5. LiteLLM：一個統一接口，支持 OpenAI、Anthropic、Google、Azure 等多個提供商。

深度求索配置

• 需要 API 密鑰，可通過配置文件或環境變量 DEEPSEEK_API_KEY 提供。
• 默認 API URL 為 https://api.deepseek.com/v1。

OpenRouter 配置

• 需要 API 密鑰，可通過配置文件或環境變量 OPENROUTER_API_KEY 提供。
• 默認 API URL 為 https://openrouter.ai/api/v1。
• 支持額外參數：
  • http_referer：默認值為 "https://github.com/simple_mcp_client"。
  • app_name：默認值為 "Simple MCP Client"。

LiteLLM 配置

支持多種模型提供商，配置示例如下：

{
  "llm": {
    "provider": "litellm",
    "model": "anthropic/claude-3-opus-20240229", // 示例模型名稱
    "api_key": "YOUR_ANTHROPIC_API_KEY", // 必要的 API 密鑰
    "other_params": {
      "temperature": 0.7,
      "max_tokens": 4096,
      "request_timeout": 60.0
    }
  }
}

對於 OpenAI 模型：

{
  "llm": {
    "provider": "litellm",
    // 此處原文檔未完整，推測後續還有配置內容
  }
}