Lmstudio Toolpack

🚀 本地MCP工具集合

这是一个为本地大语言模型（LLMs）构建的小型模型上下文协议（MCP）工具集合。一个虚拟环境，多种选择。

🚀 快速开始

本工具包旨在方便本地使用，后续会不断扩展集合内容，让本地大语言模型更强大、更简单。

✨ 主要特性

• MCP JSON配置文件生成：运行main.py并按照向导完成生成。
• 一个虚拟环境支持多个MCP服务器

📦 安装指南

环境要求

• Python >= 3.13
• 使用uv进行管理

安装命令

使用uv进行同步：

uv sync

💻 使用示例

运行MCP服务器

python python-sandbox.py

服务器通过标准输入输出（FastMCP）进行通信。将与MCP兼容的客户端指向上述可执行命令。

工具使用示例

运行main.py进行JSON配置自动生成，你将得到类似如下内容：

{
  "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，可更改名称。

📚 详细文档

MCP服务器

• 网页搜索：使用DuckDuckGo作为搜索引擎，获取并总结搜索结果。
• Python沙盒：允许智能体运行Python代码，使用numpy和sympy，适用于数学计算。
• 长期记忆：供智能体长期记忆信息。

注意事项

⚠️ 重要提示

1. 默认使用标准输入输出（stdio），你可以在GlobalConfig中将其设置为HTTP。
2. 在python-sandbox.py中，使用了exec()函数允许智能体执行Python脚本，请密切关注智能体的操作。

另一个思路

如果你选择使用HTTP，你可以使用1mcp将它们统一起来，并在远程服务器上运行。例如，将树莓派连接到TailScale并进行远程设置。