Project Overview

🚀 MCP 服务器 + OpenAI 代理项目

本项目将 MCP 服务器与 OpenAI 代理相结合，可用于自动化网络搜索、文件操作等任务，有效提升工作效率。

🚀 快速开始

按照以下步骤开启项目：

1. 运行 setup.sh 脚本，创建虚拟环境并安装依赖项。
2. 安装所需的外部工具，包括 Lynx、Docker 和 Node.js。
3. 按需配置 servers.yaml 文件，添加或修改服务器条目。
4. 运行代理并测试其功能。

📦 安装指南

1. 创建并激活虚拟环境

运行提供的 setup.sh 脚本，使用 Python 3.13 建立虚拟环境：

./setup.sh

该脚本会依据 requirements.txt 创建虚拟环境，并安装所有所需的 Python 包。

2. 安装项目依赖项

确保已安装运行所选 MCP 服务器所需的外部工具和服务：

• Lynx：用于 lynx 服务器，该服务器与 Lynx 终端网络浏览器工具接口。
• Docker：用于 puppeteer 和 github 服务器，实现 Chrome 控制和 GitHub 交互。
• Node.js：用于 fs 服务器，使用 npx 命令。

💻 使用示例

运行 agent.py

基础用法

• 使用配置的所有服务器运行代理：

python agent.py

• 选择让代理访问的服务器，以提高性能：

# 允许代理访问文件系统（用于本地文件浏览）和 Lynx（用于网络搜索）
python agent.py --servers fs lynx

调试模式

使用 --debug 标志初始化服务器而不执行代理，确保服务器配置正确：

python agent.py --debug

配置

服务器在 servers.yaml 中进行配置，每个服务器条目包含：

• 名称：服务器的标识符。
• 描述：对服务器功能的简要说明。
• 命令及参数：启动服务器的命令行指令。
• 环境变量：初始化服务器所需的额外环境配置。

通常可在 github 仓库中找到这些配置文件。

自定义服务器

可在 mcp-servers 目录下开发自己的 MCP 服务器。

链接查找示例

若要进行 QEMU 设置的初始研究，可使用以下命令：

"查找与 QEMU 设置相关的链接" | python agent.py --servers lynx