快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

命令预览

uv run backend/scripts/startup.py --user --email <email> --username <name> --password <password>

详细介绍

胡萝卜AI

AI Agent with Multi-Server Streaming & Multi-Language Support

Flutter Frontend + FastAPI Backend

🚀 Experience online now | SaaS Client download

🇨🇳 阅读中文文档

______________________________________________________________________

🥕 引言

CarrotAI是一款尖端的AI代理应用程序，通过服务器发送事件（SSE）和内置模型控制协议（MCP）集成的可流式HTTP提供实时流式聊天。它支持与多个SSE MCP服务器的并发连接，并提供英语、中文和日语的用户界面。

🚀 特性

AI 代理：由SSE和MCP适配器支持的实时聊天，提供无缝的对话体验。
多服务器支持：同时连接并调用多个SSE MCP服务器以聚合智能响应。
多语言：英语完全本地化，中文（中文），以及日本語（日语）。
深度思维模式：复杂或多步骤查询的高级分析。
认证：使用JWT令牌保护登录/注册流程。
响应式用户界面：适用于移动、桌面和网络平台的自适应设计。
主题定制：亮/暗模式、自定义种子颜色和动态材质3主题化 dynamic_color.
文件上传：在对话中附加和解析文件，以获得更丰富的上下文。

🤖 支持的模型API

深度求索：具有强大推理能力的高级语言模型

🛠️ 技术栈

前端

框架：颤振
状态管理：提供商
用户界面：材料设计3
本地化：扑动发电机-110n
支持主题：动态_颜色

后端

框架：FastAPI
流媒体：服务器发送事件（SSE）
人工智能集成：DeepSeek LLM、MCP（模型控制协议）
数据库：PostgreSQL+SQLAlchemy
认证：JSON Web令牌
迁移：Alembic
部署：乌维科恩和古尼科恩

📋 先决条件

Flutter SDK ^3.7.2
Python>=3.12
PostgreSQL

⚡ 快速开始

请确保已安装。紫外线

# Clone repository
git clone https://github.com/Xingsandesu/CarrotAI.git && cd CarrotAI

# Deal with environment variables
mv backend/.env.example backend/.env && mv .env.example .env

# Edit environment variables
vim .env
vim backend/.env

# Temporarily start PostgreSQL
docker-compose -f docker-compose.yml -f docker-compose.override.yml up -d postgres

# Backend setup
uv run backend/scripts/startup.py --user --email  --username  --password 

# Stop PostgreSQL
docker-compose -f docker-compose.yml -f docker-compose.override.yml down

# Deal with Config
vim config/

# Run Backend
docker compose up -d

🔧 安装

后端设置

   cd backend

创建并激活虚拟环境：

   uv sync

复制示例环境文件：

   cp .env.example .env

应用数据库迁移：

   uv run scripts/init_db.py && uv run scripts/init_config.py

运行服务器：

   python main.py       # Development mode
   python main.py prod  # Production mode with Gunicorn

前端设置

   cd ..

获取Flutter依赖项：

   flutter pub get

生成本地化文件：

   flutter gen-l10n

启动应用程序：

   flutter run

为web构建：

   flutter build web --wasm

🌐 配置

前端：编辑 lib/core/config/app_config.dart 用于API端点和主题化默认值。
后端：配置 .env 和 backend/app/core/config.py 用于数据库和MCP服务器。

后端配置文件

后端使用位于以下位置的JSON文件 backend/config/ 定义模型、MCP服务器和自定义适配器。以下是默认文件夹结构：

backend/config/
├── model_configs.json       # LLM model definitions and metadata
├── mcp_servers.json         # SSE MCP server endpoints and env settings
└── app/                     # Custom adapter definitions
    └── duckduckgo-search.json

model_configs.json

定义CarrotAI的可用LLM模型。每个条目包括：

id （string）：唯一的模型标识符。
icon （string）：用于显示的图标名称。
translations （对象）：本地化名称和描述(zh, en, ja).
exclusiveRules （对象）：功能的切换和排除规则。

例子：

[
  {
    "id": "deepseek",
    "icon": "smart_toy_outlined",
    "translations": {
      "zh": { "name": "DeepSeek", "description": "专注于深度思考和复杂推理的满血模型" },
      "en": { "name": "DeepSeek", "description": "Powerful Chinese large model focused on deep thinking and complex reasoning" },
      "ja": { "name": "DeepSeek", "description": "深い思考と複雑な推論に特化した強力な中国語大規模モデル" }
    },
    "exclusiveRules": {
      "deepThinking": { "enabled": true, "excludes": ["mcpServices"] },
      "mcpServices": { "enabled": true, "excludes": ["deepThinking"] }
    }
  }
]

mcpservers.json

指定SSE模型控制协议（MCP）端点。格式：

关键字：服务名称。
url （字符串）：SSE端点URL。
env （object）：适配器的环境变量。

例子：

{
  "serviceA": {
    "url": "http://localhost:10000/sse",
    "env": {
      "API_KEY": "your_api_key"
    }
  }
}

自定义适配器(`app/*.json`)

将自定义MCP适配器放入 backend/config/app/每个文件定义：

id （string）：适配器标识符。
icon （字符串）：表情符号或图标名称。
mcpServer （object）：结构与中的条目相同 mcp_servers.json.
translations （对象）：本地化UI元数据。

示例(duckduckgo-search.json):

{
  "id": "duckduckgo-search",
  "icon": "🔍",
  "mcpServer": {
    "url": "http://localhost:10000/duckduckgo-search",
    "env": {}
  },
  "transportType": "sse",
  "translations": {
    "en": { "name": "DuckDuckGo Search", "type": "Search Tool", "description": "Use DuckDuckGo search engine for secure and private web searches" },
    "zh": { "name": "DuckDuckGo搜索", "type": "搜索工具", "description": "使用DuckDuckGo搜索引擎进行安全、私密的网络搜索" },
    "ja": { "name": "DuckDuckGo検索", "type": "検索ツール", "description": "DuckDuckGo検索エンジンを使用して安全でプライベートなウェブ検索を行います" }
  }
}

用法

初始化默认配置：

   uv run scripts/init_config.py

修改JSON文件 backend/config/ 添加或更新模型和端点。
重新启动后端服务器以应用更改。

🔧 环境变量

后端（.env）

关键字	描述	默认值
DATABASE_URL	PostgreSQL连接URL	必需的
BACKEND_CORS_ORIGINS	允许的CORS源（逗号分隔）	\[\]
MCP_SERVERS	SSE MCP服务器端点的JSON列表	必需的
SECRET_KEY	JWT密钥	必需的

前端（lib/core/config/app_config.dart）

static String get baseUrl => "http://127.0.0.1:8000";

💡 用法

启动后端和前端，如快速入门所示。
在浏览器或移动模拟器中打开应用程序。
注册或登录以获取JWT令牌。
使用深度思维模式或默认聊天模式与AI代理进行交互。
在MCP服务器之间切换或在“设置”下添加新端点。

🔗 api参考

访问交互式Swagger UI：

http://127.0.0.1:8000/docs

🛣️ 路线图

\[x\] SSE多服务器支持
\[x\] Multi-language (EN, 中文，日本语）
\[x\] Docker编写设置
\[x\] 流式HTTP支持
\[\]本地Stdio多服务器支持
\[\]本地OCR支持
\[\]支持更多格式的上传界面
\[\]前端自定义提示
\[\]更多型号支持
\[\]更多语言支持

🛡️ 安全

认证：所有后端端点均采用JWT保护；安全地存储在加密存储器中的令牌。
数据保护：在生产中使用HTTPS；通过配置允许的CORS源 BACKEND_CORS_ORIGINS 在……里面 .env.
秘密管理：定义 SECRET_KEY 在……里面 .env；确保没有秘密被提交给源头控制。

🔍 监控和记录

服务器日志：已配置 gunicorn.conf.py；访问和错误日志 logs/.
应用程序日志：使用Loguru进行结构化日志记录；前端禁用 debugPrint 在释放模式下。

🚀 性能与优化

缓存：前端缓存静态资产；后端为PostgreSQL使用异步连接池。
捆绑尺寸：使用构建的Web工件 --wasm 以优化交付。

🗂️ 更新日志

所有显著变化均记录在更改日志.md.

📱 截图

🤝 贡献

欢迎投稿！请打开一个包含您的建议的Pull Request。

📄 许可证

该项目根据CarrotAI开源许可证获得许可。请参阅许可证文件以获取详细信息。

目录标签

PythonAI代理工作流自动化Dart本地部署实时聊天多语言支持多服务器连接文件上传

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

none

运行时（runtime，运行环境）

Python

工具数量（toolCount，工具数）

0

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

来源信息

MCP World

mcpworld.com

/detail/068a6fd11b46f6fc36f5437b164f7aed

CarrotAI是一款支持多服务器流式传输和多语言的AI代理应用，提供实时聊天、深度思考模式和文件上传等功能，适用于多平台和多语言环境。

继续浏览同类 MCP

更多AI代理 MCP（18,706）返回 MCP 目录

上一个 MCP

Carlos5456 MCP

一个基于Server-Sent Events (SSE) 实现实时通信并支持多租户的MCP协议服务器，适用于需要多租户管理和实时数据交互的场景。

下一个 MCP

Carsxe MCP Server

一个模块化、可扩展的模型上下文协议（MCP）服务器，用于从CarsXE API查询和分析车辆数据，为大型语言模型和聊天机器人提供友好的Markdown输出。

Carrot AI