Token导航 LogoToken导航TokenDH.com
中转站排行榜
Chanakya Local Friend logo
音视频stdio官方级别未说明来源级核验

Chanakya Local Friend

MCP Server

Chanakya是一个开源的、可自托管的语音助手系统，专注于隐私保护、功能强大和灵活性，支持本地AI/ML模型和第三方MCP服务器连接。

工具数

14

提示词数

0

GitHub Stars

215

资源数

0
开源Python隐私保护自托管

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

作者 / 组织

Rishabh-Bajpai

提供方

Rishabh-Bajpai

最后核验

2026/5/17 20:20

运行时

Python

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

python -m pip install --upgrade pip

详细介绍

考底利耶

Chanakya是一个 高级、开源、可自托管的语音助手 专为隐私、电源和灵活性而设计。它可以利用本地AI/ML模型来帮助控制数据，并支持通过配置连接到第三方MCP服务器。智能代理网络协作完成任务，提供见解，并维护正在进行的工作流程。

  • Chanakya Flask应用程序已打开 http://127.0.0.1:5513
  • 航空服务开启 http://127.0.0.1:5512
  • 对话层打开 http://127.0.0.1:5514
  • 可选A2A桥 http://127.0.0.1:18770

最重要的设置规则很简单：创建repo根目录 .env 和 mcp_config_file.json 在启动堆栈之前。启动脚本会立即读取这些文件。

快速开始

1.先决条件

  • Python 3.11是本地开发最安全的默认设置。
  • python3.11 -m venv 可在您的机器上使用。
  • uvx 如果按原样使用示例MCP配置，则可用。
  • 与OpenAI兼容的API密钥和基本URL。

2.创建虚拟环境

从repo根目录：

python3.11 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install -e .[dev]
python -m pip install -e ./apps/AI-Router-AIR
python -m pip install -e ./apps/chanakya_conversation_layer

如果你更喜欢用conda进行日常开发，那也没问题。唯一的硬性要求是 systemd 安装程序需要一个repo根目录 .venv.

3.创建 .env 在开始任何事情之前

从签入模板开始：

cp .env.example .env

然后编辑 .env 对于您的机器和凭据。使用 .env.example 作为支持变量的真实来源。

启动脚本会自动获取此文件并导出 ENV_FILE_PATH 对于子进程。如果缺少此文件，服务将在没有预期运行时配置的情况下启动。

4.创建 mcp_config_file.json 在开始任何事情之前

应用程序需要一个repo根 mcp_config_file.json.

从示例开始：

cp mcp_config_file.example.json mcp_config_file.json

然后根据您的环境进行编辑（如果需要）。使用 mcp_config_file.example.json 作为默认MCP服务器布局的真实来源。签入示例包括本地Python支持的MCP服务器和 uvx-启动服务器。

5.启动堆栈

核心堆栈：

./scripts/start_chanakya_air.sh core

堆芯加A2A组件：

./scripts/start_chanakya_air.sh core+a2a

打开主UI http://127.0.0.1:5513.

6.停止堆叠

./scripts/stop_chanakya_air.sh

启动脚本的作用

./scripts/start_chanakya_air.sh 按以下顺序启动当前本地堆栈：

  1. 航空服务
  2. Chanakya对话层
  3. 可选A2A服务 core+a2a
  4. Chanakya Flask应用程序

它还：

  • 读取 .env 从repo根目录，除非 ENV_FILE_PATH 已设置
  • 在下写入PID文件和日志 build/runtime/
  • 启动后打印服务URL

使用 ./scripts/stop_chanakya_air.sh 彻底停止一切。

所需配置

.env

起点 .env.example 并将其复制到位：

cp .env.example .env

然后编辑 .env 与您的当地价值观。替换所有标记为的占位符值 ``:

变量描述示例
OPENAI_BASE_URL您的LM Studio或OpenAI兼容服务器端点http://127.0.0.1:1234/v1
OPENAI_API_KEY模型服务器的API密钥lm-studio （或您的钥匙）
DATABASE_URLSQLite数据库的路径sqlite:////home/user/chanakya_data/chanakya.db

中的默认值 .env.example 使用占位符值，不会开箱即用。

地方发展中使用的常见变量包括：

CHANAKYA_CORE_AGENT_BACKEND=local
A2A_AGENT_URL=http://127.0.0.1:18770
AIR_SERVER_PORT=5512
CHANAKYA_PORT=5513
CONVERSATION_LAYER_PORT=5514

mcp_config_file.json

从签入模板开始：

cp mcp_config_file.example.json mcp_config_file.json

此文件定义了Chanakya可以连接的MCP服务器。示例文件已经包含以下条目：

  • mcp_websearch
  • mcp_fetch
  • mcp_calculator
  • mcp_code_execution
  • mcp_filesystem
  • mcp_git
  • mcp_http
  • mcp_json
  • mcp_shell_utils
  • mcp_weather
  • mcp_map
  • mcp_timer
  • mcp_work_tools
  • mcp_artifact_tools

如果添加或删除MCP服务器，请在之后重新启动堆栈，以便工具加载程序使用更新的配置重新连接。

本地开发

测试、起毛和类型检查

从激活环境的repo根目录：

pytest apps/chanakya/test
python -m ruff check apps/chanakya/
python -m mypy apps/chanakya/

对于重点测试运行：

pytest apps/chanakya/test/test_agent_manager.py -q

数据库实用工具

python scripts/db_viewer.py
python scripts/update_database.py
python scripts/clear_database.py

笔记：

  • scripts/clear_database.py 具有破坏性。
  • 如果 DATABASE_URL 如果未设置，则默认SQLite数据库为 chanakya_data/chanakya.db.

手动烟雾检查

这些依赖于外部工具，不是默认的验证路径：

python scripts/run_maf_tools.py
python scripts/test_mcp_fetch_connectivity.py --mode with-wrapper
python scripts/test_mcp_fetch_connectivity.py --mode without-wrapper

运行时文件

运行时状态写在 chanakya_data/ 和 build/runtime/.

  • chanakya_data/ 保存应用程序状态，如SQLite数据库和共享工作区数据。
  • build/runtime/ 保存启动脚本中的PID文件和服务日志。

如果启动失败，请检查最近的日志 build/runtime/ 第一。

Ubuntu上的服务安装

回购包括 systemd 核心堆栈的安装程序：

sudo ./scripts/install-autostart-ubuntu.sh

重要细节：

  • 它需要一个repo根 .venv
  • 它过去了 ENV_FILE_PATH 指向repo根目录 .env
  • 默认情况下，它为调用的非root用户安装服务

有用的命令：

sudo systemctl status chanakya.target
sudo journalctl -u chanakya-air.service -f
sudo journalctl -u chanakya-conversation-layer.service -f
sudo journalctl -u chanakya-app.service -f
sudo systemctl restart chanakya.target

卸载：

sudo ./scripts/uninstall-autostart-ubuntu.sh

仓库的规划

此工作区包含一些相关的代码库。主要有：

  • apps/chanakya/：主Flask应用程序、路由、模板、核心状态、测试
  • apps/AI-Router-AIR/：端口5512上的本地堆栈使用的FastAPI服务
  • apps/chanakya_conversation_layer/：单独的会话层包和测试
  • scripts/：启动、关闭、数据库和服务管理脚本

如果要更改运行时行为，最相关的文件通常是：

  • apps/chanakya/core/app.py
  • apps/chanakya/core/chat_service.py
  • apps/chanakya/core/store.py
  • apps/chanakya/agent/runtime.py
  • apps/chanakya/templates/
  • apps/chanakya/static/js/air_voice.js

常见问题

堆栈启动但行为不正确

先检查一下：

  1. .env 存在于repo根目录，并具有预期的模型凭据。
  2. mcp_config_file.json 存在于repo根目录。
  3. 虚拟环境包括所有三个可编辑的安装。
  4. build/runtime/*.log 显示启动后所有服务都保持运行。

服务从错误的环境开始

启动脚本提供repo根目录 .env 自动。如果你想要一个不同的env文件，请设置 ENV_FILE_PATH 在调用脚本之前。

MCP工具缺失

确认：

  1. 该工具存在于 mcp_config_file.json
  2. 其命令已安装在您的计算机上
  3. 编辑MCP配置后重新启动了堆栈

相关文件

  • mcp_config_file.example.json：MCP服务器配置的起点
  • scripts/start_chanakya_air.sh：标准本地堆栈入口点
  • scripts/stop_chanakya_air.sh：标准停机入口点
  • scripts/install-autostart-ubuntu.sh: systemd Linux安装程序

目录标签

目录标签

开源Python隐私保护自托管语音助手本地部署AI/ML

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）

14

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

Chanakya-Local-Friend logo

MCP World

mcpworld.com

/detail/3cdfc03ac238f8ccd7899e29cfd516d4

Chanakya是一个开源的、可自托管的语音助手系统，专注于隐私保护、功能强大和灵活性，支持本地AI/ML模型和第三方MCP服务器连接。

继续浏览同类 MCP

更多音视频 MCP（1,391）返回 MCP 目录

上一个 MCP

CDP MCP (cdp-mcp-71a18371)

CDP MCP Server 是一个提供直接访问 Composers' Desktop Project (CDP) 声音转换程序的模型上下文协议 (MCP) 服务器，通过简单可靠的工具暴露 CDP 的原始功能，适用于音乐制作和音频处理场景。

下一个 MCP

Chaptrone MCP Server

Chaptr One MCP服务器提供Goose桌面应用与Chaptr One后端交互的工具，包括日志记录、员工仪表板获取、语音播放和用户验证功能。