Jarvis MCP Toolkit

🔧 JARVIS MCP工具包


  

在6-GPU集群上为自主AI代理提供88+MCP处理程序

建筑

graph LR
    Agent[AI Agent] --> MCP{MCP Protocol}
    MCP --> DB[Database 15]
    MCP --> FS[Filesystem 12]
    MCP --> API[API Bridge 18]
    MCP --> GPU[GPU Mgmt 8]
    MCP --> Voice[Voice 10]
    MCP --> Trade[Trading 12]
    MCP --> Browser[Browser 8]
    MCP --> System[Monitor 5]

88按类别分类的处理者

快速开始

from jarvis_mcp import MCPServer

server = MCPServer(handlers="all")
server.start(port=8901)
# 88 tools now available via MCP protocol

整合

适用于任何兼容MCP的客户端：

• 克劳德代码 --via .mcp.json
• Gemini CLI --via settings.json
• 浏览器 --原生MCP支持
• 自定义代理 --via core.router.dispatcher

部分 贾维斯

什么是MCP？

模型上下文协议 是AI代理与外部工具交互的标准。MCP提供了一个统一的接口，而不是为每个工具编写自定义集成，就像用于AI的USB一样。

JARVIS MCP工具包提供 88+即用型处理器 让任何AI代理：

• 读/写数据库
• 控制浏览器
• 管理GPU资源
• 执行语音命令
• 监控系统健康状况
• 墨西哥商品交易所交易

使用示例

# Example 1: AI agent uses database tool
agent.call_tool("db_query", {
    "database": "jarvis-master",
    "sql": "SELECT * FROM codeur_offers"
})
# → Returns 6 offers

# Example 2: AI agent controls browser
agent.call_tool("browser_navigate", {
    "url": "https://codeur.com/projects"
})
agent.call_tool("browser_screenshot", {})
# → Returns screenshot of the page

# Example 3: AI agent checks GPU
agent.call_tool("gpu_status", {})
# → {gpu0: {temp: 52, vram: 9.6/12GB}, ...}

为何选择88位处理者？

大多数MCP工具包提供5-10个工具。JARVIS需要 全面覆盖 因为它管理着整个基础设施：数据库、GPU集群、语音管道、交易引擎、浏览器自动化和监控——所有这些都可以通过单一协议访问。

MCP在JARVIS中的工作原理

sequenceDiagram
    participant Agent as AI Agent
    participant MCP as MCP Server
    participant Handler as Handler (88+)
    participant System as System Resource
    
    Agent->>MCP: call_tool("db_query", {sql: "SELECT..."})
    MCP->>Handler: Route to database handler
    Handler->>System: Execute SQL query
    System-->>Handler: Results
    Handler-->>MCP: Formatted response
    MCP-->>Agent: Tool result

真实集成示例

使用克劳德代码

// .mcp.json
{
  "mcpServers": {
    "jarvis": {
      "command": "python3",
      "args": ["-m", "jarvis_mcp", "--port", "8901"]
    }
  }
}
// Now Claude Code can: query DBs, control browser, check GPU, run scripts

使用Gemini CLI

// ~/.gemini/settings.json
{
  "mcpServers": {
    "jarvis-mcp": {
      "command": "python3",
      "args": ["-m", "jarvis_mcp"],
      "timeout": 30000
    }
  }
}

使用自定义Python代理

from jarvis_mcp import MCPClient

client = MCPClient("http://localhost:8901")

# List all available tools
tools = client.list_tools()
# → 88 tools: db_query, browser_navigate, gpu_status, voice_command, ...

# Call any tool
result = client.call("gpu_status")
# → {gpu0: {temp: 52, vram: "9.6/12GB"}, gpu1: ...}

# Chain tools
data = client.call("db_query", {"sql": "SELECT * FROM codeur_offers"})
client.call("telegram_send", {"message": f"Found {len(data)} offers"})

Handler深潜

数据库处理程序（15）

db_query       — Execute read-only SQL
db_insert      — Insert with validation
db_tables      — List all tables
db_schema      — Get table schema
db_export      — Export to JSON/CSV
db_health      — Check integrity
db_backup      — Create backup copy
db_search      — Full-text search
db_stats       — Row counts, sizes
db_migrate     — Schema migration
...

GPU处理器（8）

gpu_status     — Temperature, VRAM, utilization
gpu_models     — List loaded models
gpu_load       — Load a model
gpu_unload     — Free VRAM
gpu_benchmark  — Speed test
gpu_thermal    — Thermal throttle check
gpu_allocate   — Reserve VRAM for task
gpu_optimize   — Suggest optimal allocation

______________________________________________________________________

许可证

MIT许可证——个人和商业用途免费。

作者

弗兰克·德尔马斯 --AI系统架构师

部分 贾维斯 生态系统。

______________________________________________________________________

完整处理程序参考

数据库处理程序（15）

文件系统处理程序（12）

API桥接器（18）

GPU管理处理器（8）

语音处理器（10）

交易处理人员（12）

浏览器处理程序（8）

系统处理程序（5）

______________________________________________________________________

故障排除指南

常见问题

问题：MCP服务器无法启动

Error: Port 8901 already in use

解决方案：检查端口上的现有进程并杀死它们。

lsof -i :8901 | grep LISTEN
kill -9 

问题：GPU处理程序返回“未检测到GPU”

Error: nvidia-smi not found or no NVIDIA driver

解决方案：确保安装了NVIDIA驱动程序 nvidia-smi 在PATH中。在Ubuntu上：

sudo apt install nvidia-driver-535
nvidia-smi  # verify

问题：数据库处理程序返回“数据库已锁定” 当多个进程同时写入同一SQLite文件时，就会发生这种情况。解决：

1. 使用WAL模式： PRAGMA journal_mode=WAL;
2. 设置繁忙超时： PRAGMA busy_timeout=5000;
3. 通过任务执行器队列确保一次只有一个写入路径。

问题：语音处理程序返回“无音频设备” 确保PulseAudio或PipeWire正在运行，并且连接了麦克风：

pactl list sources short  # list audio inputs
arecord -l                # list ALSA capture devices

问题：交易处理程序超时 API有速率限制（每秒20个请求）。如果您看到超时：

1. 检查 api_rate_status 电流限制
2. 降低轮询频率
3. 使用WebSocket提要而不是REST来获取实时数据

______________________________________________________________________

扩展工具包

创建新处理程序

1. 在中创建一个新的Python文件 handlers/:

# handlers/my_custom_handler.py
from jarvis_mcp.base import BaseHandler, handler

class MyCustomHandler(BaseHandler):
    """Handler for custom operations."""

    @handler("my_tool_name")
    async def my_tool(self, params: dict) -> dict:
        """One-line description shown in tool listing."""
        # Validate input
        value = params.get("key", "default")

        # Do work
        result = await self._process(value)

        # Return structured response
        return {"status": "ok", "data": result}

    async def _process(self, value: str) -> str:
        # Internal logic
        return f"Processed: {value}"

1. 在中注册处理程序 config/handlers.yaml:

handlers:
  - name: my_custom
    module: handlers.my_custom_handler
    class: MyCustomHandler
    enabled: true
    category: custom

1. 重新启动MCP服务器——您的工具会自动出现在 list_tools().

处理程序最佳实践

• 处理前始终验证输入参数
• 使用 async 用于任何I/O操作（网络、磁盘、数据库）
• 返回结构化字典，而不是原始字符串
• 包含一行docstring——它将成为工具描述
• 对于写入操作，考虑添加一个确认步骤
• 记录错误 self.logger.error() 可观察性

______________________________________________________________________

安全模型

访问级别

每个处理程序有三个访问级别之一：

需要确认的处理程序

以下处理程序在执行前需要确认，以防止意外损坏：

• db_delete --删除数据库记录
• db_migrate --应用架构迁移
• fs_delete --从磁盘中删除文件
• gpu_load --加载模型（消耗VRAM）
• trade_execute --用真钱下真实订单
• trade_cancel --取消未结订单
• sys_restart --重新启动生产服务

审计跟踪

所有处理程序调用都记录到 jarvis-master.db 在 mcp_audit 表：

CREATE TABLE mcp_audit (
    id INTEGER PRIMARY KEY,
    timestamp TEXT,
    handler TEXT,
    params TEXT,    -- JSON serialized
    result TEXT,    -- JSON serialized
    caller TEXT,    -- Which agent/user invoked
    duration_ms INTEGER
);

网络安全

• MCP服务器绑定到 127.0.0.1 默认情况下（仅限本地主机）
• 要向集群公开，请设置 MCP_BIND=0.0.0.0 并配置防火墙规则
• 所有节点间通信都使用本地网络（192.168.1.x）
• 在本地主机上不需要身份验证；远程访问需要通过设置API密钥 MCP_API_KEY

______________________________________________________________________

作者

弗兰克·德尔马斯 --AI系统架构师·JARVIS OS创建者·法国图卢兹

 ](https://github.com/Turbo31150)  

*生产第一自学·多代理·MCP早期采用者·可供CDI/自由职业者/咨询。*

部分 贾维斯 生态系统· 全部44个公共repos