MCP Chat Adapter

MCP聊天适配器

MCP（模型上下文协议）服务器，为LLM提供干净的接口，以便通过MCP协议使用聊天完成功能。该服务器充当LLM客户端和任何兼容OpenAI的API之间的桥梁。主要用例是 聊天模型，因为服务器不支持文本补全。

概述

OpenAI聊天MCP服务器实现了模型上下文协议（MCP），允许语言模型以标准化的方式与OpenAI的聊天完成API交互。它能够实现用户和语言模型之间的无缝对话，同时处理API交互、对话管理和状态持久性的复杂性。

特性

• 内置于 FastMCP 用于稳健和干净的实施
• 提供会话管理和聊天完成工具
• 正确的错误处理和超时
• 支持与本地存储的对话持久性
• 设置简单，配置最少
• 可配置的模型参数和默认值
• 与OpenAI和OpenAI兼容的API兼容

典型工作流程

这个想法是，你可以让克劳德分拆出来，并在后台与其他模特保持多次对话。所有对话都存储在 CONVERSATION_DIR 目录，您应该在 env 你的部分 mcp.json 文件。

可以告诉克劳德创建一个新的对话，或者继续一个现有的对话（由整数标识 conversation_id).即使你在新的环境中重新开始，你也可以继续进行旧的对话，尽管在这种情况下，你可能想让克劳德在继续使用之前阅读旧的对话 get_conversation 工具。

请注意，您还可以在 CONVERSATION_DIR 手动目录。在这种情况下，您可能需要重新启动服务器才能看到更改。

配置

所需的环境变量

必须设置这些环境变量，服务器才能运行：

OPENAI_API_KEY=your-api-key  # Your API key for OpenAI or compatible service
OPENAI_API_BASE=https://openrouter.ai/api/v1 # The base URL for the API (can be changed for compatible services)

您还应该设置 CONVERSATION_DIR 环境变量指向要存储对话数据的目录。使用绝对路径。

可选环境变量

以下环境变量是可选的，具有默认值：

# Model Configuration
DEFAULT_MODEL=google/gemini-2.0-flash-001 # Default model to use if not specified
DEFAULT_SYSTEM_PROMPT="You are an unhelpful assistant."  # Default system prompt
DEFAULT_MAX_TOKENS=50000 # Default maximum tokens for completion
DEFAULT_TEMPERATURE=0.7  # Default temperature setting
DEFAULT_TOP_P=1.0 # Default top_p setting
DEFAULT_FREQUENCY_PENALTY=0.0 # Default frequency penalty
DEFAULT_PRESENCE_PENALTY=0.0  # Default presence penalty

# Storage Configuration
CONVERSATION_DIR=./convos # Directory to store conversation data
MAX_CONVERSATIONS=1000 # Maximum number of conversations to store

与Claude UI等集成。

你的 mcp.json 文件应该看起来像这样：

{
  "mcpServers": {
    "chat-adapter": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-chat-adapter"
      ],
      "env": {
          "CONVERSATION_DIR": "/Users/aiamblichus/mcp-convos",
          "OPENAI_API_KEY": "xoxoxo",
          "OPENAI_API_BASE": "https://openrouter.ai/api/v1",
          "DEFAULT_MODEL": "qwen/qwq-32b"
      }
    }
  }
}

最新版本的包发布到npm 这里.

可用工具

1.创建对话

创建新的聊天对话。

{
  "name": "create_conversation",
  "arguments": {
    "model": "gpt-4",
    "system_prompt": "You are a helpful assistant.",
    "parameters": {
      "temperature": 0.7,
      "max_tokens": 1000
    },
    "metadata": {
      "title": "My conversation",
      "tags": ["important", "work"]
    }
  }
}

2.聊天

在对话中添加消息并获得响应。

{
  "name": "chat",
  "arguments": {
    "conversation_id": "123",
    "message": "Hello, how are you?",
    "parameters": {
      "temperature": 0.8
    }
  }
}

3.列出对话

获取可用对话的列表。

{
  "name": "list_conversations",
  "arguments": {
    "filter": {
      "tags": ["important"]
    },
    "limit": 10,
    "offset": 0
  }
}

4.进行对话

获取对话的完整内容。

{
  "name": "get_conversation",
  "arguments": {
    "conversation_id": "123"
  }
}

5.删除对话

删除对话。

{
  "name": "delete_conversation",
  "arguments": {
    "conversation_id": "123"
  }
}

发展

安装

# Clone the repository
git clone https://github.com/aiamblichus/mcp-chat-adapter.git
cd mcp-chat-adapter

# Install dependencies
yarn install

# Build the project
yarn build

运行服务器

对于FastMCP cli运行：

yarn cli

对于FastMCP检查运行：

yarn inspect

贡献

欢迎投稿！请随时提交拉取请求。

许可证

麻省理工学院