A simple yet powerful Python client for interacting with Model Context Protocol (MCP) servers using Ollama, allowing local LLMs to use tools.

______________________________________________________________________

奥利玛MCP客户（ollmcp）

![Python 3.10+](https://www.python.org/downloads/) ](https://pypi.org/project/ollmcp/) ](https://pypi.org/project/mcp-client-for-ollama/) ![CI](https://github.com/jonigl/mcp-client-for-ollama/actions/workflows/ci.yml)

🎥 Watch this demo as an Asciinema recording

概述

奥利玛MCP客户(ollmcp)是一个现代的交互式终端应用程序（TUI），用于将本地Ollama LLM连接到一个或多个模型上下文协议（MCP）服务器，实现高级工具使用和工作流自动化。凭借丰富、用户友好的界面，它允许您实时管理工具、模型和服务器连接，无需编码。无论您是在构建、测试还是只是在探索LLM工具的使用，此客户端都可以通过模糊自动补全、高级模型配置、MCP服务器热重载开发和人机交互安全控制等功能简化您的工作流程。

特性

🤖 代理模式：当模型请求多个工具调用时，迭代工具执行，具有可配置的循环限制，以防止无限循环
🌐 多服务器支持：同时连接到多个MCP服务器
🚀 多种运输方式：支持STDIO、SSE和流式HTTP服务器连接
📋 MCP提示支持：通过参数收集、预览和安全回滚浏览、调用和管理来自MCP服务器的提示
☁️ Ollama云支持：与Ollama Cloud模型无缝协作进行工具调用，在使用本地MCP工具的同时访问强大的云托管模型
🎨 丰富的终端界面：具有现代风格的交互式控制台UI
🌊 流媒体响应：实时查看生成的模型输出
🛠️ 工具管理：在聊天会话期间启用/禁用特定工具或整个服务器
🧑‍💻 循环中的人类（HIL）：在工具执行之前进行审查和批准，以增强控制和安全性
🎮 高级模型配置：微调15+个模型参数，包括上下文窗口大小、温度、采样、重复控制等
💬 系统提示定制：定义和编辑系统提示，以控制模型行为和角色
🧠 上下文窗口控件：调整上下文窗口大小（num_ctx）以处理较长的对话和复杂的任务
🎨 增强型工具显示：使用JSON语法突出显示工具执行的美观、结构化的可视化
🧠 上下文管理：使用可配置的保留设置控制对话记忆
🤔 思维方式：先进的推理能力，支持模型的可见思维过程（例如gpt-oss、deepseek-r1、qwen3等）
🗣️ 跨语言支持：与Python和JavaScript MCP服务器无缝协作
📜 历史记录管理：查看完整的对话历史记录，导出为JSON进行备份/分析，并导入以前的会话以保持连续性
🔍 自动发现：自动查找和使用Claude现有的MCP服务器配置
🔁 动态模型切换：在任何已安装的Olama型号之间切换，无需重新启动
💾 配置持久性：在会话之间保存和加载工具首选项和模型设置
🔄 服务器重新加载：在开发过程中热重新加载MCP服务器，而无需重新启动客户端
✨ 模糊自动补全：带有描述的交互式箭头键命令自动完成
🏷️ 动态提示：显示当前模型、思维模式和启用的工具
📊 性能指标：每次查询后的详细模型性能数据，包括持续时间和令牌计数
🔌 即插即用：可立即与符合MCP标准的工具服务器配合使用
🔔 更新通知：自动检测新版本何时可用
🖥️ 带打字机的现代CLI：分组选项、shell自动补全和改进的帮助输出
⏹️ 中止生成：您可以在响应流期间随时按“a”中止模型生成

需求

Python 3.10+ (安装指南)
奥拉玛 在本地运行(安装指南)
UV包管理器 (安装指南)

快速开始

选项1： 使用pip安装并运行

pip install --upgrade ollmcp
ollmcp

选项2： 一步安装并运行

uvx ollmcp

选项3： 从源代码安装并使用虚拟环境运行

git clone https://github.com/jonigl/mcp-client-for-ollama.git
cd mcp-client-for-ollama
uv venv && source .venv/bin/activate
uv pip install .
uv run -m mcp_client_for_ollama

用法

使用默认设置运行：

ollmcp

如果你不提供任何选项，客户端将使用 auto-discovery 模式从Claude的配置中查找MCP服务器。

命令行参数

\[！提示\] CLI现在使用 Typer 现代体验：分组选项、丰富的帮助和内置的shell自动补全。高级用户可以使用短标志来实现更快的命令。要启用自动补全，请运行： ``bash ollmcp --install-completion `` 然后重新启动shell或按照打印的说明进行操作。

MCP服务器配置：

--mcp-server, -s：指向一个或多个MCP服务器脚本（.py或.js）的路径。可以多次指定。
--mcp-server-url, -u：指向一个或多个SSE或流式HTTP MCP服务器的URL。可以多次指定。看通用MCP端点路径对于典型的端点。
--servers-json, -j：具有服务器配置的JSON文件的路径。看服务器配置格式了解详情。
--auto-discovery, -a：从Claude的默认配置文件中自动发现服务器（如果没有提供其他选项，则为默认行为）。

\[！提示\] Claude的配置文件通常位于： ~/Library/Application Support/Claude/claude_desktop_config.json

Ollama配置：

--model, -m 型号：使用Olama型号。违约： qwen2.5:7b
--host, -H 主机：Ollama主机URL。默认值： http://localhost:11434

常规选项：

--version, -v：显示版本并退出
--help, -h：显示帮助消息并退出
--install-completion：为客户端安装shell自动补全脚本
--show-completion：显示可用的shell完成选项

使用示例

运行客户端的最简单方法：

ollmcp

\[！提示\] 这将自动发现并连接到在Claude的设置中配置的任何MCP服务器，并使用默认模型 qwen2.5:7b 或配置文件中指定的模型。

连接到单个服务器：

ollmcp --mcp-server /path/to/weather.py --model llama3.2:3b
# Or using short flags:
ollmcp -s /path/to/weather.py -m llama3.2:3b

连接到多个服务器：

ollmcp --mcp-server /path/to/weather.py --mcp-server /path/to/filesystem.js
# Or using short flags:
ollmcp -s /path/to/weather.py -s /path/to/filesystem.js

\[！提示\] 如果未指定模型，则使用默认模型 qwen2.5:7b 将使用或配置文件中指定的模型。

使用JSON配置文件：

ollmcp --servers-json /path/to/servers.json --model llama3.2:1b
# Or using short flags:
ollmcp -j /path/to/servers.json -m llama3.2:1b

\[！提示\] 请参阅服务器配置格式有关如何构造JSON文件的详细信息，请参阅第节。

使用自定义Ollama主机：

ollmcp --host http://localhost:22545 --servers-json /path/to/servers.json --auto-discovery
# Or using short flags:
ollmcp -H http://localhost:22545 -j /path/to/servers.json -a

通过URL连接到SSE或流式HTTP服务器：

ollmcp --mcp-server-url http://localhost:8000/sse --model qwen2.5:latest
# Or using short flags:
ollmcp -u http://localhost:8000/sse -m qwen2.5:latest

连接到多个URL服务器：

ollmcp --mcp-server-url http://localhost:8000/sse --mcp-server-url http://localhost:9000/mcp
# Or using short flags:
ollmcp -u http://localhost:8000/sse -u http://localhost:9000/mcp

混合使用本地脚本和URL服务器：

ollmcp --mcp-server /path/to/weather.py --mcp-server-url http://localhost:8000/mcp --model qwen3:1.7b
# Or using short flags:
ollmcp -s /path/to/weather.py -u http://localhost:8000/mcp -m qwen3:1.7b

使用混合服务器类型的自动发现：

ollmcp --mcp-server /path/to/weather.py --mcp-server-url http://localhost:8000/mcp --auto-discovery
# Or using short flags:
ollmcp -s /path/to/weather.py -u http://localhost:8000/mcp -a

交互式命令

在聊天过程中，使用以下命令：

ollmcp main interface

命令	快捷方式	描述
`abort`	`a`	在模型生成过程中，中止当前的响应生成
`clear`	`cc`	清晰的对话历史和背景
`cls`	`clear-screen`	清除终端屏幕
`context`	`c`	切换上下文保留
`context-info`	`ci`	显示上下文统计信息
`export-history`	`eh`	将聊天记录导出到JSON文件
`full-history`	`fh`	显示所有对话历史记录
`help`	`h`	显示帮助和可用命令
`import-history`	`ih`	从JSON文件导入聊天记录
`human-in-loop`	`hil`	切换工具执行的人工循环确认
`load-config`	`lc`	从文件加载工具和模型配置
`loop-limit`	`ll`	设置最大迭代工具循环迭代次数（代理模式）。默认值：3
`model`	`m`	列出并选择其他Ollama型号
`model-config`	`mc`	配置高级模型参数和系统提示
`prompts`	`pr`	浏览并查看所有可用的MCP提示
`/prompt_name`	-	按名称调用特定提示（例如。， `/summarize`)
`quit`, `exit`, `bye`	`q` 或 `Ctrl+D`	退出客户端
`reload-servers`	`rs`	使用当前配置重新加载所有MCP服务器
`reset-config`	`rc`	将配置重置为默认值（启用所有工具）
`save-config`	`sc`	将当前工具和模型配置保存到文件
`show-metrics`	`sm`	切换性能指标显示
`show-thinking`	`st`	切换思维文本可见性
`thinking-mode`	`tm`	在支持的模型上切换思维模式
`show-tool-execution`	`ste`	切换工具执行显示可见性
`tools`	`t`	打开刀具选择界面

工具和服务器选择

工具和服务器选择界面允许您启用或禁用特定工具：

ollmcp tool and server selection interface

进入数字用逗号分隔（例如。 1,3,5)切换特定工具
进入范围数字（例如。 5-8)切换多个连续工具
进入 S+编号 （例如。 S1)切换特定服务器中的所有工具
a 或 all -启用所有工具
n 或 none -禁用所有工具
d 或 desc -显示/隐藏工具描述
j 或 json -出于调试目的，在启用的工具上显示详细的工具JSON模式
s 或 save -保存更改并返回聊天
q 或 quit -取消更改并返回聊天

模型选择

型号选择界面显示Ollama安装中的所有可用型号：

ollmcp model selection interface

进入数字您要使用的模型
s 或 save -保存模型选择并返回聊天
q 或 quit -取消模型选择并返回聊天

高级模型配置

这 model-config (mc)命令打开高级模型设置界面，允许您微调模型生成响应的方式：

ollmcp model configuration interface

系统提示

系统提示：设置模型的角色和行为以指导响应。

关键参数

系统提示：设置模型的角色和行为以指导响应。
上下文窗口（num_ctx）：设置模型使用的聊天历史记录量。平衡内存使用和性能。
保留令牌：防止重要令牌被丢弃
最大令牌数：限制响应长度（0=自动）
种子：使输出可重复（随机设置为-1）
温度：控制随机性（0=确定性，较高=创造性）
顶部K/顶部P/最小P/典型P：多样性采样控制
重复上次N/重复处罚：减少重复
出席/频率处罚：鼓励新话题，减少重复
停止序列：自定义停车点（最多8个）
批量大小（num_Batch）：控制请求的内部批处理；较大的值可以提高吞吐量，但会占用更多内存。

命令

输入参数编号 1-15 编辑设置
进入 sp 编辑系统提示
使用 u1, u2等来取消设置参数，或 uall 重置全部
h/help：显示参数详细信息和提示
undo：还原更改
s/save：应用更改
q/quit：取消

示例配置

事实： temperature: 0.0-0.3, top_p: 0.1-0.5, seed: 42
创意： temperature: 1.0+, top_p: 0.95, presence_penalty: 0.2
减少重复： repeat_penalty: 1.1-1.3, presence_penalty: 0.2, frequency_penalty: 0.3
平衡的： temperature: 0.7, top_p: 0.9, typical_p: 0.7
可复制性： seed: 42, temperature: 0.0
大背景： num_ctx: 8192 或更高，用于需要更多上下文的复杂对话

\[！提示\] 所有参数默认为未设置，让Ollama使用自己的优化值。使用 help 在配置菜单中查看详细信息和建议。更改将与您的配置一起保存。

重新加载服务器以进行开发

这 reload-servers 命令(rs)在MCP服务器开发期间特别有用。它允许您重新加载所有连接的服务器，而无需重新启动整个客户端应用程序。

主要优势：

🔄 热重新加载：立即将更改应用于MCP服务器代码
🛠️ 开发工作流程：非常适合迭代开发和测试
📝 配置更新：自动获取服务器JSON配置或Claude配置中的更改
🎯 国家保护：在重新加载过程中保持您的工具启用/禁用首选项
⚡️ 节省时间：无需重新启动客户端并重新配置所有内容

何时使用：

修改MCP服务器实现后
当您在JSON文件中更新服务器配置时
更改Claude的MCP配置后
在调试过程中，确保您测试的是最新的服务器版本

只需键入 reload-servers 或 rs 在聊天界面中，客户端将：

断开与所有当前MCP服务器的连接
使用相同的参数（服务器路径、配置文件、自动发现）重新连接
恢复您之前启用/禁用的工具设置
显示更新的服务器和工具状态

此功能极大地改善了构建和测试MCP服务器时的开发体验。

人在循环（HIL）工具执行

Human in The Loop功能提供了一个额外的安全层，允许您在工具执行之前对其进行审查和批准。这对于以下情况特别有用：

🛡️ 安全：执行前审查潜在的破坏性操作
🔍 学习：了解模型想要使用什么工具以及为什么
🎯 控制：仅选择性执行您批准的工具
🚫 预防：停止执行不需要的工具调用
🔄 会话模式：自动批准当前查询会话的所有工具
🛑 查询中止：中止整个查询而不保存到历史记录

HIL确认显示

启用HIL后，您将在每次执行工具之前看到确认提示：

例子：

ollmcp HIL confirmation screenshot

HIL确认选项

出现提示时，您可以从以下选项中进行选择：

是/是：执行此特定的工具调用
无：跳过此工具调用并继续查询
s/会话：执行当前查询的此工具调用和所有后续工具调用，无需进一步提示
d/禁用：永久禁用HIL确认（可以使用重新启用 hil 命令）
a/中止：立即中止整个查询，不保存到历史记录

\[！提示\] 这会话当模型需要按顺序执行多个工具时，选项特别有用。您可以批准当前查询会话的所有工具，而不是单独确认每个工具，然后HIL将为下一个查询自动重置。

人在环（HIL）配置

默认状态：为了安全起见，默认情况下启用HIL确认
切换命令：使用 human-in-loop 或 hil 打开/关闭
持久设置：HIL首选项与您的配置一起保存
快速禁用：在任何确认过程中选择“禁用”以永久关闭
会话自动批准：在确认过程中使用“会话”来批准当前查询的所有工具
查询中止：在确认过程中使用“中止”立即停止查询而不保存
重新启用：使用 hil 随时命令重新打开确认

优点：

增强安全性：防止意外或不必要的工具执行
意识：了解模型试图执行的操作
选择性控制：根据具体情况选择允许哪些操作
柔性工作流：会话模式可实现高效的多工具查询，敏感操作可单独审批
清洁中止：立即停止有问题的查询，而不会污染对话历史记录
心灵的平静：对自动化操作的完全可见性和控制

MCP提示

MCP Prompts提供可重用的、服务器定义的对话启动器和上下文模板。服务器可以显示带有描述、所需参数和预格式化消息的提示，帮助您快速开始特定类型的对话，或将结构化上下文注入聊天。

特性

📋 浏览提示：查看来自连接服务器的所有可用提示，包括描述和参数要求
⚡️ 快速调用：使用 /prompt_name 立即调用任何提示的语法
🔤 自动完成：类型 / 通过模糊匹配查看即时建议
📝 参数集合：交互式提示将引导您完成所需的参数
👁️ 预览：注射前检查提示内容，以确保其符合您的需求
🎯 灵活注射：选择立即执行或仅注入（添加到历史记录中而不触发模型）
🧠 上下文感知：根据提示是以用户消息还是助手消息结尾自动调整行为
🔄 安全回滚：如果中止或遇到错误，则自动清除历史记录
💬 文本内容：支持基于文本的提示消息（图像/音频/资源支持即将推出）

如何使用MCP提示

浏览可用提示：

prompts  # or 'pr'

这将显示按服务器分组的所有提示，显示其名称、必需参数和描述。

调用提示：

/prompt_name

例如，如果服务器提供“摘要”提示：

/summarize

自动完成：

类型 / 查看所有带有描述的可用提示
继续键入以使用模糊匹配过滤提示
使用箭头键导航，然后按Enter键选择

\[！提示\] 当您连接到MCP服务器时，会自动发现提示。如果服务器支持提示，它们将立即在 prompts 列表和自动完成。

工作流程：

类型 /prompt_name 或从自动补全中选择
如果提示需要参数，系统将提示您提供参数
查看显示将注射什么的提示预览
选择如何使用提示：

- 是/是 （默认）：向模型发送提示并获得响应 - 对于以结尾的提示 用户消息：将该消息用作查询 - 对于以结尾的提示 助手消息：添加“请根据上述上下文进行响应。”作为查询 - i/注射：只需将提示添加到对话历史记录中，而无需触发模型（允许您在之后键入自己的查询） - 无：取消并返回聊天

提示将根据您的选择注入
如果在模型生成过程中中止（按“a”），更改将自动回滚

例子： ollmcp prompt feature screenshot

\[！警告\] 内容类型限制：MCP提示当前支持 仅文本内容。以下内容类型尚不支持，将自动跳过： - 🖼️ 图像 -提示中的图像内容 - 🎵 音频 -提示中的音频内容 - 📦 资源 -嵌入式资源内容如果提示包含这些不受支持的类型，您将在预览期间看到警告，并且只会注入文本部分。在继续之前，请确保您的提示在没有多媒体内容的情况下仍然有意义。计划在未来的版本中提供全面的多媒体支持。

性能指标

Performance Metrics功能在每次查询后在带边框的面板中显示详细的模型性能数据。这些指标直接从Ollama的响应中显示持续时间、令牌计数和生成率。

显示的指标：

total duration：生成完整响应所花费的总时间（秒）
load duration：加载模型所花费的时间（毫秒）
prompt eval count：输入提示中的令牌数
prompt eval duration：评估输入提示所花费的时间（毫秒）
eval count：响应中生成的令牌数
eval duration：生成响应令牌所花费的时间（秒）
prompt eval rate：输入提示处理速度（令牌/秒）
eval rate：响应令牌生成速度（令牌/秒）

例子： ollmcp ollama performance metrics screenshot

性能指标配置

默认状态：默认情况下，为了获得更清晰的输出，指标被禁用
切换命令：使用 show-metrics 或 sm 启用/禁用指标显示
持久设置：指标首选项与您的配置一起保存

优点：

性能监控：跟踪模型效率和响应时间
令牌跟踪：监控实际令牌消耗以供分析
基准测试：比较不同型号的性能

\[！注意\] 数据源：所有指标都直接来自Ollama的回应，确保准确性和可靠性。

历史记录管理

历史记录管理功能允许您查看、导出和导入对话历史记录。这有助于：

📜 完整历史视图：回顾当前会话中的所有对话
💾 出口：将对话保存为JSON文件以供备份或分析
📥 导入：加载以前的对话历史记录，从您中断的地方继续
🔄 可移植性：在会话之间共享或转移对话

历史命令

查看完整历史记录：

full-history  # or 'fh'

以格式化视图显示当前会话的所有对话历史记录，显示查询和响应。

导出历史记录：

export-history  # or 'eh'

将您当前的聊天记录导出为JSON文件。您可以指定自定义文件名或使用默认的基于时间戳的名称（例如。， ollmcp_chat_history_2026-01-05_143022.json).文件保存到 ~/.config/ollmcp/history/ 目录。该命令包括文件覆盖保护。

导入历史记录：

import-history  # or 'ih'

从JSON文件导入以前导出的聊天历史记录。该命令验证JSON结构以确保兼容性。导入的历史记录将添加到您当前的对话上下文中。

历史存储：

出口地点： ~/.config/ollmcp/history/
默认文件名格式： ollmcp_chat_history_YYYY-MM-DD_HHMMSS.json
JSON格式包括具有适当结构验证的查询和响应

优点：

会话连续性：恢复不同会话之间的对话
备份：记录重要对话
分析：导出历史记录以供外部分析或审查
共享：与团队成员分享对话内容
测试：导入测试对话以进行开发和调试

\[！提示\] 导出时，如果不提供文件名，系统会自动生成一个带时间戳的文件名，以防止意外覆盖。

自动完成和提示功能

打字机外壳自动补全

CLI支持通过Typer对所有选项和参数进行shell自动补全
要启用，请运行 ollmcp --install-completion 并按照外壳的说明进行操作
享受所有分组和常规选项的标签完成

FZF风格自动补全

键入命令时进行模糊匹配
箭(▶)突出最佳匹配
菜单中显示的命令说明
不区分大小写匹配，方便使用
集中命令列表以保持一致性

MCP提示自动完成

类型 / 触发提示自动完成
提示名称和描述的模糊匹配
在菜单中显示提示参数和描述
终端宽度感知描述截断
箭(▶)突出最佳匹配

上下文提示

聊天提示现在为您提供清晰的上下文信息：

模型：显示当前使用的Olama模型
思维方式：指示“思维模式”是否处于活动状态（适用于支持的型号）
工具：显示已启用工具的数量

示例提示：

qwen3/show-thinking/12-tools❯

qwen3 型号名称
/show-thinking 思维模式指示器（如果启用，否则 /thinking 或省略）
/12-tools 启用的工具数量（或 /1-tool 单数）
❯ 提示符号

这使得在输入查询之前很容易看到您当前的上下文。

\[！提示\] 类型 / 在提示符号后，查看可用MCP提示的自动完成建议。

配置管理

\[！提示\] 它将自动从以下位置加载默认配置 ~/.config/ollmcp/config.json 如果它存在的话。

客户端支持在会话之间保存和加载工具配置：

使用时 save-config，您可以为配置提供名称或使用默认名称
配置存储在 ~/.config/ollmcp/ 目录
默认配置另存为 ~/.config/ollmcp/config.json
命名配置另存为 ~/.config/ollmcp/{name}.json

配置保存：

当前型号选择
高级模型参数（系统提示、温度、采样设置等）
所有工具的启用/禁用状态
上下文保留设置
思维模式设置
工具执行显示首选项
性能指标显示首选项
人机交互确认设置

服务器配置格式

JSON配置文件支持STDIO、SSE和Streamable HTTP服务器类型（MCP 1.10.1）：

{
  "mcpServers": {
    "stdio-server": {
      "command": "command-to-run",
      "args": ["arg1", "arg2", "..."],
      "env": {
        "ENV_VAR1": "value1",
        "ENV_VAR2": "value2"
      },
      "disabled": false
    },
    "sse-server": {
      "type": "sse",
      "url": "http://localhost:8000/sse",
      "headers": {
        "Authorization": "Bearer your-token-here"
      },
      "disabled": false
    },
    "http-server": {
      "type": "streamable_http",
      "url": "http://localhost:8000/mcp",
      "headers": {
        "X-API-Key": "your-api-key-here"
      },
      "disabled": false
    }
  }
}

\[！注意\] MCP 1.10.1运输支持：客户端现在支持最新的Streamable HTTP传输，性能和可靠性得到了提高。如果您指定了一个没有类型的URL，客户端将默认使用Streamable HTTP传输。

提示：MCP服务器配置的放置位置和工作示例

一个常见的混淆点是存储MCP服务器配置文件的位置以及如何使用TUI的保存/加载功能。以下是一个简短实用的指南，对其他用户有所帮助：

TUI的 save-config / load-config （或 sc / lc)命令旨在保存 *TUI偏好* 比如你启用了哪些工具、你选择的模型、思维模式和其他客户端设置。他们不需要向客户端注册MCP服务器连接。
对于MCP服务器JSON文件（ mcpServers 我们建议将它们保存在TUI配置目录之外或一个清晰的子文件夹中，例如：

~/.config/ollmcp/mcp-servers/config.json

然后，您可以指向 ollmcp 在启动时使用该文件 -j / --servers-json.

\[！重要\] 使用基于HTTP的MCP服务器时，请使用 streamable_http 类型（不仅 http).还要检查通用MCP端点路径下面是典型端点的部分。

这里有一个最小的工作示例，假设这是你的 ~/.config/ollmcp/mcp-servers/config.json:

{
  "mcpServers": {
    "github": {
      "type": "streamable_http",
      "url": "https://api.githubcopilot.com/mcp/",
      "headers": {
        "Authorization": "Bearer mytoken"
      }
    }
  }
}

\[！提示\] 使用GitHub MCP服务器时，请务必更换 "mytoken" 使用您的实际GitHub API令牌。

有了该文件，您可以使用以下方式进行连接：

ollmcp -j ~/.config/ollmcp/mcp-servers/config.json

在这里，您可以找到与此常见陷阱相关的GitHub问题：https://github.com/jonigl/mcp-client-for-ollama/issues/112#issuecomment-3446569030

演示

一个简短的演示（asciicast），应该可以帮助任何人快速复制工作设置。此示例使用具有流式HTTP协议的MCP服务器示例用法：

![asciicast](https://asciinema.org/a/751387)

通用MCP端点路径

流式HTTP MCP服务器通常在以下位置公开MCP端点 /mcp （例如。， https://host/mcp)，而SSE服务器通常使用 /sse （例如。， https://host/sse).以下是MCP规范（2025-06-18）的摘录：

服务器必须提供支持POST和GET方法的单个HTTP端点路径（以下称为MCP端点）。例如，这可能是一个类似的URLhttps://example.com/mcp.

您可以在 MCP规范版本2025-06-18-运输.

兼容型号

以下Olama型号在使用工具时表现良好：

qwen2.5
qwen3
骆驼3.1
骆驼3.2
密史脱拉风

有关具有工具使用功能的Olama型号的完整列表，请访问 Olama官方模特页面.

Ollama云模型

MCP Ollama客户端现在支持 Ollama Cloud模型，允许您在利用本地MCP工具的同时，使用具有工具调用功能的强大云托管模型。云模型可以在没有强大的本地GPU的情况下运行，从而可以访问不适合个人计算机的更大模型。

支持的Ollama Cloud型号包括：

gpt-oss:20b-cloud
gpt-oss:120b-cloud
deepseek-v3.1:671b-cloud
qwen3-coder:480b-cloud

要将Ollama Cloud模型用于此客户端，请执行以下操作：

首先，拉取云模型：

   ollama pull gpt-oss:120b-cloud

使用您选择的云模型运行客户端：

   ollmcp --model gpt-oss:120b-cloud

\[！注意\] 模型 deepseek-v3.1:671b-cloud 仅在思维模式关闭时支持使用工具。您可以在中切换思维模式 ollmcp 通过键入以下任一内容 thinking-mode 或 tm.

有关Ollama Cloud的更多信息，请访问 Ollama Cloud文档.

工具调用如何工作

客户将您的查询与可用工具列表一起发送给Ollama
如果Ollama决定使用工具，客户：

- 显示带有格式化参数和语法突出显示的工具执行 - 显示循环中人员确认提示（如果启用），允许您查看和批准工具调用 - 从模型响应中提取工具名称和参数 - 使用这些参数调用相应的MCP服务器（仅当批准或禁用HIL时） - 以结构化、易于阅读的格式显示工具响应 - 将工具结果发送回Ollama - 如果处于代理模式，如果模型请求更多的工具调用，则重复该过程

最后，客户：

- 显示包含工具结果的模型最终响应

代理模式

某些模型可能会在一次对话中请求多个工具调用。客户端支持 代理模式 这允许迭代工具执行：

当模型请求工具调用时，客户端执行它并将结果发送回模型
重复此过程，直到模型提供最终答案或达到配置的循环限制
您可以使用以下命令设置最大迭代次数 loop-limit (ll)命令
默认循环限制为 3 防止无限循环

\[！注意\] 如果要阻止使用代理模式，只需将循环限制设置为 1.

代理模式快速演示：

![asciicast](https://asciinema.org/a/476qpEamCX9TFQt4jNEXIgHxS)

我在哪里可以找到更多MCP服务器？

您可以在官方网站上浏览MCP服务器的集合 MCP服务器存储库.

此存储库包含模型上下文协议的参考实现、社区构建的服务器以及增强LLM工具功能的其他资源。

许可证

此项目根据MIT许可证获得许可-请参阅许可证文件以获取详细信息。

致谢

奥拉玛用于本地LLM运行时
模型上下文协议用于说明和示例
富有的用于终端用户界面
类型获得现代CLI体验
提示工具包用于交互式命令行界面
紫外线用于闪电般快速的Python包管理器和虚拟环境管理
蛔虫用于演示录制

______________________________________________________________________

制作❤️ 通过乔尼格尔

MCP Client For Ollama

快速接入

详细介绍

奥利玛MCP客户（ollmcp）

目录

概述

特性

需求

快速开始

用法

命令行参数

MCP服务器配置：

Ollama配置：

常规选项：

使用示例

交互式命令

工具和服务器选择

模型选择

高级模型配置

系统提示

关键参数

命令

示例配置

重新加载服务器以进行开发

人在循环（HIL）工具执行

HIL确认显示

HIL确认选项

人在环（HIL）配置

MCP提示

特性

如何使用MCP提示

性能指标

性能指标配置

历史记录管理

历史命令

自动完成和提示功能

打字机外壳自动补全

FZF风格自动补全

MCP提示自动完成

上下文提示

配置管理

服务器配置格式

提示：MCP服务器配置的放置位置和工作示例

演示

通用MCP端点路径

兼容型号

Ollama云模型

工具调用如何工作

代理模式

代理模式快速演示：

我在哪里可以找到更多MCP服务器？

相关项目

许可证

致谢

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP