Token导航 LogoToken导航TokenDH.com
Office Supply MCP Server logo
AI代理stdio官方级别未说明来源级核验

Office Supply MCP Server

MCP Server

基于MCP服务器和NANDA注册表的办公用品库存查询服务,允许AI助手通过标准协议查询和获取办公用品信息。

工具数

2

提示词数

0

GitHub Stars

0

资源数

0
PythonAI助手集成AI代理

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。

作者 / 组织

izzyfondu

提供方

izzyfondu

最后核验

2026/5/17 20:23

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 venv venv

详细介绍

使用MCP服务器+NANDA注册表+NANDA主机客户端的办公用品库存NANDA服务

使用提供办公用品库存信息的模型上下文协议(MCP)服务器代码创建NANDA服务。该服务允许AI助手使用MCP标准查询和检索有关办公用品的信息。您将使用云托管服务器和基于网络的NANDA主机客户端。无需安装本地服务器。

您可以使用相同的框架为任何标准库存部署面向消费者的web应用程序。

概述

该项目使用MCP服务器代码实现了NANDA服务,该代码从CSV文件中提供办公室库存数据。它提供的工具允许AI助手:

  • 获取库存中所有可用物品的列表
  • 按名称检索特定项目的详细信息

先决条件

  • Python 3.9或更高版本
  • 中列出的依赖关系 requirements.txt

此存储库中的文件

  • officesupply.py:主服务器实现
  • inventory.csv:包含办公用品库存数据的CSV文件
  • build.sh:设置环境的脚本
  • run.sh:运行服务器的脚本
  • requirements.txt:Python依赖项列表

快速开始

本地设置

  1. 克隆此存储库:
   git clone https://github.com/aidecentralized/nanda-servers.git
   cd office-supplies-shop-server
  1. 选择以下环境设置选项之一:

选项A:使用Python venv

  1. 创建Python虚拟环境:
   python -m venv venv
  1. 激活虚拟环境:

- 在Linux/macOS上:

     source venv/bin/activate

- 在Windows上:

     venv\Scripts\activate
  1. 安装依赖项:
   pip install -r requirements.txt

选项B:使用Conda

  1. 创建一个新的conda环境:
   conda create --name inventory_env python=3.11
  1. 激活conda环境:
   conda activate inventory_env
  1. 安装依赖项:
   pip install -r requirements.txt

在本地运行服务器进行测试

使用上述任一选项设置环境后:

  1. 运行服务器:
   python officesupply.py
  1. 服务器将在以下位置可用:http://localhost:8080

MCP检验员测试

  1. 安装MCP检查器:
   npx @modelcontextprotocol/inspector
  1. 在浏览器中打开检查员提供的URL
  1. 使用SSE传输类型连接
  1. 输入您的服务器URL /sse 最后(例如。, http://localhost:8080/sse)
  1. 测试可用工具:

- get_items:列出库存中的所有项目名称 - get_item_info:检索特定项目的详细信息

CSV数据格式

服务器需要一个 inventory.csv 至少包含以下列的文件:

  • item_name:库存项目的名称

返回的项目详细信息中将包含其他列 get_item_info.

在此权限内,您可以根据需要编辑CSV文件,MCP服务器也应适用于您的CSV文件。

部署

为云部署做准备

  1. 确保您的存储库包括:

- 所有代码文件 - requirements.txt - build.shrun.sh 脚本

  1. 设置shell脚本的可执行权限:
   chmod +x build.sh run.sh

对于Windows,运行

   wsl chmod +x build.sh run.sh

创建AWS帐户

1.

部署到AWS AppRunner

  1. 创建AWS帐户
  1. 添加您的信用卡进行计费
  1. 转到AWS AppRunner(https://console.aws.amazon.com/apprunner)
  1. 登录(如果您尚未登录)
  1. 进入App Runner仪表板后,您将在页面右上角附近看到一个蓝色的“创建服务”按钮。点击那个。
  1. 从源代码存储库创建新服务
  1. 配置服务:

- Python 3.11运行时 - 构建命令: ./build.sh - 运行命令: ./run.sh - 端口:8080

  1. 部署并等待完成
  1. 使用MCP检查器测试公共端点

在NANDA注册中心注册

  1. 首选 NANDA注册
  2. 登录或创建帐户
  3. 点击“注册新服务器”
  4. 填写详细信息:

- 服务器名称 - 描述 - 公共端点URL(无 /sse) - 标签和类别

  1. 注册您的服务器

在基于浏览器的客户端NANDA主机中的使用

  1. 访问 南达·米特.edu
  2. 转到NANDA主机
  3. 添加您的Anthropic API密钥
  4. 在注册表中查找您的MCP服务器
  5. 将其添加到您的主机
  6. 通过询问使用服务器功能的问题进行测试

故障排除

  • 确保CSV文件格式正确
  • 部署前在本地测试服务器
  • 在注册之前,请使用MCP Inspector验证您的公共端点是否正常工作
  • 如果部署失败,请检查AWS上的日志

额外资源

查看此视频教程,了解设置和使用MCP服务器的演练: ![MCP Server Tutorial](https://www.youtube.com/watch?v=i7GPR8LnAWg)

致谢

基于 NANDA服务器 存储库。 关注南达项目 https://nanda.mit.edu

目录标签

目录标签

PythonAI助手集成AI代理办公用品管理本地部署库存查询MCP协议NANDA服务

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)

2

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

继续浏览同类 MCP