Ollama MCP服务器
🚀 Ollama和模型上下文协议(MCP)之间的强大桥梁,使Ollama的本地LLM功能能够无缝集成到您的MCP驱动的应用程序中。
🌟 特性
完成Ollama集成
- API全面覆盖:通过干净的MCP界面访问Olama的所有基本功能
- OpenAI兼容聊天:代替OpenAI的聊天完成API
- 本地LLM电源:在本地运行具有完全控制和隐私的AI模型
核心能力
- 🔄 模型管理
- 从注册表中提取模型 - 将模型推送到注册表 - 列出可用型号 - 从模型文件创建自定义模型 - 复制和删除模型
- 🤖 模型执行
- 使用可自定义的提示运行模型 - 具有系统/用户/助手角色的聊天完成API - 可配置参数(温度、超时) - 原始模式支持直接响应
- 🛠 服务器控件
- 启动并管理Ollama服务器 - 查看详细的模型信息 - 错误处理和超时管理
🚀 入门指南
先决条件
- 没有 安装在您的系统上
- Node.js和npm/pnpm
安装
- 安装依赖项:
pnpm install- 构建服务器:
pnpm run build配置
将服务器添加到MCP配置中:
对于Claude Desktop:
MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json 窗户: %APPDATA%/Claude/claude_desktop_config.json
{
"mcpServers": {
"ollama": {
"command": "node",
"args": ["/path/to/ollama-server/build/index.js"],
"env": {
"OLLAMA_HOST": "http://127.0.0.1:11434" // Optional: customize Ollama API endpoint
}
}
}
}🛠 使用示例
拉动并运行模型
// Pull a model
await mcp.use_mcp_tool({
server_name: "ollama",
tool_name: "pull",
arguments: {
name: "llama2"
}
});
// Run the model
await mcp.use_mcp_tool({
server_name: "ollama",
tool_name: "run",
arguments: {
name: "llama2",
prompt: "Explain quantum computing in simple terms"
}
});聊天完成(兼容OpenAI)
await mcp.use_mcp_tool({
server_name: "ollama",
tool_name: "chat_completion",
arguments: {
model: "llama2",
messages: [
{
role: "system",
content: "You are a helpful assistant."
},
{
role: "user",
content: "What is the meaning of life?"
}
],
temperature: 0.7
}
});创建自定义模型
await mcp.use_mcp_tool({
server_name: "ollama",
tool_name: "create",
arguments: {
name: "custom-model",
modelfile: "./path/to/Modelfile"
}
});🔧 高级配置
OLLAMA_HOST:配置自定义Ollama API端点(默认值:http://127.0.0.1:11434)- 模型执行的超时设置(默认值:60秒)
- 响应随机性温度控制(0-2范围)
🤝 贡献
欢迎投稿!请随意:
- 报告错误
- 建议新功能
- 提交拉取请求
📝 许可证
MIT许可证-您可以在自己的项目中自由使用!
______________________________________________________________________
内置于❤️ 对于MCP生态系统
