Universal MCP Chat

通用MCP聊天

MCP Architecture

_模型上下文协议（MCP）架构，展示了用户、应用程序代码、MCP客户端/服务器以及外部服务之间的交互流程_

概述

这个项目是（某个项目的）分支 模型上下文协议简介 由Anthropic开发的项目。原始项目是专门为Anthropic的Claude API设计的。这个分支已经过调整，以适应与 任何提供OpenAI兼容API的大型语言模型（LLM），使您能够使用自托管语言模型、OpenAI、Anthropic Claude或其他提供商，而不再局限于单一服务。

Universal MCP Chat 是一个命令行界面应用程序，它使用户能够与 AI 模型进行交互式聊天。该应用程序支持文档检索、基于命令的提示以及通过 MCP（模型控制协议）架构实现的可扩展工具集成。

前提条件

• Python 3.9+
• 访问一个具有OpenAI兼容API的自托管大型语言模型（如Ollama、vLLM、text-generation-webui等）

设置

步骤1：配置环境变量

1. 复制示例环境文件：

cp .env.example .env

1. 编辑 .env 为你的自托管大型语言模型（LLM）设置以下变量：

LLM_MODEL=your-model-name                    # Model name/identifier
LLM_API_KEY=your-api-key-here               # API key (may not be required for some setups)
LLM_BASE_URL=http://localhost:11434/v1      # Your LLM's OpenAI-compatible endpoint

通用的自托管大型语言模型配置

根据上面的信息，执行如下指令：

LLM_MODEL=llama2
LLM_API_KEY=any-value-or-empty
LLM_BASE_URL=http://localhost:11434/v1

vLLM服务器：

LLM_MODEL=your-model-name
LLM_API_KEY=your-api-key
LLM_BASE_URL=http://your-server:8000/v1

text-generation-webui 配备 OpenAI 扩展：

LLM_MODEL=your-model-name
LLM_API_KEY=any-value
LLM_BASE_URL=http://your-server:5000/v1

步骤2：安装依赖项

选项1：使用uv进行设置（推荐）

--- 是一个快速的Python包安装器和解析器。

1. 如果尚未安装，请安装 uv：

pip install uv

1. 创建并激活虚拟环境：

uv venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

1. 安装依赖项：

uv pip install -e .

1. 运行项目：

uv run main.py

选项2：无紫外线设置

1. 创建并激活虚拟环境：

python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate

1. 安装依赖项：

pip install openai python-dotenv prompt-toolkit "mcp[cli]==1.8.0"

1. 运行项目：

python main.py

重要提示

• 工具调用如果您的自托管大型语言模型（LLM）支持OpenAI工具/函数调用格式，该应用程序支持工具调用
• 模型兼容性确保您的大型语言模型（LLM）支持您所需的功能（工具调用、系统提示等）
• API 兼容性您的大型语言模型（LLM）端点必须与OpenAI兼容（大多数现代自托管解决方案都支持此功能）

用法

基本交互

只需输入您的信息并按回车键即可与模型聊天。

文档检索

在查询中使用@符号后跟文档ID来包含文档内容：

> Tell me about @deposition.md

命令

使用/前缀来执行MCP服务器中定义的命令：

> /summarize deposition.md

当你按下Tab键时，命令将自动完成。