Chainforge MCP

MCPAI代理

提供方 jacemElwaar1

AI代理 未标注 无需鉴权 社区 / 第三方

ChainForge是一个基于Flask、Redis和OpenAI的全栈MCP(模型上下文协议)系统,用于实现AI自动化工具调用、加密数据分析和报告生成。

一句话选型结论

按资料字段整理

Chainforge MCP 属于AI代理类 MCP 服务器,传输方式未标注,无需鉴权,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 9 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量9暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

AI自动化Python本地部署加密数据分析报告生成模型上下文协议Flask后端

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 9 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 9 个工具,职责相对集中,接入后不容易误操作。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Chainforge MCP当前 9 未标注 未标注 无 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方jacemElwaar1上游标注的维护方 jacemElwaar1
分类AI代理本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型未标注上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

10.3 KB
来自项目仓库与上游目录的原文,未做删改

太好了!✅ — 以下是 完整且抛光 README.md,每个部分——包括 安装、配置和使用(从第2点开始) --完全以正确的Markdown风格为GitHub编写。

它是一个干净、结构化的独立文档,可以放入您的存储库根目录。

__________```markdown

🧠 ChainForge — MCP Intelligent Automation Hub

A full-stack MCP (Model Context Protocol) system built with Flask, Redis, and OpenAI.






🚀 Overview

ChainForge is a modular AI automation backend designed to demonstrate the Model Context Protocol (MCP) — the same concept powering ChatGPT Apps, LangChain agents, and AI function calling.

This project connects a Flask backend (your MCP Server) with an AI-powered client that can:
- Automatically discover available tools
- Reason about user input using GPT models
- Dynamically call tools (functions)
- Generate real results such as crypto analytics, reports, and AI recommendations

It’s a complete training ground to understand how to bridge AI reasoning with backend automation.


🧠 What is MCP?

MCP (Model Context Protocol) is an open protocol that defines how AI models interact with tools and external systems.

In simple terms:
> 🧩 The server provides tools.
> 🤖 The AI model (client) uses them intelligently.

Your project implements this exact logic — creating a self-contained MCP ecosystem:
- Server: Flask app exposing standardized tools via /mcp/tools/list and /mcp/tools/call
- Client: AI agent powered by OpenAI GPT that decides which tool to call
- Execution: Tools that fetch live crypto data, generate reports, or return insights


⚙️ Architecture Overview


链锻炉/
├── 服务器/
│   ├── app.py← MCP服务器(Flask)
│   ├── db/← 数据库配置
│   ├── auth/← JWT身份验证
│   ├── 工具/← 模块化工具
│   │   ├── 加密货币/← CoinGecko API工具
│   │   ├── 报告/← 报告生成
│   │   ├── 人工智能← 基于人工智能的工具(推荐)
│   │   ├── 工作/← 后台任务(Redis RQ)
│   │   ├── hello.py等。
│   ├── worker.py← 用于异步作业的Redis worker
│   └── 需求.txt
│
└── 客户/
├── mcp_client.py← MCP服务器的HTTP客户端
├── 主客户端.py← AI推理客户端
└── .环境← OpenAI密钥````

---

## 🧰 Features

| Category | Tools | Description |
|-----------|--------|-------------|
| 🧩 **Core** | `hello`, `health_check` | Basic server checks |
| 👤 **Auth** | `register_user`, `list_users` | JWT-based user handling |
| 💰 **Crypto** | `get_crypto_price`, `get_market_trends`, `compare_portfolio` | Real crypto data (CoinGecko API) |
| 📊 **Reports** | `generate_report` | Export Excel/PDF reports |
| ⚙️ **Automation** | `schedule_job`, `check_job_status` | Run background jobs |
| 💡 **AI** | `generate_recommendations` | AI-powered portfolio insights |

---

## 🛠️ Installation & Setup

### 🧩 Step 1 — Clone the Repository
```bash
git clone https://github.com/your-username/chainforge.git
cd chainforge````

______________________________________________________________________

### 🧩 步骤2——创建虚拟环境

```bash
python -m venv venv
source venv/bin/activate   # macOS/Linux
venv\Scripts\activate      # Windows```

______________________________________________________________________

### 🧩 步骤3——安装依赖项

```bash
pip install -r server/requirements.txt```

这将安装:

- 烧瓶
- SQLAlchemy
- Redis+RQ
- ReportLab+OpenPyXL
- OpenAI SDK
- Dotenv。

______________________________________________________________________

### 🧩 步骤4——配置环境变量

创建 `.env` 服务器和客户端的文件。

#### **服务器/.env**

```bash
JWT_SECRET=dev-secret
DATABASE_URL=sqlite:///chainforge.db
REDIS_URL=redis://localhost:6379/0
OPENAI_API_KEY=your_openai_api_key_here```

#### **客户端/.env**

```bash
OPENAI_API_KEY=your_openai_api_key_here```

______________________________________________________________________

### 🧩 步骤5——初始化数据库

```bash
python
>>> from db.base import Base, engine
>>> import db.models
>>> Base.metadata.create_all(bind=engine)
>>> exit()```

______________________________________________________________________

### 🧩 第6步——启动Redis

如果Redis没有在本地安装,可以使用Docker:

```bash
docker run -d -p 6379:6379 redis```

______________________________________________________________________

### 🧩 步骤7——启动MCP服务器

```bash
python server/app.py```

预期产量:

✅ Loaded tool: hello
✅ Loaded tool: get_crypto_price
✅ Loaded tool: generate_report
MCP server running on http://127.0.0.1:8000```


🧩 步骤8-(可选)启动后台工作程序

如果你打算使用异步工具(例如。 schedule_job):

python server/worker.py```

______________________________________________________________________

### 🧩 步骤9——运行AI MCP客户端

```bash
python client/main_client.py```

预期产量:

Connected to MCP server!
Available tools: ['hello', 'get_crypto_price', 'compare_portfolio', 'generate_report', 'generate_recommendations']
🤖 MCP Agent Ready!```


💬 示例用法

客户端运行后,键入自然命令,如:


💰 示例1——获取加密货币价格

> What’s the current price of Bitcoin?
→ Using tool: get_crypto_price
💰 BTC price: 68000 USD```

______________________________________________________________________

### 💼 示例2——比较投资组合

> Compare my portfolio: 0.5 BTC and 1.2 ETH
→ Using tool: compare_portfolio
💼 Total Portfolio Value: $12,200```


📊 示例3——生成报告

> Generate a report of my portfolio in Excel
→ Using tool: generate_report
📄 Report generated successfully: portfolio_analysis_20251025.xlsx```

______________________________________________________________________

### 💡 示例4——获取人工智能建议

> Give me investment recommendations for my crypto portfolio
→ Using tool: generate_recommendations
💡 Recommendations:
1. Diversify holdings.
2. Increase ETH exposure.
3. Monitor BTC volatility.```


⚙️ 手动API调用(可选)

列出可用工具

curl http://127.0.0.1:8000/mcp/tools/list | jq```

### 执行工具

```bash
curl -X POST http://127.0.0.1:8000/mcp/tools/call \
-H "Content-Type: application/json" \
-d '{"name":"get_crypto_price","arguments":{"symbol":"bitcoin"}}' | jq```

答复:

```json
{
"result": {
"content": [
{"type":"text","text":"💰 BTC price: 68000 USD"}
],
"is_error": false
}
}```

______________________________________________________________________

## 🧩 运作原理

1. **MCP服务器** 通过以下方式公开所有可用工具 `/mcp/tools/list` 和 `/mcp/tools/call`.
1. **AI客户端** 获取工具列表。
1. **OpenAI模型** 解释用户输入并决定调用哪个工具。
1. **服务器** 执行该工具并返回结构化JSON。
1. **客户** 显示结果(如果需要,可以链接操作)。

______________________________________________________________________

## 🧱 技术栈概述

|层|技术|
| -------------------- | ------------------------------------------ |
| **服务器框架** |烧瓶|
| **数据库** |SQLAlchemy+SQLite|
| **异步作业** |Redis+RQ|
| **AI推理** |OpenAI GPT模型|
| **报告** |ReportLab+OpenPyXL|
| **客户端接口** |Python命令行界面(Rich+OpenAI)|
| **协议** |类似模型上下文协议(MCP)的JSON API|

______________________________________________________________________

## 🧠 扩展系统

您可以轻松添加新工具——只需在中创建一个新文件 `server/tools//`:

```python
name = "tool_name"
description = "What this tool does"
input_schema = { ... }

def handler(args):
# business logic
return {
"content": [{"type": "text", "text": "✅ Done successfully"}],
"is_error": False
}```

工具是 **自动注册** 启动时使用Flask应用程序——无需配置。

______________________________________________________________________

## 🧭 后续步骤

|特性|描述|
| ------------------------- | ------------------------------------------------------------------- |
| 🧩 **前端仪表板** |构建一个React/Next.js web界面来可视化和调用工具。    |
| ⚙️ **工具链** |允许AI客户端按顺序执行多个工具。         |
| ☁️ **S3集成** |将生成的文件存储在云存储(Scaleway或AWS)中。           |
| 🔒 **角色管理** |添加用户角色和身份验证范围(顾问、管理员等)。 |

______________________________________________________________________

## 🧑‍💻 作者

**ChainForge** --创建为完整 **动手项目** 掌握人工智能工具集成、后端自动化和模型上下文协议。

内置❤️ 由一位充满热情的开发人员 **人工智能系统工程**.

______________________________________________________________________

## 📜 许可证

**MIT许可证** --免费用于个人和商业用途。

______________________________________________________________________

## ✅ 快速小结

✅ Flask MCP服务器
✅ 加密货币+报告+人工智能工具
✅ Redis后台作业
✅ OpenAI驱动的MCP客户端
✅ 全端到端人工智能自动化

欢迎来到 **ChainForge** --您的个人实验室,用于构建智能人工智能系统的未来🚀


Would you like me to include a bonus setup.sh script at the end of the README (so users can install everything and run the full system with one command)? It’s perfect for new developers or quick deployment setups.

常见问题

5 问
答案由本站依据条目字段整理,不引用上游原文
Chainforge MCP 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Chainforge MCP 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Chainforge MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Chainforge MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Chainforge MCP 能提供哪些能力?

资料显示约 9 个工具;能力标签包括 AI自动化、报告生成、Python。具体工具清单以官方文档为准。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。