Community Release LLM MCP

MCPAI代理

提供方 xebialabs-community

AI代理 未标注 无需鉴权 社区 / 第三方

Digital.ai Release的AI任务集成,支持与LLM(如OpenAI和Gemini)交互,创建AI驱动的自动化工作流,适用于复杂任务处理和MCP工具调用。

一句话选型结论

按资料字段整理

Community Release LLM 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 未标注 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
工具数量未标注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本地部署工作流管理LLM集成MCP工具调用

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

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

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。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 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
Community Release LLM MCP当前 未标注 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xebialabs-community上游标注的维护方 xebialabs-community
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

4.5 KB
来自项目仓库与上游目录的原文,未做删改

Digital.AI发布的AI任务

在Release中创建AI驱动的自动化工作流程!

这种集成为Release提供了与OpenAI和Gemini等LLM交互以及与任何MCP交互的任务
服务器。

  • 使用MCP工具创建执行复杂任务的AI代理
  • 直接使用MCP调用服务,无需编写任何代码
  • 在发布工作流中嵌入AI提示
  • 与您选择的LLM开始互动聊天
  • 连接到Gemini和OpenAI兼容的提供商
  • 连接到任何MCP服务器
  • 为每个任务混合匹配MCP服务器和推理模型,以获得适合该任务的工具

任务

AI:代理人

创建一个可以使用MCP工具完成任务的AI代理。

AI:提示

连接到AI服务器并调用单个提示。支持Gemini和OpenAI兼容的LLM提供商。

AI:聊天

在任务的“活动”部分与LLM进行交互式聊天。

MCP:呼叫工具

连接到任何MCP服务器并调用其工具。没有LLM推理,只有直接的工具调用。

MCP:列表工具

列出MCP服务器上的可用工具

演示模板

此仓库附带了示例模板,显示了如何使用任务。

  1. MCP示例 --演示MCP工具任务,该任务允许您与第三方服务器交互,而无需
    编写一个集成插件。(不涉及法学硕士)。
  2. 提示示例 --使用不同的模型提供者(Gemini、OpenAI等)演示AI Prompt任务。
  3. MCP+提示示例 --演示如何结合MCP和Prompt任务来构建AI驱动的工作流。
  4. 代理示例 --演示将LLM提示与多个MCP服务器相结合的AI Agent任务。
  5. 交互式聊天示例 --演示交互式AI聊天任务。

请参阅 构建与运行 关于如何安装示例的部分。


构建与运行

本节介绍如何使用插件设置本地Release实例并上传示例模板。

先决条件

为了使用此工具为Release开发基于Python的容器任务,您需要安装以下内容
项目:

  • Python 3
  • 码头工人

配置您的 hosts 文件

添加以下内容 /etc/hosts 或 C:\Windows\System32\drivers\etc\hosts (sudo/管理员权限
必填):```
127.0.0.1 host.docker.internal
127.0.0.1 container-registry


## 启动开发环境

该项目附带了一个Docker环境,该环境设置了一个包含所有所需服务的本地Release实例。

使用此插件运行环境需要三个步骤:

1. 启动Release Docker环境
1. 构建并发布插件
1. 上传演示模板

在开发插件时,通常只需在更改代码后执行步骤2。插件的新版本
将被拾取,而无需重新启动服务器。

### 1.启动发布环境:

发布环境在中定义 `dev-environment/docker-compose.yaml`.

#### 停止

让Docker运行并启动以下环境:```commandline
docker compose -f dev-environment/docker-compose.yaml up -d --build

启动需要一段时间。您可以看到,当 digitalai-release-setup
容器已终止。

检查您是否可以使用登录 admin/admin 在http://localhost:5516.

停止

演示后,您可以使用以下命令停止环境:```commandline
docker compose -f dev-environment/docker-compose.yaml down


### 2.构建并发布插件

这 `build.sh` 脚本将构建插件容器,将其发布到本地注册表并安装到本地
释放实例。

运行构建脚本

**Unix/macOS**```commandline
sh build.sh --upload

视窗```commandline
build.bat --upload


### 3.安装示例模板

#### 设置凭据

示例模板附带了连接到各种MCP服务器和LLM提供商的示例。

将API密钥放入 setup/secrets.xlvals.

使用示例文件作为基础:```commandline
cp setup/secrets.xlvals.example setup/secrets.xlvals

然后编辑文件并添加密钥。

上传模板

运行以下命令将演示模板上传到本地Release实例:```commandline
./xlw apply -f setup/mcp-demo.yaml


模板将上传到新的 **AI演示** 文件夹。

______________________________________________________________________

## 演示时间!

1. 登录到http://localhost:5516使用admin/admin
1. 去 **AI演示** 文件夹
1. 去吧 **模板** 部分并运行示例

👉在Connections下添加您最喜欢的MCP服务器或LLM提供商,并构建自己的示例!

______________________________________________________________________

## 开发中

### 运行测试

测试是集成测试,需要API密钥才能运行。将API密钥放入 `.env` 项目根目录中的文件:```
GEMINI_API_KEY=
OPENAI_API_KEY=
DAI_LLM_API_KEY=

使用以下命令运行测试commandline

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
Community Release LLM 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。

Community Release LLM 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。

Community Release LLM 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。

Community Release LLM 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。

Community Release LLM MCP 能提供哪些能力?

资料显示能力标签包括 AI自动化、工作流管理、Python、AI代理、模型集成。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。