Koori AI MCP

MCPAI代理

提供方 Koori-ai

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方 VS Code
查看接入方式

MCP(模型上下文协议)情感分析演示,展示本地和远程AI模型的实现与集成。

一句话选型结论

按资料字段整理

Koori AI MCP 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 VS Code,有可直接执行的安装命令。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stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
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

支持客户端

适用场景

情感分析Python本地部署AI模型集成MCP协议本地AI远程AI

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install -r requirements.txt

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  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

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 VS Code,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 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。
  • 已经在用 VS Code 的用户,接入路径最短。
  • 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

  • 完全不想在本地装环境的人。
  • 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
Koori AI MCP当前 未标注 stdio · 本地进程 本地部署 有 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Koori-ai上游标注的维护方 Koori-ai
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
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
部署类型本地部署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

3.7 KB
来自项目仓库与上游目录的原文,未做删改

MCP (Model Context Protocol) Sentiment Analysis Demo

A comprehensive demonstration of MCP implementation with local and remote AI models for sentiment analysis.

🎯 Project Overview

This project demonstrates the implementation and integration of Model Context Protocol (MCP) in two different architectures:

  • Unit 1: Remote MCP server deployment on Hugging Face Spaces
  • Unit 2: Local AI integration using Continue + Ollama with MCP connectivity

🏗️ Architecture

Remote Setup (Unit 1)

  • MCP Server: Deployed on Hugging Face Spaces
  • Technology: Python + Gradio + TextBlob
  • Endpoint: https://reply2susi-mcp-e2e-app.hf.space
  • Features: TextBlob-based sentiment analysis with numerical scoring

Local Setup (Unit 2)

  • AI Models: Ollama (Llama 3.1 8B)
  • IDE Integration: Continue VS Code extension
  • Technology: Python + NLTK (VADER sentiment analysis)
  • Features: Private, offline sentiment analysis

📊 Test Results

Comparative Analysis

Text Input Local NLTK (VADER) Remote MCP (TextBlob) Agreement
"I love working with local AI models!" positive ✅ Positive (0.25) ✅ Yes
"This is amazing!" positive ✅ Positive (0.75) ✅ Yes
"I hate this product" negative ❌ Negative (-0.80) ✅ Yes

Result: 100% agreement between local and remote sentiment analysis systems.

🚀 Getting Started

Prerequisites

  • Python 3.8+
  • VS Code with Continue extension
  • Ollama installed locally
  • Git

Local Setup```bash

Clone the repository

git clone [your-repo-url]
cd mcp-demo

Install dependencies

pip install -r requirements.txt

Install Ollama models

ollama pull llama3.1:8b
ollama pull qwen2.5-coder:1.5b-base
ollama pull nomic-embed-text:latest

Install VS Code Continue extension

Copy continue-config/.continuerc.json to ~/.continue/config.json


### Running Local Tests```bash
cd local-ai
python test_sentiment.py

Testing Remote MCP Server

Visit: https://reply2susi-mcp-e2e-app.hf.space

📁 Project Structure```

mcp-demo/
├── README.md # Project documentation
├── requirements.txt # Python dependencies
├── local-ai/ # Local AI implementation
│ ├── test_sentiment.py # NLTK sentiment analysis
│ ├── main.py # Hello world example
│ └── sentiment_analysis.py # Continue-generated code
├── mcp-server/ # Remote MCP server code
│ ├── app.py # Gradio app (TextBlob)
│ └── requirements.txt # Server dependencies
├── continue-config/ # Continue IDE setup
│ └── .continuerc.json # Continue + MCP configuration
└── results/ # Test results and comparisons
└── comparison-results.md
```

🔧 Technologies Used

  • MCP: Model Context Protocol
  • Local AI: Ollama, Llama 3.1 8B, Continue
  • Remote AI: Hugging Face Spaces, TextBlob, Gradio
  • Languages: Python
  • Libraries: NLTK (VADER), TextBlob, Gradio
  • Tools: VS Code, Git

📈 Results Summary

  • ✅ Successfully deployed MCP server on Hugging Face
  • ✅ Integrated local AI models with Continue
  • ✅ Achieved 100% agreement between local and remote analysis
  • ✅ Demonstrated practical MCP use cases

🔗 Links

  • Live MCP Server: https://reply2susi-mcp-e2e-app.hf.space
  • Continue Extension: https://marketplace.visualstudio.com/items?itemName=Continue.continue
  • Ollama: https://ollama.ai

This project was completed as part of MCP learning curriculum, demonstrating practical implementation of Model Context Protocol in real-world scenarios.

常见问题

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

在客户端按下面的安装命令接入:pip install -r requirements.txt。装完在客户端配置里引用同一个包或端点。

Koori AI MCP 怎么在 VS Code 里配置?

它的传输方式是stdio · 本地进程,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,配置才会生效。

Koori AI 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。

Koori AI 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。

Koori AI MCP 支持哪些客户端?

资料标注支持 VS Code;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Koori AI MCP 能提供哪些能力?

资料显示能力标签包括 情感分析、本地AI、Python、VS Code。具体工具清单以官方文档为准。

Koori AI MCP 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Koori AI MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

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。