Local MCP Agent

MCP运维云端

提供方 BesmirQerosi

运维云端 stdio · 本地进程 会话登录 社区 / 第三方
查看接入方式

一个完全在本地运行的自主智能代理,结合本地大型语言模型(如Qwen 2.5)和多种实用工具(如网络搜索、股票市场、计算器等),用于解决复杂的多步骤任务。

一句话选型结论

按资料字段整理

Local MCP Agent 属于运维云端类 MCP 服务器,stdio · 本地进程,会话登录,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。

分类运维云端 传输方式stdio · 本地进程 鉴权会话登录 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 6 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

运维云端
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6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

本地AIPython本地部署智能代理多工具集成隐私保护多步骤推理

安装与配置

stdio · 本地进程 会话登录
客户端在本机拉起子进程,数据不出本机
python -m venv venv

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 Python,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

    连接成功后客户端会列出约 6 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
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

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 6 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。

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。
  • 使用前要准备好会话登录对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端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

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 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
Local MCP Agent当前 6 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
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BesmirQerosi上游标注的维护方 BesmirQerosi
分类运维云端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
鉴权方式会话登录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 · Python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

5.0 KB
来自项目仓库与上游目录的原文,未做删改

🤖 本地AI代理(MCP风格)

一个完全自主的智能代理,完全在您的本地机器上运行。此应用程序结合了本地LLM的强大功能(问题2.5 通过 奥拉玛)使用现实世界的工具(网络搜索、股票市场、计算器等)来解决复杂的多步骤任务。

该项目是使用现代 客户端服务器 架构(React+FastAPI),并包括一个安全的用户身份验证系统。


🚀 主要特点

  • 100%本地和私人:利用奥利玛获取情报。您的数据保留在您的计算机上(外部网络搜索除外)。

  • 智能工具:

  • 🌍 网络搜索: 获取最新消息和时事(DuckDuckGo)。

  • 💰 股票价格: 实时财务数据(雅虎财经)。

  • 🧮 计算器: 精确的数学运算(无LLM幻觉)。

  • 🌤️ 天气: 实时天气预报。

  • 📄 PDF摘要生成器: 上传、阅读和总结PDF文档。

  • 📝 笔记: 将重要信息保存到本地文件。

  • 多步推理: 代理可以执行一系列操作(例如,查找CEO->获取他们的出生年份->计算他们的年龄->保存到笔记中)。

  • 用户系统: 使用JWT(JSON Web令牌)实现安全登录/注册功能。

  • 现代UI: ChatGPT风格的界面(暗模式),对桌面和移动设备完全响应。


🛠️ 技术栈

后端(Python)

  • FastAPI: 高性能异步API框架。
  • LangGraph和LangChain: 用于代理编排和工具管理。
  • 奥拉马: 用于运行本地LLM(qwen2.5:3b)。
  • SQLite: 用户管理和聊天历史数据库。
  • Passlib和Jose: 为了安全起见(密码哈希和JWT)。

前端(JavaScript)

  • React+Vite: 用于快速和反应灵敏的用户界面。
  • Axios: 用于处理API请求和拦截器。
  • React路由器: 实现无缝导航。
  • Lucide反应: 追求干净、现代的肖像。

⚙️ 安装和设置

先决条件

  • 已安装Python 3.10+。
  • 已安装Node.js和npm。
  • 奥拉玛 安装并运行。

步骤1:设置AI模型

打开终端并拉动Qwen型号:```
ollama pull qwen2.5:3b


### 步骤2:后端设置

导航到项目根文件夹。```
# Create venv
python -m venv venv

# Activate (Windows)
venv\Scripts\activate

# Activate (Mac/Linux)
source venv/bin/activate

# Install dependencies
pip install fastapi uvicorn langchain langchain-ollama langgraph duckduckgo-search yfinance wikipedia pypdf passlib[bcrypt] python-jose[cryptography] python-multipart

启动后端服务器:```
uvicorn api:app --reload


服务器将在以下位置运行:http://127.0.0.1:8000

### 步骤3:前端设置

打开一个新终端并导航到客户端文件夹:```
cd client
Install Node dependencies:
code
Bash
npm install
Start the React application:
code
Bash
npm run dev

该应用程序将在以下网址访问:http://localhost:5173


📖 如何使用

  • 打开浏览器 并前往 http://localhost:5173.
  • 创建帐户: 您将看到登录页面;点击“注册”进行注册。
  • 开始聊天: 登录后,您将访问主聊天界面。
  • 尝试以下提示:
  • “搜索有关SpaceX的最新消息。” (使用网络搜索)
  • “苹果(AAPL)的股价是多少?” (使用库存工具)
  • “计算1550乘以4除以2。” (使用计算器)
  • “谁是特斯拉的首席执行官?他多大了?”
  • 分析文档: 点击 回形针图标 上传和总结PDF。

📂 项目结构```

PROJECT_ROOT/
├── agent_backend.py # Core Agent Logic, Tools, and Database functions
├── api.py # FastAPI Server (Routes, Auth, JWT, Prompts)
├── chat_history.db # SQLite Database (Auto-generated)
├── my_notes.txt # File for Agent notes
│
├── client/ # Frontend Folder (React)
│ ├── src/
│ │ ├── pages/ # Login & Register Pages
│ │ ├── api.js # Axios configuration & Interceptors
│ │ ├── App.jsx # Main Router
│ │ ├── ChatInterface.jsx # Chat UI Logic
│ │ └── index.css # Styling (CSS)
│ └── package.json
│
└── README.md # This file
```


🛡️ 安全

  • 密码散列: 密码通过以下方式安全散列 pbkdf2_sha256.
  • 身份验证: 通过以下方式保护通信 JWT公司 (JSON Web令牌)。
  • 数据隔离: 每个用户只能访问自己的私人聊天历史记录。

👤 作者

Besmir Qerosi

常见问题

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

在客户端按下面的安装命令接入:python -m venv venv。装完在客户端配置里引用同一个包或端点。

Local MCP Agent 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。

Local MCP Agent 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。

Local MCP Agent 需要 API Key 吗?

资料标注需要会话登录认证,使用前准备好对应凭据,并按最小权限配置。

Local MCP Agent 能提供哪些能力?

资料显示约 6 个工具;能力标签包括 本地AI、Python、隐私保护。具体工具清单以官方文档为准。

Local MCP Agent 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Local MCP Agent 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。