Major-Project

MCPAI代理

提供方 Om-Shree-0709

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

一个基于Model Context Protocol (MCP)的全栈AI代理系统,通过自然语言指令调用工具(如文件系统、浏览器、GitHub)并返回结构化结果,适用于开发效率提升。

一句话选型结论

按资料字段整理

Major-Project 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,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 1 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代理Python本地部署开发工具自然语言处理自动化上下文感知

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
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。
  • 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。
  • 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
Major-Project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Om-Shree-0709上游标注的维护方 Om-Shree-0709
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 · 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

6.1 KB
来自项目仓库与上游目录的原文,未做删改

主要项目:软件开发中上下文感知AI代理的统一MCP框架

该项目实施了一个全栈AI Agent系统,其灵感来自 模型上下文协议(MCP)它提供了一个统一的架构框架,其中AI编排器可以解释自然语言指令,识别要执行的适当工具(文件系统、浏览器、GitHub),安全调用该工具,并将结构化结果返回给前端聊天界面。该项目通过现代客户端-服务器架构展示了上下文感知AI代理的实际应用。

项目概述

架构:
该系统遵循客户端-服务器模型,由以下部分组成:

  1. A. React前端 负责用户交互、请求提交、状态显示和工具调用跟踪的可视化。
  2. A. FastAPI后端 充当AI编排器,负责路由请求、确定工具使用、执行操作和生成自然语言响应。

AI引擎:
后端使用 谷歌双子座 通过 google-generativeai 用于快速解释、意图分析、工具路由和摘要的SDK。

目标:
构建一个可扩展的代理框架,能够处理以开发人员为中心的任务,如文件操作、web研究和存储库检查,同时保持安全性、透明度和模块化。


技术栈

前端

  • 框架: React 19与Vite结合,实现快速开发和构建性能
  • 造型: 使用Inter字体系列自定义CSS
  • 图标: Lucide反应
  • 网络: REST API通信通过 fetch

后端

  • 框架: 快速API
  • 服务器运行程序: 乌维科恩
  • AI集成: 谷歌生成人工智能SDK
  • 浏览器自动化: 剧作家(异步)
  • GitHub集成: PyGithub
  • 安全: 文件系统沙盒限制对预定义目录的访问

项目结构```text

major-project/
├── backend/
│ ├── mcp_host_server.py # Main FastAPI application; AI Orchestrator logic
│ ├── mcp_core.py # Base interfaces for tools and tool execution
│ ├── filesystem_server.py # Restricted file operations inside a sandbox
│ ├── browser_server.py # Live web search and page extraction using Playwright
│ ├── github_server.py # GitHub repository access and file inspection
│ ├── mcp_sandbox/ # Secure directory for all file operations
│ └── requirements.txt # Python dependencies
│
├── frontend/
│ ├── src/
│ │ ├── App.jsx # Main chat and UI logic
│ │ └── App.css # Styling definitions
│ └── package.json # Node.js dependencies
└── README.md


______________________________________________________________________

## 设置和安装

### 1.先决条件

- Python 3.8或更高版本
- Node.js和npm
- Google Gemini API密钥
- GitHub个人访问令牌(可选,GitHub工具需要)

### 2.后端设置

导航到后端目录并配置Python环境:```bash
cd backend
python -m venv .venv

激活环境:```bash

Windows

.venv\Scripts\activate

macOS/Linux

source .venv/bin/activate


安装依赖项:```bash
pip install -r requirements.txt

安装Playwright浏览器二进制文件:```bash
playwright install chromium


#### 环境配置

创建一个 `.env` 文件内部 `backend/` 目录:```ini
GEMINI_API_KEY=your_google_gemini_api_key_here
GITHUB_PAT=your_github_personal_access_token_here

3.前端设置

导航到前端目录并安装所需的软件包:```bash
cd frontend
npm install


______________________________________________________________________

## 运行应用程序

前端和后端必须分别启动。

### 启动后端```bash
uvicorn mcp_host_server:app --reload

后端将在以下位置运行:```
http://127.0.0.1:8000


### 启动前端```bash
npm run dev

前端界面将在以下网址提供:http://localhost:5173


特性和功能

1.智能刀具选择

后端编排器使用Gemini来解释自然语言请求,确定是否需要调用工具,并决定哪个工具最适合该任务。
示例:

  • “总结此GitHub存储库。”→ GitHub工具
  • “搜索最新的云安全新闻。”→ 浏览器工具
  • “创建一个名为report.txt的文件,并在其中写入内容。”→ 文件系统工具

2.安全的文件系统操作

文件系统工具提供:

  • 正在读取文件
  • 写入文件
  • 列出目录

所有操作严格限于 mcp_sandbox/ 目录,以防止未经授权的系统访问。这种方法与MCP强调能力有限的工具执行是一致的。

3.网页浏览和搜索

浏览器工具使用Playwright来:

  • 执行谷歌风格的搜索查询
  • 访问实时网站
  • 从页面中提取可见文本内容
  • 向编排器返回结构化响应

这使得实时研究、信息收集或总结网站内容等任务成为可能。

4.GitHub存储库集成

使用PyGithub,GitHub工具可以:

  • 列出用户存储库
  • 获取文件内容
  • 检查存储库元数据

这支持开发人员工作流,如查看文档、检查代码或检索项目详细信息。

5.刀具轨迹可视化

前端显示:

  • 工具已调用
  • 后端返回的原始JSON有效负载
  • 人工智能生成的解释

这种透明度有助于用户了解代理的内部操作方式。它还反映了MCP兼容系统的工具调用跟踪行为。


故障排除指南

后端没有响应

如果前端显示“后端状态:脱机”,请确保:

  • FastAPI服务器正在运行
  • 终端中没有运行时错误
  • 环境变量配置正确

剧作家浏览器错误

如果浏览器工具失败:

  • 核实一下 playwright install chromium 被处决
  • 确保您的系统支持Playwright所需的依赖关系
  • 在Windows上,确认中的事件循环策略修复 mcp_host_server.py 是活跃的

Windows上的环境问题

该项目包括一个特定于Windows的事件循环配置,以确保Playwright的异步操作在平台上正确运行。

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
Major-Project 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。

Major-Project 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。

Major-Project 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。

Major-Project 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。

Major-Project 能提供哪些能力?

资料显示能力标签包括 AI代理、开发工具、Python、上下文感知、自然语言处理。具体工具清单以官方文档为准。

Major-Project 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。

Major-Project 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。