Msty Admin MCP

MCPAI代理

提供方 DRVBSS

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

Msty Admin MCP是一个基于AI的Msty Studio桌面版管理协议服务器,通过自然语言对话实现数据库查询、配置管理、本地AI模型编排和分层AI工作流构建。

一句话选型结论

按资料字段整理

Msty Admin 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 Claude Desktop、Claude,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 5 仓库热度,无公开仓库时显示未标注
工具数 43 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43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

AI管理Python本地部署模型编排自然语言接口工作流自动化本地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
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 43 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 43 个工具,覆盖面较广,能满足多种调用。
  • 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 Claude Desktop、Claude,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。
  • 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 Claude Desktop、Claude 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
Msty Admin MCP当前 43 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DRVBSS上游标注的维护方 DRVBSS
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

21.9 KB
来自项目仓库与上游目录的原文,未做删改

Msty管理员MCP

Msty Studio桌面的人工智能管理2.4.0+

MCP(模型上下文协议)服务器,将Claude转换为智能系统管理员,用于 Msty工作室桌面.查询数据库、管理配置、编排本地AI模型和构建分层AI工作流程——所有这些都是通过自然对话完成的。

> v9.0.0版本 -配备155个工具的高级AI编排版本!新功能包括自主代理Swarms、智能自动路由器、级联执行、语义缓存、预测模型加载、A/B测试框架、成本智能仪表板和动态人物融合。


关于这个叉子

👋 嘿!我是Dmitri K DigitalKredit.

我拿起这个项目时,它已经 24工具 专为较旧的Msty Studio架构而设计,具有Msty 2.4.0+中不再存在的单独“Sidecar”服务。

我做了什么:

  • 🔧 重写代码库 适用于Msty 2.4.0+(服务现已内置于主应用程序中)
  • 🏗️ 重构 转换为干净的模块化架构(30+个模块)
  • 📈 扩展的 从24种工具到 155个功能齐全的工具
  • ✅ 增加了全面的测试 (250+次测试)
  • 🚀 构建了主要的新功能:AI代理集群、智能路由、级联执行、语义缓存、成本智能等

此分支已针对Msty Studio 2.4.0+进行了积极维护和测试。


v9.0.0的新增功能

高级AI编排-10个新阶段的42个新工具

阶段 工具 描述
第26阶段:智能自动路由器 4 零配置任务分类和模型路由
第27阶段:自主代理Swarm 5 生成并行工作的专业AI代理
第28阶段:背景代理人 7 持续监控代理(Code Sentinel、Doc Keeper)
第29阶段:语义响应缓存 5 基于嵌入的相似性缓存以节省成本
第30阶段:预测模型加载 3 模型预热使用模式分析
第31阶段:对话考古学 5 深度搜索、决策提取、时间线构建
第32阶段:A/B测试框架 5 模型比较实验与统计分析
第33阶段:级联执行 4 基于置信度的模型升级(快速→平衡的→有能力的→专家)
第34阶段:成本情报 7 令牌跟踪、预算警报、本地与云比较
第35阶段:人格融合 6 为复杂任务动态组合角色

新模块(v9.0.0)

模块 目的
smart_router.py 智能任务分类和模型路由
agent_swarm.py 具有并行执行的多代理编排
background_agents.py 具有警报的长期运行监控代理
semantic_cache.py 基于嵌入的响应缓存
predictive_loader.py 使用模式学习和预测
conversation_archaeology.py 深度对话搜索和分析
ab_testing.py A/B实验框架
cascade.py 有信心地执行分层模型
cost_intelligence.py 成本跟踪和优化
persona_fusion.py 动态角色组合
server_extensions_v3.py 扩展注册v3

主要特点

🤖 智能体集群 -Spawn专业代理(代码、研究、写作、分析)并行工作并综合结果:```
swarm_spawn "Build a comprehensive analysis of this codebase"


**🎯 级联执行** -从快速型号开始,只在需要时升级到功能强大的型号:```
cascade_smart "Complex reasoning task requiring detailed analysis"

💰 成本情报 -跟踪支出,比较本地与云,获取优化提示:```
cost_compare_local_cloud # Shows 95%+ savings using local models


**🔮 预测性加载** -了解您的使用模式和预热模式:```
predict_session_start  # "Based on history, you typically code at 9am"

v8.0.0中有什么

10个新阶段的36个新工具

阶段 工具 描述
第16阶段:影子人物 5 多视角会话分析
第17阶段:工作区 4 工作空间管理和数据隔离
第18阶段:实时网络 3 网络搜索、URL获取、YouTube转录
第19阶段:聊天管理 4 导出、克隆、分支、合并对话
第20阶段:文件夹组织 4 对话文件夹管理
第21阶段:PII清洗 3 13种PII模式,符合GDPR/HIPAA标准
第22阶段:嵌入可视化 4 文档聚类和相似性
第23阶段:健康仪表板 3 服务监控和警报
第24阶段:配置文件 4 保存/加载/比较配置
第25阶段:自动化维护 3 清理、优化、健康评分

新模块(v8.0.0)

模块 目的
shadow_personas.py 影子角色集成
workspaces.py 工作区管理
realtime_data.py Web/UTube集成
chat_management.py 聊天操作
folders.py 文件夹组织
pii_tools.py PII检测和清除
embeddings.py 嵌入可视化
dashboard.py 健康监测
profiles.py 配置文件
maintenance.py 自动化维护
server_extensions_v2.py 扩展注册v2

全面测试

  • 130+单元测试 涵盖所有模块
  • PII模式检测已验证
  • 余弦相似性数学检验
  • 维护干运行验证

v7.0.0中有什么

6个阶段的35个工具

阶段 工具 描述
第10阶段:知识库 5 RAG系统管理-列表、搜索、分析
第11阶段:模型管理 6 下载/删除模型,查找重复项,存储分析
第12阶段:克劳德↔本地桥梁 5 智能模型委托,多模型共识
第13阶段:旋转栅门工作流程 7 5个内置自动化模板,模拟运行执行
第14阶段:现场环境 5 用于提示的实时系统/日期时间/Msty上下文
第15阶段:对话分析 5 使用模式、内容分析、会话指标

增强型标签系统v2.0

  • 上下文长度感知: long_context (100K+), very_long_context (250K+), massive_context (500K+)
  • 量化检测: fp16, 8bit, 6bit, 5bit, 4bit, 3bit
  • 架构标签: moe, mlx, gguf
  • 新尺寸等级: massive (200B+参数)

Msty 2.4.0+服务支持

服务 端口 描述
本地AI服务 11964 Ollama-兼容API
MLX服务 11973 苹果硅优化型号
LLaMA.cpp服务 11454 GGUF型号支持
Vibe CLI代理 8317 所有人工智能服务的统一代理

这是什么?

Msty Admin MCP允许您通过Claude Desktop管理整个Msty Studio安装。与其点击菜单或手动编辑配置文件,不如问Claude:

> “向我展示我的Msty角色并提出改进建议”

> “在编码任务中比较我的本地模型”

> “我在所有服务中都有哪些可用的型号?”

> “对我最快的编码任务模型进行基准测试”

Claude负责其余的工作——查询数据库、调用API、分析结果和提供可操作的见解。


快速开始

先决条件

  • macOS (推荐苹果硅)
  • Python 3.10+
  • Msty Studio桌面2.4.0+ 安装
  • 克劳德桌面版 支持MCP

安装```bash

Clone the repository

git clone https://github.com/DBSS/msty-admin-mcp.git
cd msty-admin-mcp

Create virtual environment

python -m venv .venv
source .venv/bin/activate

Install dependencies

pip install -r requirements.txt


### Claude桌面配置

**重要**:Claude Desktop并不总是尊重 `cwd` 设置,因此我们使用shell脚本启动器。

1. 存储库包括 `run_msty_server.sh`。确保它是可执行的:```bash
chmod +x run_msty_server.sh
  1. 增添 ~/Library/Application Support/Claude/claude_desktop_config.json:```json
    {
    "mcpServers": {
    "msty-admin": {
    "command": "/absolute/path/to/msty-admin-mcp/run_msty_server.sh",
    "env": {
    "MSTY_TIMEOUT": "30"
    }
    }
    }
    }

1. **重新启动克劳德桌面** (Cmd+Q,然后重新打开)

1. 您应该在可用的工具中看到“msty-admin” **155工具** 加载。

______________________________________________________________________

## 可用工具(共155个)

### 第一阶段:安装和健康(7个工具)

|工具|说明|
|------|-------------|
| `detect_msty_installation` |查找Msty Studio,验证路径,检查运行状态|
| `read_msty_database` |查询对话、人物角色、提示、工具|
| `list_configured_tools` |查看MCP工具箱配置|
| `get_model_providers` |列出人工智能提供商和本地模型|
| `analyse_msty_health` |数据库完整性、存储、所有4种服务状态|
| `get_server_status` |MCP服务器信息和功能|
| `scan_database_locations` |在公共位置查找数据库文件|

### 第2阶段:配置管理(4个工具)

|工具|说明|
|------|-------------|
| `export_tool_config` |导出MCP配置以进行备份或同步|
| `import_tool_config` |验证并准备Msty导入工具|
| `generate_persona` |从模板创建人物角色(作品、程序员、作家、最小)|
| `sync_claude_preferences` |将Claude Desktop首选项转换为Msty角色|

### 第3阶段:本地模型集成(8个工具)

|工具|说明|
|------|-------------|
| `get_sidecar_status` |检查所有4个服务(本地AI、MLX、LLaMA.cpp、Vibe代理)|
| `list_available_models` |查询所有服务中的模型及其明细|
| `query_local_ai_service` |直接低级API访问|
| `chat_with_local_model` |发送具有自动指标跟踪功能的消息|
| `recommend_model` |按用例推荐硬件感知模型|
| `list_model_tags` |获取智能模型选择的可用标签|
| `find_model_by_tag` |查找与特定标签匹配的型号|
| `get_cache_stats` |查看响应缓存统计信息|
| `clear_cache` |清除缓存的响应|

### 第四阶段:情报与分析(5个工具)

|工具|说明|
|------|-------------|
| `get_model_performance_metrics` |令牌/秒、延迟、随时间变化的错误率|
| `analyse_conversation_patterns` |尊重隐私的使用分析|
| `compare_model_responses` |多个型号的提示相同,比较质量/速度|
| `optimise_knowledge_stacks` |分析并提出改进建议|
| `suggest_persona_improvements` |人工智能驱动的角色优化|

### 第5阶段:校准和工作流程(4个工具)

|工具|说明|
|------|-------------|
| `run_calibration_test` |使用质量评分跨类别测试模型|
| `evaluate_response_quality` |使用启发式评估对任何响应进行评分|
| `identify_handoff_triggers` |跟踪应升级到Claude的模式|
| `get_calibration_history` |历史结果与趋势和统计数据|

### 第6阶段:高级模型管理(4个工具)

|工具|说明|
|------|-------------|
| `get_model_details` |全面的模型信息(上下文长度、参数、标签、功能)|
| `benchmark_model` |不同上下文大小下的性能基准测试(令牌/秒)|
| `list_local_model_files` |列出磁盘上MLX和GGUF模型文件的大小|
| `estimate_model_requirements` |估计模型的内存/硬件要求|

### 第7阶段:对话管理(3个工具)

|工具|说明|
|------|-------------|
| `export_conversations` |以JSON、Markdown或CSV格式导出聊天记录|
| `search_conversations` |按关键字或标题搜索对话|
| `get_conversation_stats` |使用情况分析:每天的消息数、模型使用情况、会话长度|

### 第8阶段:提示模板和自动化(4个工具)

|工具|说明|
|------|-------------|
| `create_prompt_template` |使用创建可重用模板 `{{variable}}` 占位符|
| `list_prompt_templates` |列出所有模板,可选择按类别筛选|
| `run_prompt_template` |执行带有变量替换的模板|
| `smart_model_router` |自动为给定的任务描述选择最佳模型|

### 第9阶段:备份和系统管理(3个工具)

|工具|说明|
|------|-------------|
| `backup_configuration` |创建人物角色、提示、模板、工具的全面备份|
| `restore_configuration` |从备份文件还原配置|
| `get_system_resources` |与AI推理相关的CPU、内存和磁盘使用情况|

______________________________________________________________________

## 模型标记系统

Msty Admin MCP包括一个智能模型标记系统,该系统具有60多个特定于模型的覆盖功能,可实现精确的布线。

### 可用标签

|类别|标签|描述|
|----------|------|-------------|
| **尺寸** | `large`, `medium`, `small` |模型参数计数(70B+,13-34B,\<13B)|
| **速度** | `fast` |快速响应型号(Haiku、Flash、Mini等)|
| **能力** | `coding`, `reasoning`, `creative`, `vision`, `embedding` |专业能力|
| **上下文** | `long_context` |具有128K以上上下文窗口的模型|
| **质量** | `quality` |高质量输出模型|
| **将军** | `general` |通用型号|

### 按标签查找模型```
You: Find me a fast coding model

Claude: Using find_model_by_tag with tag="coding" and prefer_fast=true...

Found 3 fast coding models:
1. deepseek-coder-v2-lite (fast, coding, small)
2. codestral-mini (fast, coding, small)
3. starcoder2-3b (fast, coding, small)

智能模型路由器```

You: What's the best model for writing a poem?

Claude: Using smart_model_router with task="writing a poem"...

Recommended: claude-3-opus (tags: quality, creative, reasoning, large)
Reasoning: Creative writing tasks benefit from models with
the 'creative' tag and high quality output.


______________________________________________________________________

## 使用示例

### 检查服务状态```
You: What's the status of my Msty services?

Claude: All 4 services are running:
✅ Local AI Service (port 11964) - 2 models
✅ MLX Service (port 11973) - 11 models
✅ LLaMA.cpp Service (port 11454) - 10 models
✅ Vibe CLI Proxy (port 8317) - 36 models

Total: 59 models available

对模型进行基准测试```

You: Benchmark my fastest coding model

Claude: Running benchmark on deepseek-coder-v2-lite...

Results (3 runs each):
| Context | Tokens/sec | Latency |
|---------|------------|---------|
| 50 tokens | 42.3 t/s | 1.2s |
| 200 tokens | 38.7 t/s | 5.2s |
| 500 tokens | 35.1 t/s | 14.3s |

Average: 38.7 tokens/sec


### 导出对话```
You: Export my last week's conversations to markdown

Claude: Exported 23 conversations from the last 7 days.

File: conversations_2026-01-26.md
Format: Markdown with headers per conversation
Total messages: 156

创建提示模板````

You: Create a code review template

Claude: Created template "code-review":

Template: "Review this {{language}} code for {{focus}}:

{{language}} {{code}}

Provide specific suggestions."

Variables: language, focus, code
Category: coding
````


环境变量

使用以下环境变量自定义行为:

变量 默认值 描述
MSTY_SIDECAR_HOST 127.0.0.1 服务主机地址
MSTY_AI_PORT 11964 本地AI服务端口
MSTY_MLX_PORT 11973 MLX服务端口
MSTY_LLAMACPP_PORT 11454 LLaMA.cpp服务端口
MSTY_VIBE_PORT 8317 Vibe CLI代理端口
MSTY_TIMEOUT 10 API请求超时(秒)
MSTY_DATABASE_PATH (自动检测) 覆盖数据库路径

建筑```

┌─────────────────────────────────────────────────────────────┐
│ Claude Desktop │
│ │ │
│ MCP Protocol │
│ │ │
│ ┌──────────┴──────────┐ │
│ ▼ ▼ │
│ ┌─────────────────┐ ┌─────────────────┐ │
│ │ Msty Admin MCP │ │ Other MCPs │ │
│ │ (42 tools) │ │ │ │
│ └────────┬────────┘ └─────────────────┘ │
└───────────────┼─────────────────────────────────────────────┘
│
┌──────────┴──────────────────────────────┐
▼ ▼
┌──────────┐ ┌──────────────────┐
│ Msty │ │ Msty Studio │
│ Database │ │ 2.4.0+ App │
│ (SQLite) │ └────────┬─────────┘
└──────────┘ │
┌────────────────────┼────────────────────┐
▼ ▼ ▼
┌────────────┐ ┌────────────┐ ┌────────────┐
│ Local AI │ │ MLX │ │ LLaMA.cpp │
│ :11964 │ │ :11973 │ │ :11454 │
└────────────┘ └────────────┘ └────────────┘
│ │ │
└────────────────────┼────────────────────┘
▼
┌────────────┐
│ Vibe Proxy │
│ :8317 │
└────────────┘


______________________________________________________________________

## 项目结构```
msty-admin-mcp/
├── src/
│   ├── __init__.py         # Package exports
│   ├── constants.py        # Configuration constants
│   ├── models.py           # Data classes
│   ├── errors.py           # Standardized error handling
│   ├── paths.py            # Path resolution utilities
│   ├── database.py         # SQL operations (injection protected)
│   ├── network.py          # API request helpers
│   ├── cache.py            # Response caching
│   ├── tagging.py          # Model tagging system
│   ├── server.py           # Main MCP server (42 tools)
│   └── phase4_5_tools.py   # Metrics and calibration
├── tests/
│   ├── test_server.py      # Integration tests
│   ├── test_constants.py   # Constants tests
│   ├── test_paths.py       # Path utilities tests
│   ├── test_database.py    # Database tests (SQL injection)
│   ├── test_network.py     # Network tests
│   ├── test_cache.py       # Cache tests
│   └── test_tagging.py     # Tagging tests
├── docs/
│   ├── API.md              # API reference & error codes
│   └── DEVELOPMENT.md      # Development guide
├── run_msty_server.sh      # Shell script launcher (required!)
├── requirements.txt
├── pyproject.toml
├── CHANGELOG.md
├── LICENSE
└── README.md

文档

  • api参考 -错误代码、响应格式、工具参数
  • 开发指南 -贡献、测试、架构
  • 更新日志 -版本历史和迁移说明

故障排除

“ModuleNotFoundError:没有名为'src'的模块”

Claude Desktop未从正确的目录运行。确保您使用的是shell脚本启动器(run_msty_server.sh)而不是直接调用Python。

“没有本地AI服务正在运行”

  1. 打开Msty工作室
  2. 转到“设置”→ 本地AI/MLX/LLaMA.cpp
  3. 确保服务显示“正在运行”

Claude看不到msty管理工具

  1. 检查你的 claude_desktop_config.json 具有正确的绝对路径
  2. 确保 run_msty_server.sh 可执行(chmod +x)
  3. 完全重新启动克劳德桌面(Cmd+Q,然后重新打开)

只看到2个嵌入模型

显示的模型取决于哪个服务首先响应。使用 list_available_models 使用查看所有服务中的所有型号 by_service 故障。

找不到数据库

  1. 跑 detect_msty_installation 首先验证路径
  2. 使用 scan_database_locations 查找数据库文件
  3. 集 MSTY_DATABASE_PATH 环境变量(如果需要)

安全

看 docs/API.md文件 有关以下内容的详细信息:

  • SQL注入保护 -表满列表、参数化查询
  • API密钥处理 -钥匙从未被记录或归还
  • 网络安全 -所有对localhost的调用,可配置超时

贡献

欢迎投稿!拜托:

  1. 克隆该仓库
  2. 创建要素分支(git checkout -b feature/amazing-feature)
  3. 运行测试(pytest tests/ -v)
  4. 提交您的更改(git commit -m 'Add amazing feature')
  5. 推到分支(git push origin feature/amazing-feature)
  6. 打开拉取请求

看 docs/DEVELOPMENT.md 详细的贡献指南。


学分

  • 原作者: 菠萝 -创建了原始的msty管理员mcp
  • v5.0.0+分叉: DigitalKredit -Msty 2.4.0+兼容性,模块化架构

许可证

MIT许可证-请参阅 许可证 了解详情。


致谢

  • Msty工作室 -该MCP管理的优秀本地AI应用程序
  • Anthropic -对于Claude和MCP协议
  • 模型上下文协议 -使这成为可能的基础

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
Msty Admin MCP 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。

Msty Admin MCP 怎么在 Claude Desktop、Claude 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。

Msty Admin 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。

Msty Admin 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。

Msty Admin MCP 支持哪些客户端?

资料标注支持 Claude Desktop、Claude;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。

Msty Admin MCP 能提供哪些能力?

资料显示约 43 个工具;能力标签包括 本地AI、Python、Claude、工作流自动化。具体工具清单以官方文档为准。

Msty Admin MCP 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。

Msty Admin 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。