Luconezena MCP

MCP办公协作

提供方 luconezena

办公协作 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个基于FastAPI的服务,提供HTTP和SSE接口,用于平衡冰淇淋配方,并可与ChatGPT开发者模式集成。

一句话选型结论

按资料字段整理

Luconezena MCP 属于办公协作类 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。

分类办公协作 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 3 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

办公协作
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3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

FastAPIPython本地部署冰淇淋配方ChatGPT集成HTTP服务SSE服务

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; .\.venv\Scripts\Activate.ps1

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 3 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
日程与消息

查日程、发消息、约会议。

表单与审批

填表单、走审批流。

团队协作

同步任务、汇总进展。

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 3 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。
  • 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

  • 需要在办公协作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
Luconezena MCP当前 3 stdio · 本地进程 本地部署 有 2026-05-17
CowAgent 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Karakeep MCP 未标注 未标注 未标注 无 2026-05-17
agentscope 未标注 stdio · 本地进程 本地部署 有 2026-04-11
note-gen 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Everywhere 未标注 stdio · 本地进程 本地部署 有 2026-04-12

服务器档案

办公协作
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luconezena上游标注的维护方 luconezena
分类办公协作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

4.8 KB
来自项目仓库与上游目录的原文,未做删改

Il Gelato Artigianale Italiano (MCP)

Server FastAPI con trasporto Streamable HTTP e SSE compatibili con ChatGPT Developer Mode e UI web per bilanciamento ricette gelato.

Struttura

  • index.py: entrypoint per Vercel (esporta app)
  • gelato_mcp/server_http.py: FastAPI app (Streamable HTTP /mcp, SSE /sse, UI /ui, health /health)
  • gelato_mcp/web/: asset UI (HTML/CSS/JS)
  • requirements.txt: dipendenze Python per deploy
  • vercel.json: configurazione routing Vercel

Esecuzione locale```powershell

opzionale: crea venv

python -m venv .venv; ..venv\Scripts\Activate.ps1
pip install -r requirements.txt

avvio server (porta di default 8000)

python -m gelato_mcp.server_http --host 127.0.0.1 --port 8000

oppure script PowerShell

./gelato_mcp/start_server.ps1 -ListenHost 127.0.0.1 -Port 8000

prova

Start-Process http://127.0.0.1:8000/ui
Invoke-WebRequest http://127.0.0.1:8000/health | Select-Object -ExpandProperty StatusCode


## Deploy su Vercel
1. Assicurati che il repo GitHub sia collegato a Vercel
2. Importa il repository `luconezena/mcp_server_test-`
3. Build & deploy automatico con `@vercel/python` (usa `index.py`)
4. Verifica:
   - `GET /health` → 200
   - `GET /ui` → UI web
   - `GET /mcp/` → JSON informativo (per browser)

### Endpoint esposti

- Streamable HTTP (consigliato per ChatGPT): `/mcp/rpc`
- SSE (alternativo): `/sse` (lo stream annuncia l'endpoint POST `/sse/messages`)
- UI: `/ui`
- Health: `/health`

Se necessario, configura variabili d’ambiente su Vercel:
- `HOST` (default: 0.0.0.0)
- `PORT` (ignorato su Vercel; gestito dal runtime)
- `LOG_LEVEL` (info, debug)

## Integrazione con ChatGPT Developer Mode

Opzione A — Streamable HTTP (consigliato):
- In ChatGPT > Developer Tools > External Tools > Add > HTTP (Streamable)
- URL: `https://.vercel.app/mcp/rpc`

Opzione B — SSE:
- In ChatGPT > Developer Tools > External Tools > Add > SSE
- URL: `https://.vercel.app/sse`
   (il server invierà `event: endpoint` con `/sse/messages?session_id=...` per i POST)

Tool disponibili: `suggest_targets`, `balance_recipe`, `export_whatsapp`.

## Note
- UI localizzata, preset, formule realistiche (POD, PAC, ecc.)
# MCP Server Test

Server MCP minimale che implementa un tool `ping` che risponde con "pong: ".

Disponibile in due versioni:
- **`server.py`**: Versione STDIO per test locali e integrazione con MCP Inspector
- **`server_http.py`**: Versione HTTP/SSE per integrazione con ChatGPT Developer Mode

## Requisiti

- Python 3.11 o superiore
- pip

## Installazione e Avvio

### Quick Start - 3 comandi:

1. **Attiva l'ambiente virtuale** (se non già attivo):```powershell
.\venv\Scripts\Activate.ps1
  1. Installa le dipendenze:```powershell
    pip install -r requirements.txt

3. **Avvia il server**:```powershell
python server.py

Prima configurazione completa:

Se è la prima volta che configuri il progetto:

  1. Crea un ambiente virtuale (opzionale ma consigliato):```powershell
    python -m venv venv

2. **Attiva l'ambiente virtuale**:```powershell
.\venv\Scripts\Activate.ps1
  1. Installa le dipendenze:```powershell
    pip install -r requirements.txt

4. **Avvia il server**:```powershell
python server.py

Il server rimarrà in ascolto e comunicherà tramite standard input/output. Per fermarlo, premi Ctrl+C (verrà eseguito un graceful shutdown).

Avvio versione HTTP/SSE (per ChatGPT):

Per avviare il server HTTP/SSE su http://localhost:8000:

Opzione 1 - Script automatico (consigliato):```powershell
.\start_server.ps1


**Opzione 2 - Manuale:**```powershell
.\venv\Scripts\Activate.ps1
python server_http.py

Il server sarà accessibile su:
- Endpoint SSE: http://localhost:8000/sse
- Health check: http://localhost:8000/health
- Info: http://localhost:8000/

Test del server

Test versione STDIO:

Per testare la versione STDIO, puoi utilizzare l'MCP Inspector:```powershell
npx @modelcontextprotocol/inspector python server.py


### Test versione HTTP/SSE:

1. **Test con browser**: Apri `http://localhost:8000` per vedere le info del server

2. **Test con curl** (health check):```powershell
curl http://localhost:8000/health
  1. Integrazione con ChatGPT Developer Mode:
    - Avvia il server: python server_http.py
    - Vai su ChatGPT e attiva "Developer Mode"
    - Configura l'endpoint: http://localhost:8000/sse
    - ChatGPT potrà ora usare il tool ping!

Funzionalità

Tool disponibili:

  • ping: Accetta una stringa come parametro message e risponde con "pong: "

Esempio di utilizzo:

Quando il tool ping viene chiamato con:```json
{
"message": "ciao mondo"
}


Risponde con:```
pong: ciao mondo

Logging

Il server include logging basilare che mostra:
- Quando viene richiesta la lista dei tool
- Quando viene chiamato un tool
- I parametri ricevuti e la risposta generata

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
Luconezena MCP 怎么安装?

在客户端按下面的安装命令接入:python -m venv .venv; .\.venv\Scripts\Activate.ps1。装完在客户端配置里引用同一个包或端点。

Luconezena 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。

Luconezena 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。

Luconezena 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。

Luconezena MCP 能提供哪些能力?

资料显示约 3 个工具;能力标签包括 ChatGPT集成、Python、HTTP服务。具体工具清单以官方文档为准。

Luconezena 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。

Luconezena 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。