Xiaozhi MCP

MCP运维云端

提供方 botwith

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

MCP (Model Context Protocol) 是一个允许服务器暴露工具供语言模型调用的协议,提供灵活的框架创建和管理MCP工具,支持多种传输类型(stdio、SSE、HTTP),实现AI模型与外部系统的无缝集成。

一句话选型结论

按资料字段整理

Xiaozhi MCP 属于运维云端类 MCP 服务器,stdio · 本地进程,Token,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Token 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

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扩展Python本地部署协议框架工具管理多传输支持模型集成

安装与配置

stdio · 本地进程 Token
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
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

  • 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Token对应的凭据,并按最小权限配置。
  • 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
Xiaozhi MCP当前 未标注 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botwith上游标注的维护方 botwith
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Token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

4.7 KB
来自项目仓库与上游目录的原文,未做删改

小智mcp

一个强大的界面,用于通过远程控制、计算、电子邮件操作、知识搜索等扩展人工智能功能。

关于

MCP(模型上下文协议)是一种允许服务器公开可由语言模型调用的工具的协议。该项目为创建和管理MCP工具提供了一个灵活的框架,支持多种传输类型(stdio、SSE、HTTP),并实现了AI模型和外部系统之间的无缝集成。

主要特点:

  • 🔌 AI与外部工具之间的双向通信
  • 🔄 指数回退自动重新连接
  • 📊 实时数据流
  • 🛠️ 易于使用的工具创建界面
  • 🔒 安全的WebSocket通信
  • ⚙️ 支持多种传输类型(stdio/sse/http)

如何安装

使用紫外线(推荐)

  1. 安装紫外线:```bash
    curl -LsSf https://astral.sh/uv/install.sh | sh

2. 安装依赖项:```bash
uv sync

使用pip

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

**要求:**

- Python 3.10+
- websockets>=16.0
- python dotenv>=1.2.1
- mcp>=1.25.0
- 媒染剂>=2.12.5
- mcp代理>=0.11.0
- fastmcp>=2.14.3
- httpx>=0.28.1
- 融资>=1.0
- Pyyaml>=6.0.3

## 如何跑步

### 运行所有已配置的服务器

从配置文件启动所有已启用的服务器:```bash
# Using uv
uv run python src/app.py

# Using pip
python src/app.py

运行单服务器脚本

直接运行特定的服务器脚本:```bash

Using uv

uv run python src/app.py src/mcp/tools/calculator.py

Using pip

python src/app.py src/mcp/tools/calculator.py


### 使用Docker运行

#### 使用Docker Compose(推荐)```bash
# Copy example docker-compose file
cp docker/docker-compose.example.yml docker-compose.yml

# Start the service (from project root)
docker-compose -f docker-compose.yml up -d

# View logs
docker-compose -f docker-compose.yml logs -f

# Stop the service
docker-compose -f docker-compose.yml down

# Rebuild after code changes
docker-compose -f docker-compose.yml build && docker-compose -f docker-compose.yml up -d

直接使用Docker```bash

Build the image (from project root)

docker build -f docker/Dockerfile -t xiaozhi-mcp .

Run the container

docker run -d --name xiaozhi-mcp \
-v $(pwd)/mcp_config.yaml:/app/mcp_config.yaml:ro \
xiaozhi-mcp


#### 构建和推送Docker镜像

**构建并推送到注册表:**```bash
# Build image with version tag (from project root)
docker build -f docker/Dockerfile -t xiaozhi-mcp:1.0.0 -t xiaozhi-mcp:latest .

# Tag for registry (replace with your registry address)
docker tag xiaozhi-mcp:latest //xiaozhi-mcp:latest
docker tag xiaozhi-mcp:1.0.0 //xiaozhi-mcp:1.0.0

# Push to registry
docker push //xiaozhi-mcp:latest
docker push //xiaozhi-mcp:1.0.0

示例-阿里云容器注册表:```bash

Example registry address format

REGISTRY=".cn-shanghai.personal.cr.aliyuncs.com"
NAMESPACE=""

Build and tag (from project root)

docker build -f docker/Dockerfile -t xiaozhi-mcp:1.0.0 -t xiaozhi-mcp:latest .
docker tag xiaozhi-mcp:latest ${REGISTRY}/${NAMESPACE}/xiaozhi-mcp:latest
docker tag xiaozhi-mcp:1.0.0 ${REGISTRY}/${NAMESPACE}/xiaozhi-mcp:1.0.0

Push

docker push ${REGISTRY}/${NAMESPACE}/xiaozhi-mcp:latest
docker push ${REGISTRY}/${NAMESPACE}/xiaozhi-mcp:1.0.0


**使用提供的脚本:**```bash
# Use the build-and-push.sh script (from project root)
# Script will automatically use docker/Dockerfile and docker/.env
./docker/build-and-push.sh 1.0.0

使用GitHub操作(推荐):
该项目包括一个GitHub Actions工作流,该工作流在将Docker镜像推送到主/开发分支或创建标签时自动构建和推送Docker镜像。在GitHub存储库设置中配置secrets。看 .github/workflows/README.md 了解详情。

有关更多Docker构建和推送选项,请参阅 docs/DOCKER_BUILD_PUSH.md.

有关更多Docker部署选项,请参阅 文档/部署.md.

配置

配置文件使用YAML格式:

  • mcp_config.yaml -主配置文件

配置结构

编辑 mcp_config.yaml 要配置MCP端点和服务器,请执行以下操作:```yaml
mcp:
endpoint: ws://your-endpoint-url/mcp
token: your-token-here # Optional

servers:
local-stdio-calculator:
enabled: true
type: stdio
command: python
args:
- src/mcp/tools/calculator.py
```

有关详细的配置示例,请参阅 docs/CONFIG.md.

配置加载优先级

  1. MCP_CONFIG 环境变量(如果设置,直接使用-向后兼容)
  2. mcp_config.yaml (默认配置文件)
  3. mcp_config.json (回退、向后兼容性)

多亏了

  • 感谢所有帮助塑造这个项目的贡献者
  • 受到对可扩展AI功能需求的启发
  • 基于MCP(模型上下文协议)规范构建

许可证

此项目根据MIT许可证获得许可-有关详细信息,请参阅许可证文件。

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
Xiaozhi 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。

Xiaozhi 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。

Xiaozhi 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。

Xiaozhi MCP 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

Xiaozhi MCP 能提供哪些能力?

资料显示能力标签包括 AI扩展、Python、工具管理。具体工具清单以官方文档为准。

Xiaozhi 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。

Xiaozhi 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。