convez.ai
MCP ServerIntegração & APIsIntermediário
riverwithyou

MCPServer

riverwithyou/MCPServer

Framework MCP extensível com busca, vetores e terminal integrados

Ver no GitHub
InicialPluginScore · de 0 a 100

Framework modular para criar servidores MCP (Model Context Protocol) com Python. Inclui módulos prontos para busca, vetorização com ChromaDB, cálculos matemáticos e execução de comandos, permitindo expansão flexível via configuração YAML.

Instalação

$npx convez-ai riverwithyou/MCPServer

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
0
Forks
0
Acompanhando
0
Saúde
42%
Último commit
há 5 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Construir agentes Claude com capacidades de busca e recuperação de dados
  • Integrar modelos de embedding para busca semântica
  • Executar operações matemáticas e comandos do sistema via MCP
  • Estender funcionalidades customizadas sem modificar core

Veredito

Framework sólido e bem estruturado para quem quer construir servidores MCP em Python. Boa documentação de extensão, mas requer conhecimento prévio de MCP e Python 3.10+. A arquitetura modular via YAML é prática para casos comuns.

README

A tradução para o português deste README ainda está na fila.

MCPServer

基于 MCP(Model Context Protocol)的自定义服务框架,内置搜索、向量数据库、数学计算、终端控制等模块,可自由扩展开发。

功能

  • MCP 基础服务框架:工具注册、资源暴露、参数校验
  • 搜索引擎(Search)
  • 向量数据库:基于 ChromaDB 的存储与相似度检索(默认 CPU 推理,可切换 GPU)
  • 数学计算工具(Calc)
  • 终端命令执行工具(Terminal)
  • 灵活扩展:只需添加新模块并修改配置文件

环境要求

  • Python >= 3.10
  • 推荐 uv 或使用 pip

安装与部署

1. 克隆仓库

git clone https://github.com/riverwithyou/MCPServer.git
cd MCPServer
  1. 创建虚拟环境(以 conda 为例)
conda create -n MCPServer python=3.10 -y
conda activate MCPServer
  1. 安装 PyTorch(CPU 版)
# 使用 uv(推荐)
uv pip install torch --index-url https://download.pytorch.org/whl/cpu

# 或使用 pip
pip install torch --index-url https://download.pytorch.org/whl/cpu
  1. 安装项目依赖
# 使用 uv
uv pip install -r requirements.txt

# 或使用 pip
pip install -r requirements.txt
  1. 安装 Playwright 浏览器驱动(搜索模块需要)
playwright install
# Linux 用户如需系统依赖,可额外运行:playwright install-deps
  1. (可选)下载向量模型

向量数据库默认使用 Qwen3-Embedding-0.6B,需要自行下载并放置于 Models/ 目录(或修改配置中的模型路径)。 下载源:

· Hugging Face · ModelScope

启动服务

python main.py

配置说明

主配置文件位于 Config/tools.yaml,可控制每个工具的启用/停用及其他参数。

向量数据库默认禁用,如需使用请在配置中设置 enable: true。

开发扩展

新增 MCP 工具的步骤:

  1. 在 Tools/ 下新建一个模块目录,例如 MyTool/。
  2. 目录内必须包含三个文件: · MyTool.py (主程序,文件名与目录名相同) · register.py (注册入口,供框架调用) · Usage.yaml (定义工具的参数和说明)
  3. 在 Config/tools.yaml 中注册该模块(添加路径和启用状态)。
  4. 重启服务。

许可证

MIT License。详见 LICENSE 文件。

Copyright (c) 2026 riverwithyou

Ver o original no GitHub

Bom para

Relacionados