Panel de control de microservicios (MCP)

Integrations

Enables configuration management through environment variables, allowing customization of the MCP server's behavior
Provides the API backend for the MCP server, allowing HTTP-based interactions with the system's microservices
Supports Jupyter notebook execution within the MCP environment, allowing notebook-based workflows for AI applications

Protocolo de Contexto Modelo (MCP)

Descripción general

MCP es un marco modular para gestionar, ejecutar y supervisar contextos de modelos de IA, incluyendo indicaciones LLM, cuadernos Jupyter y scripts de Python. Ofrece un backend FastAPI y un frontend de panel Streamlit.

Características

Registrar y administrar diferentes tipos de MCP (indicaciones LLM, cuadernos, scripts)
Ejecute MCP y vea los resultados en una interfaz web
Supervisar la salud y las estadísticas del servidor
Extensible para nuevos tipos de MCP

Configuración

Prerrequisitos

Python 3.9+
(Recomendado) Crear y activar un entorno virtual

Instalar dependencias

pip install -r requirements.txt

Variables de entorno

Establezca MCP_API_KEY para la autenticación de API (opcional, se proporcionan valores predeterminados)
Para LLM, configure ANTHROPIC_API_KEY si usa Claude

Iniciar el backend

uvicorn mcp.api.main:app --reload

Iniciar el frontend

streamlit run mcp/ui/app.py

Uso

Acceda al panel de control en http://localhost:8501
Cree, administre y pruebe MCP desde la interfaz de usuario
Monitorea la salud y las estadísticas desde la barra lateral

Agregar nuevos MCP

Implementar una nueva clase MCP en mcp/core/
Regístrelo en el backend
Añadir soporte de UI en mcp/ui/app.py

Ejecución de pruebas

pytest

Estructura del proyecto

mcp/api/ - Backend de FastAPI
mcp/ui/ - Interfaz de Streamlit
mcp/core/ - Tipos y lógica de MCP principales
tests/ - Conjunto de pruebas

Licencia

Instituto Tecnológico de Massachusetts (MIT)

Documentación de la API

Una vez que el servidor esté en funcionamiento, podrá acceder a:

Documentación de la API: http://localhost:8000/docs
Métricas de Prometheus: http://localhost:8000/metrics
Comprobación de estado: http://localhost:8000/health
Estadísticas: http://localhost:8000/stats

Seguridad

Se requiere autenticación de clave API para todos los puntos finales
La limitación de velocidad está habilitada de forma predeterminada
CORS está configurado para permitir solo orígenes específicos
Toda configuración sensible se gestiona a través de variables de entorno.

Escucha

El servidor incluye:

Métricas de Prometheus para recuentos de solicitudes, latencias y ejecuciones del servidor
Registro JSON estructurado
Punto final de verificación de estado
Punto final de estadísticas del servidor

Contribuyendo

Bifurcar el repositorio
Crear una rama de características
Confirme sus cambios
Empujar hacia la rama
Crear una solicitud de extracción

Dependencias adicionales para la integración de Notebook y LLM

Este proyecto ahora requiere los siguientes paquetes de Python adicionales:

pandas
Numpy
matplotlib
fábrica de papel
formato nb
Jupyter
antrópico

Instalar todas las dependencias con:

pip install -r requirements.txt

Uso del Notebook MCP para llamar a un LLM (Claude)

El cuaderno de ejemplo ( mcp/notebooks/example.ipynb ) demuestra:

Análisis y representación gráfica de datos
Llamada al Claude LLM a través del paquete anthropic de Python

Para utilizar la celda LLM, asegúrese de haber configurado ANTHROPIC_API_KEY en su entorno o archivo .env .

La celda del cuaderno para LLM se ve así:

import os
import anthropic

api_key = os.getenv('ANTHROPIC_API_KEY')
if not api_key:
    raise ValueError('ANTHROPIC_API_KEY not set in environment!')

client = anthropic.Anthropic(api_key=api_key)
response = client.messages.create(
    model='claude-3-sonnet-20240229',
    max_tokens=256,
    temperature=0.7,
    messages=[
        {'role': 'user', 'content': 'Tell me a joke about data science.'}
    ]
)
print('Claude says:', response.content[0].text)

This server cannot be installed

security - not tested

license - not found

quality - not tested

remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

Un sistema modular para crear y orquestar aplicaciones de IA a través de microservicios, con interacciones LLM, ejecución de cuaderno Jupyter y capacidades de flujo de trabajo visual.

Related MCP Servers

Crew AI MCP Server
MatthewLaw1
-
security
F
license
-
quality
Enables AI agent and task management using the CrewAI framework, allowing users to create and run agents and tasks in an automated workflow environment.
Last updated -
0
3
JavaScript
Slim MCP
webdevtodayjason
-
security
A
license
-
quality
A lightweight, modular API service that provides useful tools like weather, date/time, calculator, search, email, and task management through a RESTful interface, designed for integration with AI agents and automated workflows.
Last updated -
Python
MIT License
Modal MCP Server
smehmood
-
security
A
license
-
quality
An MCP server that enables AI agents to interact with Modal, allowing them to deploy apps and run functions in a serverless cloud environment.
Last updated -
Python
MIT License
MCP Crew AI Server
adam-paterson
-
security
F
license
-
quality
A lightweight Python-based server designed to run, manage and create CrewAI workflows using the Model Context Protocol for communicating with LLMs and tools like Claude Desktop or Cursor IDE.
Last updated -
1
Python

View all related MCP servers

Microservice Control Panel (MCP)