Панель управления микросервисами (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

Модель контекстного протокола (MCP)

Обзор

MCP — это модульная структура для управления, выполнения и мониторинга контекстов моделей ИИ, включая подсказки LLM, блокноты Jupyter и скрипты Python. Она предоставляет бэкэнд FastAPI и фронтэнд панели Streamlit.

Функции

Регистрация и управление различными типами MCP (подсказки LLM, блокноты, скрипты)
Выполнение MCP и просмотр результатов в веб-интерфейсе
Мониторинг работоспособности сервера и статистики
Расширяемость для новых типов MCP

Настраивать

Предпосылки

Питон 3.9+
(Рекомендуется) Создать и активировать виртуальную среду

Установить зависимости

pip install -r requirements.txt

Переменные среды

Установите MCP_API_KEY для аутентификации API (необязательно, предоставляются значения по умолчанию)
Для LLM установите ANTHROPIC_API_KEY , если используете Claude

Запустить бэкэнд

uvicorn mcp.api.main:app --reload

Запустить интерфейс

streamlit run mcp/ui/app.py

Использование

Доступ к панели управления по адресу http://localhost:8501
Создавайте, управляйте и тестируйте MCP из пользовательского интерфейса
Отслеживайте состояние и статистику на боковой панели

Добавление новых MCP

Реализовать новый класс MCP в mcp/core/
Зарегистрируйте его в бэкэнде
Добавить поддержку пользовательского интерфейса в mcp/ui/app.py

Проведение тестов

pytest

Структура проекта

mcp/api/ - FastAPI бэкэнд
mcp/ui/ - Streamlit-фронтэнд
mcp/core/ - Основные типы и логика MCP
tests/ - Тестовый набор

Лицензия

Массачусетский технологический институт

API-документация

После запуска сервера вы сможете получить доступ к:

Документация API: http://localhost:8000/docs
Метрики Prometheus: http://localhost:8000/metrics
Проверка работоспособности: http://localhost:8000/health
Статистика: http://localhost:8000/stats

Безопасность

Для всех конечных точек требуется аутентификация ключа API.
Ограничение скорости включено по умолчанию
CORS настроен на разрешение только определенных источников
Все конфиденциальные настройки управляются через переменные среды.

Мониторинг

Сервер включает в себя:

Метрики Prometheus для количества запросов, задержек и выполнения сервером
Структурированное ведение журнала JSON
Конечная точка проверки работоспособности
Конечная точка статистики сервера

Внося вклад

Форк репозитория
Создать ветку функций
Примите ваши изменения
Нажмите на ветку
Создать запрос на извлечение

Дополнительные зависимости для интеграции Notebook и LLM

Теперь для этого проекта требуются следующие дополнительные пакеты Python:

панды
нумпи
matplotlib
бумажная фабрика
nbformat
юпитер
антропный

Установите все зависимости с помощью:

pip install -r requirements.txt

Использование Notebook MCP для вызова LLM (Клод)

Пример блокнота ( mcp/notebooks/example.ipynb ) демонстрирует:

Анализ данных и построение графиков
Вызов Claude LLM через пакет anthropic Python

Чтобы использовать ячейку LLM, убедитесь, что вы установили ANTHROPIC_API_KEY в своей среде или файле .env .

Ячейка блокнота для LLM выглядит так:

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.

Модульная система для создания и оркестровки приложений ИИ с помощью микросервисов, включающая взаимодействия LLM, выполнение блокнотов Jupyter и возможности визуального рабочего процесса.

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)