Ollama MCP 服务器
🚀 Ollama 和模型上下文协议 (MCP) 之间的强大桥梁，可将 Ollama 的本地 LLM 功能无缝集成到由 MCP 驱动的应用程序中。
🌟 功能
完成 Ollama 集成
完整的 API 覆盖：通过简洁的 MCP 界面访问所有必要的 Ollama 功能
OpenAI 兼容聊天：OpenAI 聊天完成 API 的直接替代品
Local LLM Power ：在本地运行 AI 模型，并具有完全控制权和隐私
核心能力
🔄模型管理
从注册表中提取模型
将模型推送到注册表
列出可用模型
从模型文件创建自定义模型
复制和删除模型
🤖模型执行
使用可自定义的提示运行模型
具有系统/用户/助理角色的聊天完成 API
可配置参数（温度、超时）
原始模式支持直接响应
🛠服务器控制
启动和管理 Ollama 服务器
查看详细模型信息
错误处理和超时管理
Related MCP server: Ollama MCP Server
🚀 入门
先决条件
您的系统上已安装Ollama
Node.js 和 npm/pnpm
安装
安装依赖项：
pnpm install
构建服务器：
pnpm run build
配置
将服务器添加到您的 MCP 配置：
对于 Claude 桌面：
MacOS： ~/Library/Application Support/Claude/claude_desktop_config.json Windows： %APPDATA%/Claude/claude_desktop_config.json
{
"mcpServers": {
"ollama": {
"command": "node",
"args": ["/path/to/ollama-server/build/index.js"],
"env": {
"OLLAMA_HOST": "http://127.0.0.1:11434" // Optional: customize Ollama API endpoint
}
}
}
}
🛠 使用示例
拉取并运行模型
// Pull a model
await mcp.use_mcp_tool({
server_name: "ollama",
tool_name: "pull",
arguments: {
name: "llama2"
}
});
// Run the model
await mcp.use_mcp_tool({
server_name: "ollama",
tool_name: "run",
arguments: {
name: "llama2",
prompt: "Explain quantum computing in simple terms"
}
});
聊天完成（兼容 OpenAI）
await mcp.use_mcp_tool({
server_name: "ollama",
tool_name: "chat_completion",
arguments: {
model: "llama2",
messages: [
{
role: "system",
content: "You are a helpful assistant."
},
{
role: "user",
content: "What is the meaning of life?"
}
],
temperature: 0.7
}
});
创建自定义模型
await mcp.use_mcp_tool({
server_name: "ollama",
tool_name: "create",
arguments: {
name: "custom-model",
modelfile: "./path/to/Modelfile"
}
});
🔧 高级配置
OLLAMA_HOST：配置自定义 Ollama API 端点（默认值： http ://127.0.0.1:11434 ）模型执行的超时设置（默认值：60秒）
温度控制响应随机性（0-2范围）
🤝 贡献
欢迎贡献！请随意：
报告错误
建议新功能
提交拉取请求
📝 许可证
MIT 许可证 - 请随意在您自己的项目中使用！
用❤️为 MCP 生态系统打造