ProtoLinkAI MCP Server

ProtoLinkAI 🚀

ProtoLink AI es un marco estandarizado de herramientas que permite implementar y gestionar diversas herramientas de forma unificada. Está diseñado para ayudar a los desarrolladores a integrar y lanzar rápidamente casos de uso basados en herramientas.

Características principales

• 🔧 Envoltura estandarizada : proporciona una capa de abstracción para crear herramientas utilizando el protocolo MCP.
• 🚀 Casos de uso flexibles : agregue o elimine herramientas fácilmente para adaptarse a sus requisitos específicos.
• ✨ Herramientas listas para usar : incluye herramientas prediseñadas para escenarios comunes:
  • 🐦 Gestión de Twitter : automatiza la publicación de tweets, las respuestas y la gestión de las interacciones de Twitter.
  • 💸 Criptomonedas: Obtenga los últimos precios de criptomonedas.
  • 🤖 Integración con ElizaOS : conéctese e interactúe sin problemas con ElizaOS para una mejor automatización.
  • 🕑 Utilidades del tiempo
  • ☁️ Información meteorológica (API)
  • 📚 Búsquedas en el diccionario
  • 🧮 Calculadora para expresiones matemáticas
  • 💵 Cambio de divisas (API)
  • 📈 Datos bursátiles: acceda a información histórica y en tiempo real del mercado de valores.
  • [WIP] 📰 Noticias: Recupera los titulares de las noticias más recientes.

Pila tecnológica 🛠️

• Python : lenguaje de programación central
• Marco MCP : Protocolo de comunicación
• Docker : Contenerización

🤔 ¿Qué es MCP?

El Protocolo de Contexto de Modelo ( MCP ) es un estándar de vanguardia para compartir y gestionar el contexto entre modelos y sistemas de IA. Considérelo el lenguaje que utilizan los agentes de IA para interactuar fluidamente. 🧠✨

He aquí por qué es importante el MCP :

• 🧩 Estandarización : MCP define cómo se puede compartir el contexto entre los modelos, lo que permite la interoperabilidad .
• ⚡ Escalabilidad : está diseñado para manejar sistemas de IA a gran escala con alto rendimiento.
• 🔒 Seguridad : Autenticación robusta y control de acceso detallado.
• 🌐 Flexibilidad : funciona en diversos sistemas y arquitecturas de IA.

fuente

Instalación 📦

Instalar mediante PyPI

Uso 💻

Ejecutar localmente

Ejecutar en Docker

1. Construya la imagen de Docker: docker build -t ProtoLinkai .
2. Ejecute el contenedor: docker run -i --rm ProtoLinkai

Integración de Twitter 🐦

MProtoLinkAI ofrece una sólida integración con Twitter, lo que permite automatizar la publicación de tweets, las respuestas y la gestión de las interacciones en Twitter. Esta sección proporciona instrucciones detalladas sobre la configuración y el uso de la integración con Twitter, tanto mediante Docker como mediante .env + scripts/run_agent.sh .

Variables de entorno de Docker para la integración de Twitter

Al ejecutar ProtoLinkAI en Docker, es fundamental configurar las variables de entorno para la integración con Twitter. Estas variables se dividen en dos categorías:

1. Credenciales del cliente del nodo del agente

El cliente Node.js utiliza estas credenciales dentro del agente para administrar las interacciones de Twitter.

2. Credenciales de Tweepy (Twitter API v2)

Tweepy utiliza estas credenciales para interactuar con la API v2 de Twitter.

Ejecución de ProtoLinkAI con Docker

1. Construya la imagen de Docker:
   docker build -t ProtoLinkai .
2. Ejecute el contenedor:
   docker run -i --rm ProtoLinkai

Ejecución de ProtoLink con .env + scripts/run_agent.sh

Configuración de variables de entorno

Cree un archivo .env en el directorio raíz de su proyecto y agregue las siguientes variables de entorno:

Ejecución del agente

1. Hacer que el script sea ejecutable:
   chmod +x scripts/run_agent.sh
2. Ejecute el agente:
   bash scripts/run_agent.sh

Resumen

Puede configurar ProtoLink para que se ejecute con la integración de Twitter utilizando Docker o configurando variables de entorno en un archivo .env y ejecutando el script scripts/run_agent.sh .

Esta flexibilidad le permite elegir el método que mejor se adapte a su entorno de implementación.

Integración con ElizaOS 🤖

1. Utilice directamente los agentes Eliza de ProtoLink

Este enfoque permite usar los Agentes de Eliza sin ejecutar Eliza Framework en segundo plano. Simplifica la configuración al integrar la funcionalidad de Eliza directamente en ProtoLink.

Pasos:

1. Configurar ProtoLink para usar Eliza MCP Agent: En su código Python, agregue Eliza MCP Agent a MultiToolAgent :
   from ProtoLink.core.multi_tool_agent import MultiToolAgent from ProtoLink.tools.eliza_mcp_agent import eliza_mcp_agent multi_tool_agent = MultiToolAgent([ # ... other agents eliza_mcp_agent ])

Ventajas:

• Configuración simplificada: no es necesario administrar procesos en segundo plano separados.
• Supervisión más sencilla: todas las funcionalidades están encapsuladas dentro de MCPAgentAI.
• Característica destacada: enfatiza la flexibilidad de MCPAgentAI para integrar varias herramientas sin problemas.

2. Ejecute Eliza Framework desde ProtoLinkai

Este método implica ejecutar Eliza Framework como un proceso en segundo plano separado junto con ProtoLinkAI.

Pasos:

1. Iniciar Eliza Framework: bash src/ProtoLinkai/tools/eliza/scripts/run.sh
2. Monitorear procesos de Eliza: bash src/ProtoLinkai/tools/eliza/scripts/monitor.sh
3. Configurar MCPAgentAI para usar Eliza Agent: En su código Python, agregue Eliza Agent a MultiToolAgent :
   from ProtoLink.core.multi_tool_agent import MultiToolAgent from ProtoLink.tools.eliza_agent import eliza_agent multi_tool_agent = MultiToolAgent([ # ... other agents eliza_agent ])

Tutorial: Cómo seleccionar herramientas específicas

Puede configurar ProtoLink para que ejecute solo ciertas herramientas modificando la configuración del agente en su servidor o actualizando el archivo server.py para que cargue únicamente los agentes deseados. Por ejemplo:

Ejemplo de integración: Configuración de escritorio de Claude

Puede integrar ProtoLinkAI con Claude Desktop usando la siguiente configuración ( claude_desktop_config.json ), tenga en cuenta que el repositorio local de ElizaOS es un argumento opcional:

Desarrollo 🛠️

1. Clonar este repositorio:
   git clone https://github.com/StevenROyola/ProtoLink.git cd mcpagentai
2. (Opcional) Crear un entorno virtual:
   python3 -m venv .venv source .venv/bin/activate
3. Instalar dependencias:
   pip install -e .
4. Construya el paquete:
   python -m build

Licencia : MIT
¡Disfrutenlo! 🎉