MCP-Toolbox

mcp-toolbox

Ein umfassendes Toolkit zur Erweiterung der LLM-Funktionen durch das Model Context Protocol (MCP). Dieses Paket bietet eine Sammlung von Tools, die LLMs die Interaktion mit externen Diensten und APIs ermöglichen und so ihre Funktionalität über die Textgenerierung hinaus erweitern.

GitHub-Repository : https://github.com/ai-zerolab/mcp-toolbox/
(In Arbeit) Dokumentation : https://ai-zerolab.github.io/mcp-toolbox/

Merkmale

*nix ist unser Hauptziel, aber Windows sollte auch funktionieren.

Befehlszeilenausführung : Führen Sie beliebige Befehlszeilenanweisungen über LLM aus
Figma-Integration : Zugriff auf Figma-Dateien, -Komponenten, -Stile und mehr
Erweiterbare Architektur : Einfaches Hinzufügen neuer API-Integrationen
MCP-Protokollunterstützung : Kompatibel mit Claude Desktop und anderen MCP-fähigen LLMs
Umfassende Tests : Gut getestete Codebasis mit hoher Testabdeckung

Installation

Verwendung von UV (empfohlen)

Wir empfehlen die Verwendung von UV zur Verwaltung Ihrer Umgebung.

# Install uv
curl -LsSf https://astral.sh/uv/install.sh | sh  # For macOS/Linux
# or
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"  # For Windows

Anschließend können Sie uvx "mcp-toolbox@latest" stdio als Befehle verwenden, um den MCP-Server für die neueste Version auszuführen. Audio- und Speichertools sind nicht in der Standardinstallation enthalten. Sie können sie durch die Installation all zusätzlichen Tools einbinden:

[audio] für Audio-Tools, [memory] für Memory-Tools, [all] für alle Tools

uvx "mcp-toolbox[all]@latest" stdio

Installation über Smithery

So installieren Sie Toolbox for LLM Enhancement für Claude Desktop automatisch über Smithery :

npx -y @smithery/cli install @ai-zerolab/mcp-toolbox --client claude

Verwenden von pip

pip install "mcp-toolbox[all]"

Und Sie können mcp-toolbox stdio als Befehle zum Ausführen des MCP-Servers verwenden.

Konfiguration

Umgebungsvariablen

Die folgenden Umgebungsvariablen können konfiguriert werden:

FIGMA_API_KEY : API-Schlüssel für die Figma-Integration
TAVILY_API_KEY : API-Schlüssel für die Tavily-Integration
DUCKDUCKGO_API_KEY : API-Schlüssel für die DuckDuckGo-Integration
BFL_API_KEY : API-Schlüssel für die Flux-Bildgenerierungs-API

Speicher

Speichertools speichern Daten an den folgenden Orten:

macOS : ~/Documents/zerolab/mcp-toolbox/memory (synchronisiert geräteübergreifend über iCloud)
Andere Plattformen : ~/.zerolab/mcp-toolbox/memory

Vollständige Konfiguration

Um mcp-toolbox mit Claude Desktop/Cline/Cursor/... zu verwenden, fügen Sie Ihrer Konfigurationsdatei Folgendes hinzu:

{
  "mcpServers": {
    "zerolab-toolbox": {
      "command": "uvx",
      "args": ["--prerelease=allow", "mcp-toolbox@latest", "stdio"],
      "env": {
        "FIGMA_API_KEY": "your-figma-api-key",
        "TAVILY_API_KEY": "your-tavily-api-key",
        "DUCKDUCKGO_API_KEY": "your-duckduckgo-api-key",
        "BFL_API_KEY": "your-bfl-api-key"
      }
    }
  }
}

Für alle Funktionen:

{
  "mcpServers": {
    "zerolab-toolbox": {
      "command": "uvx",
      "args": [
        "--prerelease=allow",
        "--python=3.12",
        "mcp-toolbox[all]@latest",
        "stdio"
      ],
      "env": {
        "FIGMA_API_KEY": "your-figma-api-key",
        "TAVILY_API_KEY": "your-tavily-api-key",
        "DUCKDUCKGO_API_KEY": "your-duckduckgo-api-key",
        "BFL_API_KEY": "your-bfl-api-key"
      }
    }
  }
}

Sie können eine Debug-Konfigurationsvorlage generieren mit:

uv run generate_config_template.py

Verfügbare Tools

Befehlszeilentools

Werkzeug	Beschreibung
`execute_command`	Führen Sie eine Befehlszeilenanweisung aus

Tools für Dateioperationen

Werkzeug	Beschreibung
`read_file_content`	Lesen von Inhalten aus einer Datei
`write_file_content`	Inhalt in eine Datei schreiben
`replace_in_file`	Ersetzen Sie Inhalte in einer Datei durch reguläre Ausdrücke
`list_directory`	Verzeichnisinhalte mit detaillierten Informationen auflisten

Figma-Tools

Werkzeug	Beschreibung
`figma_get_file`	Holen Sie sich eine Figma-Datei per Schlüssel
`figma_get_file_nodes`	Holen Sie sich bestimmte Knoten aus einer Figma-Datei
`figma_get_image`	Holen Sie sich Bilder für Knoten in einer Figma-Datei
`figma_get_image_fills`	Holen Sie sich URLs für Bilder, die in einer Figma-Datei verwendet werden
`figma_get_comments`	Kommentare zu einer Figma-Datei abrufen
`figma_post_comment`	Einen Kommentar zu einer Figma-Datei posten
`figma_delete_comment`	Löschen eines Kommentars aus einer Figma-Datei
`figma_get_team_projects`	Projekte für ein Team abrufen
`figma_get_project_files`	Abrufen von Dateien für ein Projekt
`figma_get_team_components`	Abrufen von Komponenten für ein Team
`figma_get_file_components`	Komponenten aus einer Datei abrufen
`figma_get_component`	Abrufen einer Komponente per Schlüssel
`figma_get_team_component_sets`	Abrufen von Komponentensätzen für ein Team
`figma_get_team_styles`	Stile für ein Team abrufen
`figma_get_file_styles`	Abrufen von Stilen aus einer Datei
`figma_get_style`	Holen Sie sich einen Stil nach Schlüssel

XiaoyuZhouFM-Tools

Werkzeug	Beschreibung
`xiaoyuzhoufm_download`	Laden Sie eine Podcast-Episode von XiaoyuZhouFM mit optionaler automatischer Konvertierung von M4A in MP3 herunter

Audio-Tools

Werkzeug	Beschreibung
`get_audio_length`	Ermitteln Sie die Länge einer Audiodatei in Sekunden
`get_audio_text`	Erhalten Sie transkribierten Text aus einem bestimmten Zeitbereich in einer Audiodatei

Speichertools

Werkzeug	Beschreibung
`think`	Verwenden Sie das Tool, um über etwas nachzudenken und den Gedanken dem Protokoll hinzuzufügen
`get_session_id`	Holen Sie sich die aktuelle Sitzungs-ID
`remember`	Speichern Sie eine Erinnerung (Kurzfassung und Details) in der Erinnerungsdatenbank
`recall`	Mit der semantischen Suche Erinnerungen aus der Datenbank abfragen
`forget`	Alle Erinnerungen in der Speicherdatenbank löschen

Markitdown-Tools

Werkzeug	Beschreibung
`convert_file_to_markdown`	Konvertieren Sie jede Datei mit MarkItDown in Markdown
`convert_url_to_markdown`	Konvertieren Sie eine URL mit MarkItDown in Markdown

Webtools

Werkzeug	Beschreibung
`get_html`	Abrufen von HTML-Inhalten von einer URL
`save_html`	HTML von einer URL in einer Datei speichern
`search_with_tavily`	Durchsuchen Sie das Internet mit Tavily (erfordert API-Schlüssel)
`search_with_duckduckgo`	Durchsuchen Sie das Web mit DuckDuckGo (erfordert API-Schlüssel)

Werkzeuge zur Flux-Bildgenerierung

Werkzeug	Beschreibung
`flux_generate_image`	Generieren Sie ein Bild mit der Flux-API und speichern Sie es in einer Datei

Anwendungsbeispiele

Ausführen des MCP-Servers

# Run with stdio transport (default)
mcp-toolbox stdio

# Run with SSE transport
mcp-toolbox sse --host localhost --port 9871

Verwendung mit Claude Desktop

Konfigurieren Sie Claude Desktop wie im Abschnitt „Konfiguration“ gezeigt
Starten Sie Claude Desktop
Bitten Sie Claude, mit Figma-Dateien zu interagieren:
- „Können Sie Informationen zu dieser Figma-Datei erhalten: 12345abcde?“
- „Zeigen Sie mir die Komponenten in dieser Figma-Datei: 12345abcde“
- „Holen Sie sich die Kommentare aus dieser Figma-Datei: 12345abcde“
Bitten Sie Claude, Befehlszeilen-Anweisungen auszuführen:
- "Welche Dateien befinden sich im aktuellen Verzeichnis?"
- „Wie ist die aktuelle Systemzeit?“
- „Zeigen Sie mir den Inhalt einer bestimmten Datei.“
Bitten Sie Claude, Podcasts von XiaoyuZhouFM herunterzuladen:
- „Laden Sie diese Podcast-Folge herunter: https://www.xiaoyuzhoufm.com/episode/67c3d80fb0167b8db9e3ec0f “
- „Laden Sie diesen Podcast herunter und konvertieren Sie ihn in MP3: https://www.xiaoyuzhoufm.com/episode/67c3d80fb0167b8db9e3ec0f “
Bitten Sie Claude, mit Audiodateien zu arbeiten:
- „Wie lang ist diese Audiodatei: audio.m4a?“
- „Transkribieren Sie den Ton von 60 bis 90 Sekunden in audio.m4a“
- „Holen Sie sich den Text von 2:30 bis 3:00 in der Audiodatei“
Bitten Sie Claude, Dateien oder URLs in Markdown zu konvertieren:
- „Konvertieren Sie diese Datei in Markdown: document.docx“
- "Konvertieren Sie diese Webseite in Markdown: https://example.com "
Bitten Sie Claude, mit Webinhalten zu arbeiten:
- „Holen Sie sich den HTML-Inhalt von https://example.com “
- „Speichern Sie das HTML von https://example.com in einer Datei.“
- „Suchen Sie im Internet nach ‚Neuigkeiten zur künstlichen Intelligenz‘“
Bitten Sie Claude, Bilder mit Flux zu generieren:
- "Erstellen Sie ein Bild eines wunderschönen Sonnenuntergangs über den Bergen"
- "Erstellen Sie ein Bild einer futuristischen Stadt und speichern Sie es auf meinem Desktop"
- „Erstellen Sie ein Porträt einer Katze im Raumanzug“
Bitten Sie Claude, Gedächtnisstützen zu verwenden:

„Denken Sie an diese wichtige Tatsache: Die Hauptstadt Frankreichs ist Paris.“
„Wie lautet meine aktuelle Sitzungs-ID?“
„Alle Informationen über Frankreich zurückrufen“
„Denken Sie an die Auswirkungen des Klimawandels“
„Vergiss alle gespeicherten Erinnerungen“

Entwicklung

Lokales Setup

Forken Sie das Repository und klonen Sie es auf Ihren lokalen Computer.

# Install in development mode
make install
# Activate a virtual environment
source .venv/bin/activate  # For macOS/Linux
# or
.venv\Scripts\activate  # For Windows

Ausführen von Tests

make test

Ausführen von Prüfungen

make check

Baudokumentation

make docs

Neue Tools hinzufügen

So fügen Sie eine neue API-Integration hinzu:

Aktualisieren Sie config.py mit allen erforderlichen API-Schlüsseln
Erstellen Sie ein neues Modul in mcp_toolbox/
Implementieren Sie Ihren API-Client und Ihre Tools
Fügen Sie Tests für Ihre neue Funktionalität hinzu
Aktualisieren Sie die README.md mit neuen Umgebungsvariablen und Tools

Ausführlichere Anweisungen finden Sie im Entwicklungshandbuch .

Beitragen

Beiträge sind willkommen! Senden Sie gerne einen Pull Request.

Forken Sie das Repository
Erstellen Sie einen Feature-Zweig ( git checkout -b feature/amazing-feature )
Übernehmen Sie Ihre Änderungen ( git commit -m 'Add some amazing feature' )
Pushen zum Zweig ( git push origin feature/amazing-feature )
Öffnen einer Pull-Anfrage

Lizenz

Dieses Projekt ist unter den Bedingungen der im Repository enthaltenen Lizenz lizenziert.

Integrations