hybrid server

The server is able to function both locally and remotely, depending on the configuration or use case.

Integrations

Enables web search functionality using the DuckDuckGo API
Allows access to Figma files, components, styles, and various Figma API operations including getting file information, nodes, images, comments, team projects, and more
Repository hosting for the project with workflows and actions integration

mcp工具箱

一个全面的工具包，用于通过模型上下文协议 (MCP) 增强 LLM 功能。该软件包提供了一系列工具，允许 LLM 与外部服务和 API 交互，从而将其功能扩展到文本生成之外。

GitHub 仓库： https://github.com/ai-zerolab/mcp-toolbox/
（正在开发中）文档： https://ai-zerolab.github.io/mcp-toolbox/

特征

*nix 是我们的主要目标，但 Windows 也应该可以。

命令行执行：通过 LLM 执行任何命令行指令
Figma 集成：访问 Figma 文件、组件、样式等
可扩展架构：轻松添加新的 API 集成
MCP 协议支持：兼容 Claude Desktop 和其他支持 MCP 的 LLM
全面测试：经过充分测试的代码库，具有较高的测试覆盖率

安装

使用 uv（推荐）

我们建议使用uv来管理您的环境。

# 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

然后，您可以使用uvx "mcp-toolbox@latest" stdio作为命令来运行最新版本的 MCP 服务器。**音频和内存工具不包含在默认安装中。**您可以通过安装all extra 来包含它们：

[audio] 用于音频工具，[memory] 用于内存工具，[all] 用于所有工具

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

通过 Smithery 安装

要通过Smithery自动安装 Claude Desktop 的 LLM 增强工具箱：

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

使用 pip

pip install "mcp-toolbox[all]"

您可以使用mcp-toolbox stdio作为运行 MCP 服务器的命令。

配置

环境变量

可以配置以下环境变量：

FIGMA_API_KEY ：Figma 集成的 API 密钥
TAVILY_API_KEY ：Tavily 集成的 API 密钥
DUCKDUCKGO_API_KEY ：DuckDuckGo 集成的 API 密钥
BFL_API_KEY ：Flux 图像生成 API 的 API 密钥

内存存储

记忆工具将数据存储在以下位置：

macOS ： ~/Documents/zerolab/mcp-toolbox/memory （通过 iCloud 跨设备同步）
其他平台： ~/.zerolab/mcp-toolbox/memory

完整配置

要将 mcp-toolbox 与 Claude Desktop/Cline/Cursor/... 一起使用，请将以下内容添加到您的配置文件中：

{
  "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"
      }
    }
  }
}

完整功能：

{
  "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"
      }
    }
  }
}

您可以使用以下方式生成调试配置模板：

uv run generate_config_template.py

可用工具

命令行工具

工具	描述
`execute_command`	执行命令行指令

文件操作工具

工具	描述
`read_file_content`	从文件读取内容
`write_file_content`	将内容写入文件
`replace_in_file`	使用正则表达式替换文件中的内容
`list_directory`	列出目录内容及其详细信息

Figma 工具

工具	描述
`figma_get_file`	通过键获取 Figma 文件
`figma_get_file_nodes`	从 Figma 文件中获取特定节点
`figma_get_image`	获取 Figma 文件中节点的图像
`figma_get_image_fills`	获取 Figma 文件中使用的图像的 URL
`figma_get_comments`	获取 Figma 文件的评论
`figma_post_comment`	在 Figma 文件上发表评论
`figma_delete_comment`	从 Figma 文件中删除评论
`figma_get_team_projects`	为团队获取项目
`figma_get_project_files`	获取项目文件
`figma_get_team_components`	获取团队的组件
`figma_get_file_components`	从文件中获取组件
`figma_get_component`	通过 key 获取组件
`figma_get_team_component_sets`	获取团队的组件集
`figma_get_team_styles`	获取团队的风格
`figma_get_file_styles`	从文件获取样式
`figma_get_style`	按键获取样式

XiaoyuZhouFM工具

工具	描述
`xiaoyuzhoufm_download`	从 XiaoyuZhouFM 下载播客节目，可选择自动将 m4a 转换为 mp3

音频工具

工具	描述
`get_audio_length`	获取音频文件的长度（以秒为单位）
`get_audio_text`	获取音频文件中特定时间范围内的转录文本

记忆工具

工具	描述
`think`	使用该工具思考某事并将想法附加到日志中
`get_session_id`	获取当前会话 ID
`remember`	将一段记忆（简短且详细）存储在记忆数据库中
`recall`	使用语义搜索从数据库中查询记忆
`forget`	清除记忆数据库中的所有记忆

Markitdown 工具

工具	描述
`convert_file_to_markdown`	使用 MarkItDown 将任何文件转换为 Markdown
`convert_url_to_markdown`	使用 MarkItDown 将 URL 转换为 Markdown

Web 工具

工具	描述
`get_html`	从 URL 获取 HTML 内容
`save_html`	将 HTML 从 URL 保存到文件
`search_with_tavily`	使用 Tavily 搜索网页（需要 API 密钥）
`search_with_duckduckgo`	使用 DuckDuckGo 搜索网页（需要 API 密钥）

Flux 图像生成工具

工具	描述
`flux_generate_image`	使用 Flux API 生成图像并将其保存到文件中

使用示例

运行 MCP 服务器

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

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

与 Claude Desktop 一起使用

按照配置部分所示配置 Claude Desktop
启动 Claude Desktop
要求 Claude 与 Figma 文件进行交互：
- “您能获取有关此 Figma 文件的信息：12345abcde吗？”
- “向我展示此 Figma 文件中的组件：12345abcde”
- “从此 Figma 文件中获取评论：12345abcde”
要求Claude执行命令行指令：
- “当前目录中有哪些文件？”
- “现在系统时间是多少？”
- “显示特定文件的内容。”
要求 Claude 从 XiaoyuZhouFM 下载播客：
- 下载本期播客： https://www.xiaoyuzhoufm.com/episode/67c3d80fb0167b8db9e3ec0f
- 下载本播客并转换为 MP3 格式： https://www.xiaoyuzhoufm.com/episode/67c3d80fb0167b8db9e3ec0f
要求 Claude 处理音频文件：
- “这个音频文件的长度是多少：audio.m4a？”
- “将 audio.m4a 中 60 秒到 90 秒的音频转录下来”
- “获取音频文件中 2:30 到 3:00 之间的文本”
要求 Claude 将文件或 URL 转换为 Markdown：
- “将此文件转换为 Markdown：document.docx”
- “将此网页转换为 Markdown 格式： https://example.com ”
要求 Claude 处理网络内容：
- “从https://example.com获取 HTML 内容”
- “将https://example.com中的 HTML 保存到文件中”
- “在网上搜索‘人工智能新闻’”
要求 Claude 使用 Flux 生成图像：
- “生成一张美丽的山间日落图像”
- “创建一幅未来城市的图像并将其保存到我的桌面”
- “生成一只穿着宇航服的猫的肖像”
要求克劳德使用记忆工具：

“记住这个重要事实：法国的首都是巴黎”
“我当前的会话 ID 是什么？”
“回忆一下有关法国的任何信息”
“思考气候变化的影响”
“忘记所有存储的记忆”

发展

本地设置

分叉存储库并将其克隆到本地机器。

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

运行测试

make test

运行检查

make check

建筑文档

make docs

添加新工具

要添加新的 API 集成：

使用任何所需的 API 密钥更新config.py
在mcp_toolbox/中创建一个新模块
实现您的 API 客户端和工具
为新功能添加测试
使用新的环境变量和工具更新 README.md

请参阅开发指南以获取更详细的说明。

贡献

欢迎贡献代码！欢迎提交 Pull 请求。

分叉存储库
创建功能分支（ git checkout -b feature/amazing-feature ）
提交您的更改（ git commit -m 'Add some amazing feature' ）
推送到分支（ git push origin feature/amazing-feature ）
打开拉取请求

执照

该项目是根据存储库中包含的许可条款进行授权的。

This server cannot be installed

-

security - not tested

A

license - permissive license

-

quality - not tested

一个全面的工具包，通过模型上下文协议增强 LLM 功能，允许 LLM 与外部服务交互，包括命令行操作、文件管理、Figma 集成和音频处理。

Related Resources

Reddit Discussion about this server

MCP Toolbox