Skip to main content
Glama

MCP Development Framework

README.md14.4 kB
# MCP开发框架 [![Verified on MseeP](https://mseep.ai/badge.svg)](https://mseep.ai/app/34780cde-ee17-4a7b-b9ee-356f41fc9e77) [![smithery badge](https://smithery.ai/badge/@aigo666/mcp-framework)](https://smithery.ai/server/@aigo666/mcp-framework) 一个强大的MCP(Model Context Protocol)开发框架,用于创建与大语言模型交互的自定义工具。该框架提供了一套完整的工具集,可以轻松地扩展Cursor IDE的功能,实现网页内容获取、文件处理(PDF、Word、Excel、CSV、Markdown)以及AI对话等高级功能。它具有强大的MCP工具扩展能力,使开发者能够快速构建和集成各种自定义工具。 <a href="https://glama.ai/mcp/servers/@aigo666/mcp-framework"> <img width="380" height="200" src="https://glama.ai/mcp/servers/@aigo666/mcp-framework/badge" /> </a> <details> <summary>🔥 最新特性:文档图片内容显示与理解</summary> 最新版本现在支持在PDF和Word文档处理中,直接返回原始图片内容并进行OCR识别,使大语言模型能够同时理解文档中的文本和图像内容: - **图片内容直接显示**:文档中的图表、图像等可以直接在对话中显示,无需额外工具 - **OCR文本识别**:自动提取图片中的文字内容,支持中英文多语言 - **图片内容理解**:大模型可以"看到"文档中的图片,并基于图片内容进行分析和回答 - **完整文档内容返回**:真正实现文档的全内容理解,包括文本、表格和图像 这使得AI模型能够更全面地理解和分析文档内容,特别是对于包含图表、表单、流程图或其他可视化信息的文档尤为有价值。 </details> ## 主要功能 <details> <summary>点击展开查看框架提供的核心功能</summary> 本框架提供了以下核心功能: ### 1. 综合文件处理 使用`parse_file`工具可以自动识别文件类型并选择合适的处理方式,支持PDF、Word、Excel、CSV和Markdown文件。 - **用法**: `parse_file /path/to/document` - **支持格式**: - PDF文件 (.pdf) - Word文档 (.doc, .docx) - Excel文件 (.xls, .xlsx, .xlsm) - CSV文件 (.csv) - Markdown文件 (.md) - **参数**: `file_path` - 文件的本地路径 - **返回**: 根据文件类型返回相应的处理结果 ### 2. PDF文档处理 使用`parse_pdf`工具可以处理PDF文档,支持两种处理模式: - **用法**: `parse_pdf /path/to/document.pdf [mode]` - **参数**: - `file_path` - PDF文件的本地路径 - `mode` - 处理模式(可选): - `quick` - 快速预览模式,仅提取文本内容 - `full` - 完整解析模式,提取文本、图片内容和OCR文本(默认) - **返回**: - 快速预览模式:文档的文本内容 - 完整解析模式:文档的文本内容、原始图片和OCR识别结果 ### 3. Word文档解析 使用`parse_word`工具可以解析Word文档,提取文本、表格和图片信息。 - **用法**: `parse_word /path/to/document.docx` - **功能**: 解析Word文档并提取文本内容、表格和图片 - **参数**: `file_path` - Word文档的本地路径 - **返回**: 文档的文本内容、表格和原始图片 - **特点**: 同时提供文档内嵌图像的显示和分析功能 ### 4. Excel文件处理 使用`parse_excel`工具可以解析Excel文件,提供完整的表格数据和结构信息。 - **用法**: `parse_excel /path/to/spreadsheet.xlsx` - **功能**: 解析Excel文件的所有工作表 - **参数**: `file_path` - Excel文件的本地路径 - **返回**: - 文件基本信息(文件名、工作表数量) - 每个工作表的详细信息: - 行数和列数 - 列名列表 - 完整的表格数据 - **特点**: - 使用pandas和openpyxl提供高质量的表格数据处理 - 支持多工作表处理 - 自动处理数据类型转换 ### 5. CSV文件处理 使用`parse_csv`工具可以解析CSV文件,提供完整的数据分析和预览功能。 - **用法**: `parse_csv /path/to/data.csv` - **功能**: 解析CSV文件并提供数据分析 - **参数**: - `file_path` - CSV文件的本地路径 - `encoding` - 文件编码格式(可选,默认自动检测) - **返回**: - 文件基本信息(文件名、行数、列数) - 列名列表 - 数据预览(前5行) - 描述性统计信息 - **特点**: - 自动编码检测 - 支持多种编码格式(UTF-8、GBK等) - 提供数据统计分析 - 智能数据类型处理 ### 6. Markdown文件解析 使用`parse_markdown`工具可以解析Markdown文件,提取文本内容、标题结构和列表等信息。 - **用法**: `parse_markdown /path/to/document.md` - **功能**: 解析Markdown文件并提取标题结构、列表和文本内容 - **参数**: `file_path` - Markdown文件的本地路径 - **返回**: - 文件基本信息(文件名、大小、修改时间等) - 标题结构层级展示 - 内容元素统计(代码块、列表、链接、图片、表格等) - 原始Markdown内容 - **特点**: - 自动识别各级标题和结构 - 智能统计内容元素 - 完整的标题层级展示 ### 7. 网页内容获取 使用`url`工具可以获取任何网页的内容。 - **用法**: `url https://example.com` - **参数**: `url` - 要获取内容的网站URL - **返回**: 网页的文本内容 - **特点**: - 完整的HTTP错误处理 - 超时管理 - 自动编码处理 ### 8. MaxKB AI对话 使用`maxkb`工具可以与MaxKB API进行交互,实现智能对话功能。 - **用法**: `maxkb "您的问题或指令"` - **功能**: 发送消息到MaxKB API并获取AI回复 - **参数**: - `message` - 要发送的消息内容(必需) - `re_chat` - 是否重新开始对话(可选,默认false) - `stream` - 是否使用流式响应(可选,默认true) - **返回**: AI的回复内容 - **特点**: - 支持流式响应 - 自动重试机制 - 完整的错误处理 - 60秒超时保护 - 保持连接配置优化 </details> ## 技术特点 本框架采用了多种技术来优化文件处理性能: 1. **智能文件类型识别** - 自动根据文件扩展名选择合适的处理工具 - 提供统一的文件处理接口 2. **高效的文档处理** - PDF处理:支持快速预览和完整解析两种模式 - Word处理:精确提取文本、表格和图片 - Excel处理:高效处理大型表格数据 3. **强大的MCP工具扩展能力** - 插件化架构设计,易于扩展 - 统一的工具注册和调用接口 - 支持同步和异步工具开发 - 丰富的工具开发API和辅助函数 4. **内存优化** - 使用临时文件管理大型文件 - 自动清理临时资源 - 分块处理大型文档 5. **错误处理** - 完整的异常捕获和处理 - 详细的错误信息反馈 - 优雅的失败处理机制 ## 项目结构 本框架采用模块化设计,便于扩展和维护: ``` mcp_tool/ ├── tools/ │ ├── __init__.py # 定义工具基类和注册器 │ ├── loader.py # 工具加载器,自动加载所有工具 │ ├── file_tool.py # 综合文件处理工具 │ ├── pdf_tool.py # PDF解析工具 │ ├── word_tool.py # Word文档解析工具 │ ├── excel_tool.py # Excel文件处理工具 │ ├── csv_tool.py # CSV文件处理工具 │ ├── markdown_tool.py # Markdown文件解析工具 │ ├── url_tool.py # URL工具实现 │ └── maxkb_tool.py # MaxKB AI对话工具 ├── __init__.py ├── __main__.py └── server.py # MCP服务器实现 ``` ## 开发指南 ### 如何开发新工具 1. 在`tools`目录下创建一个新的Python文件,如`your_tool.py` 2. 导入必要的依赖和基类 3. 创建一个继承自`BaseTool`的工具类 4. 使用`@ToolRegistry.register`装饰器注册工具 5. 实现工具的`execute`方法 ### 工具模板示例 ```python import mcp.types as types from . import BaseTool, ToolRegistry @ToolRegistry.register class YourTool(BaseTool): """您的工具描述""" name = "your_tool_name" # 工具的唯一标识符 description = "您的工具描述" # 工具的描述信息,将显示给用户 input_schema = { "type": "object", "required": ["param1"], # 必需的参数 "properties": { "param1": { "type": "string", "description": "参数1的描述", }, "param2": { "type": "integer", "description": "参数2的描述(可选)", } }, } async def execute(self, arguments: dict) -> list[types.TextContent | types.ImageContent | types.EmbeddedResource]: """执行工具逻辑""" # 参数验证 if "param1" not in arguments: return [types.TextContent( type="text", text="Error: Missing required argument 'param1'" )] # 获取参数 param1 = arguments["param1"] param2 = arguments.get("param2", 0) # 获取可选参数,提供默认值 # 执行工具逻辑 result = f"处理参数: {param1}, {param2}" # 返回结果 return [types.TextContent( type="text", text=result )] ``` ## 部署指南 ### 环境变量配置 在`.env`文件中配置以下环境变量: ```bash # Server Configuration MCP_SERVER_PORT=8000 # 服务器端口 MCP_SERVER_HOST=0.0.0.0 # 服务器主机 # 鉴权配置 MCP_AUTH_URL=http://170.106.105.206:4000/users # 鉴权服务地址 # MaxKB配置 MAXKB_HOST=http://host.docker.internal:8080 # MaxKB API主机地址 MAXKB_CHAT_ID=your_chat_id_here # MaxKB聊天ID MAXKB_APPLICATION_ID=your_application_id_here # MaxKB应用ID MAXKB_AUTHORIZATION=your_authorization_key # MaxKB授权密钥 # 调试模式 DEBUG=false # 是否启用调试模式 # 用户代理 MCP_USER_AGENT="MCP Test Server (github.com/modelcontextprotocol/python-sdk)" # 本地目录挂载配置 HOST_MOUNT_SOURCE=/path/to/your/local/directory # 本地目录路径 HOST_MOUNT_TARGET=/host_files # 容器内挂载路径 ``` ### 本地目录挂载 框架支持将本地目录挂载到容器中,以便工具可以访问本地文件。配置方法: 1. 在`.env`文件中设置`HOST_MOUNT_SOURCE`和`HOST_MOUNT_TARGET`环境变量 2. `HOST_MOUNT_SOURCE`是你本地机器上的目录路径 3. `HOST_MOUNT_TARGET`是容器内的挂载路径(默认为`/host_files`) 使用工具时,可以直接引用本地文件路径,框架会自动将其转换为容器内的路径。例如: ``` # 使用PDF工具处理本地文件 pdf "/Users/username/Documents/example.pdf" # 框架会自动将路径转换为容器内路径 # 例如:"/host_files/example.pdf" ``` 这样,你就可以在不修改工具代码的情况下,轻松访问本地文件。 ### Docker部署(推荐) 1. 初始设置: ```bash # 克隆仓库 git clone https://github.com/aigo666/mcp-framework.git cd mcp-framework # 创建环境文件 cp .env.example .env ``` 2. 使用Docker Compose: ```bash # 构建并启动 docker compose up --build -d # 查看日志 docker compose logs -f # 管理容器 docker compose ps docker compose pause docker compose unpause docker compose down ``` 3. 访问服务: - SSE端点: http://localhost:8000/sse 4. Cursor IDE配置: - 设置 → 功能 → 添加MCP服务器 - 类型: "sse" - URL: `http://localhost:8000/sse?token=<your-token>` (替换 `<your-token>` 为您的 JWT Token) ## 鉴权配置 <details> <summary>点击展开查看详细的鉴权配置信息</summary> SSE 服务现在支持 API 鉴权机制,每个请求都需要携带有效的认证信息: 1. 配置鉴权服务地址: - 在 `.env` 文件中设置 `MCP_AUTH_URL` 环境变量(默认为 `http://170.106.105.206:4000/users` 该鉴权地址仅供测试,不保证长期稳定,建议使用以下项目自行部署) 2. 客户端配置: - 在 Cursor 插件中配置时,需要在 URL 中添加 `token` 查询参数 - 格式为 `http://your-server:8000/sse?token=<your-token>` - 服务器会自动将 token 转换为 `Bearer <your-token>` 格式发送到鉴权服务 3. 鉴权流程: - 当 SSE 服务收到请求时,会从 URL 中提取 token 参数 - 然后向配置的鉴权地址发送请求,并传递 `Authorization: Bearer <your-token>` 头 - 只有鉴权成功(返回 200 状态码)的请求才会被处理 - 鉴权失败的请求会收到 401 Unauthorized 响应 4. 推荐JWT鉴权服务: - 我们推荐使用Jason Watmore的Node.js JWT鉴权服务作为参考实现 - 详细文档和示例代码:https://jasonwatmore.com/nodejs-jwt-authentication-tutorial-with-example-api - 该实现提供了完整的用户注册、登录、令牌生成和验证功能 - 可以无缝集成到本框架的鉴权流程中 </details> ## 部署方式 ### 传统Python部署 1. 安装系统依赖: ```bash # Ubuntu/Debian sudo apt-get update sudo apt-get install -y poppler-utils tesseract-ocr tesseract-ocr-chi-sim # macOS brew install poppler tesseract tesseract-lang # Windows # 1. 下载并安装Tesseract: https://github.com/UB-Mannheim/tesseract/wiki # 2. 将Tesseract添加到系统PATH ``` 2. 安装Python依赖: ```bash # 创建虚拟环境 python -m venv venv source venv/bin/activate # Linux/Mac # 或 .\venv\Scripts\activate # Windows # 安装依赖 pip install -r requirements.txt ``` 3. 启动服务: ```bash python -m mcp_tool ``` ## 依赖项 主要依赖: - `mcp`: Model Context Protocol实现 - `PyMuPDF`: PDF文档处理 - `python-docx`: Word文档处理 - `pandas`和`openpyxl`: Excel文件处理 - `httpx`: 异步HTTP客户端 - `anyio`: 异步I/O支持 - `click`: 命令行接口 ## 贡献指南 1. Fork仓库 2. 创建功能分支 (`git checkout -b feature/amazing-feature`) 3. 提交更改 (`git commit -m 'Add some amazing feature'`) 4. 推送到分支 (`git push origin feature/amazing-feature`) 5. 打开Pull Request ## 许可证 本项目采用MIT许可证 - 详情请参阅[LICENSE](LICENSE)文件。

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/aigo666/mcp-framework'

If you have feedback or need assistance with the MCP directory API, please join our Discord server