Selector AI FastMCP

选择器 AI FastMCP

此代码库提供了 Selector AI 模型上下文协议 (MCP) 的完整实现。它包含一个支持流式传输的服务器和一个基于 Docker 的交互式客户端，后者通过 stdin/stdout 进行通信。

✨ 特点

✅ 服务器

与 FastMCP 兼容并基于 Python 构建

实时 SSE 流支持

与 Selector AI 进行交互式 AI 聊天

最小样板

内置容器编排健康检查

请求/响应记录和重试

✅ 客户

Python 客户端通过 Docker 生成服务器

支持 CLI 和编程访问

通过 stdin 和 stdout 读取/写入

使用 .env 配置环境变量

🚀 快速入门

先决条件

Python 3.8+

Docker

选择器 AI API 密钥

选择器 API URL

⚙️ 安装

克隆存储库

git clone https://github.com/automateyournetwork/selector-mcp-server

cd 选择器-ai-mcp

安装 Python 依赖项

pip 安装 -r 要求.txt

设置环境变量创建一个.env 文件：

SELECTOR_URL= https://你的选择器api-url

SELECTOR_AI_API_KEY=你的 API 密钥

🐳 Dockerfile

服务器使用以下 Dockerfile 在轻量级容器中运行：

来自 python:3.11-slim

工作目录/应用程序

复制 requirements.txt 。

运行 pip install -r requirements.txt

复制 。 。

CMD [“python”，“-u”，“mcp_server.py”]

健康检查 --interval=30s --timeout=30s --start-period=5s
CMD python -c“导入套接字；s = socket.socket（socket.AF_UNIX，socket.SOCK_STREAM）；s.connect（'/tmp/mcp.sock'）；s.send（b'{“tool_name”：“ready”} \n'）；数据=s.recv（1024）；s.close（）；导入json；结果=json.loads（data）；退出（如果result.get（'status'）=='ready'则退出0，否则退出1）”||退出1

构建 Docker 镜像

docker build -t 选择器-mcp 。

🧠 使用客户端

启动客户端

这将生成 Docker 容器并打开一个交互式 shell。

python mcp_客户端.py

CLI 会话示例

您>什么是 AIOps？

选择器> AIOps 是指将 AI 应用于 IT 运营...

程序化访问

从 selector_client 导入 call_tool、spawn_server

proc = spawn_server()

call_tool（proc，“准备就绪”）

响应 = call_tool（proc，“ask_selector”，{“content”：“什么是 AIOps？”}）

打印（响应）

🖥️ 与 Claude Desktop 一起使用

如果您正在与 Claude Desktop 集成，您可以运行此服务器并在本地公开套接字或 HTTP 端点：

使用 Docker 或本机运行服务器：

python mcp_服务器.py

从 Claude Desktop 的外部工具配置连接到套接字或 HTTP 端点。

确保您的消息符合以下格式：

Claude Desktop 将通过标准输出接收 AI 的结构化响应。

🛠️ 构建你自己的容器

要自定义此设置：

分叉或克隆此 repo

修改 selector_fastmcp_server.py 以集成您喜欢的模型或路由逻辑

重建 Docker 镜像：

docker build -t my-custom-mcp 。

更新客户端以生成 my-custom-mcp：

“docker”、“运行”、“-i”、“--rm”、“my-custom-mcp”

📁 项目结构

选择器-ai-mcp/

✅ 要求

requirements.txt 中的依赖项：

请求

python-dotenv

📜 许可证

Apache 许可证 2.0