Integrations
Provides a time API endpoint that returns the current timestamp, which the MCP agent can query when handling time-related questions
Connects to OpenRouter (an OpenAI-compatible API) to access language models for generating responses to user queries
Offers a chat interface for users to interact with the MCP agent, allowing them to ask time-related and general questions
Zeit-MCP
Ein minimales agentenbasiertes KI-System, das zeitbezogene und allgemeine Fragen mithilfe einer toolerweiterten LLM-Pipeline beantwortet.
Merkmale
- Flask-API : Stellt den aktuellen Zeitstempel bereit.
- MCP-Agent-Server : Argumentationsagent, der die Absicht des Benutzers erkennt, Tools (wie die Zeit-API) aufruft, Eingabeaufforderungen erstellt und über OpenRouter (OpenAI-kompatible API) mit einem LLM interagiert.
- Streamlit-Benutzeroberfläche : Einfache Chat-Oberfläche zum Sprechen mit dem KI-Agenten.
Aufstellen
1. Abhängigkeiten klonen und installieren
2. Umgebungsvariable
Legen Sie Ihren OpenRouter-API-Schlüssel fest (holen Sie sich einen von https://openrouter.ai ):
3. Führen Sie die Server aus
Öffnen Sie drei Terminals (oder verwenden Sie Hintergrundprozesse):
Terminal 1: Flask Time API
Terminal 2: MCP-Agent-Server
Terminal 3: Streamlit-Benutzeroberfläche
Die Streamlit-Benutzeroberfläche wird in Ihrem Browser geöffnet (Standard: http://localhost:8501 )
Verwendung
- Stellen Sie dem Agenten in der Streamlit-Benutzeroberfläche beliebige Fragen.
- Wenn Sie nach der Uhrzeit fragen (z. B. „Wie spät ist es?“), ruft der Agent die Flask-API auf, ruft die aktuelle Uhrzeit ab und erstellt mithilfe des LLM eine schöne, natürliche Antwort.
- Bei anderen Fragen antwortet der Agent ausschließlich über das LLM.
Architektur
- Der MCP-Agent erkennt die Absicht, ruft bei Bedarf Tools auf, erstellt Eingabeaufforderungen und sendet sie an das LLM.
- Leicht erweiterbar, um weitere Tools hinzuzufügen (einfach zur MCPAgent-Klasse hinzufügen).
Anpassung
- Weitere Tools hinzufügen : Implementieren Sie neue Methoden in
MCPAgent
und aktualisieren Sieself.tools
. - Absichtserkennung verbessern : Erweitern Sie
detect_intent()
inMCPAgent
. - LLM-Modell ändern : Aktualisieren Sie das
model
incall_llm()
.
Anforderungen
- Python 3.7+
- Informationen zu Abhängigkeiten finden Sie in
requirements.txt
.
Credits
- Erstellt mit Flask, Streamlit, OpenRouter und Python.
- Inspiriert von agentischen LLM-Designmustern.
This server cannot be installed
Ein agentenbasiertes KI-System, das zeitbezogene Fragen durch Aufrufen eines Zeit-API-Tools und allgemeine Fragen mithilfe eines LLM beantwortet, auf das über eine einfache Chat-Schnittstelle zugegriffen werden kann.
Related MCP Servers
- -securityFlicense-qualityProvides AI agents with comprehensive Twitter functionality through the Model Context Protocol standard, enabling reading tweets, posting content, managing interactions, and accessing timeline data with robust error handling.Last updated -41JavaScript
- -securityAlicense-qualityA lightweight, modular API service that provides useful tools like weather, date/time, calculator, search, email, and task management through a RESTful interface, designed for integration with AI agents and automated workflows.Last updated -PythonMIT License
- AsecurityAlicenseAqualityIntegrates with Harvest time tracking API, enabling AI assistants to manage time entries, projects, clients, and tasks through natural language commands.Last updated -112PythonMIT License
- -securityAlicense-qualityAn MCP server implementation that integrates AI assistants with Langfuse workspaces, allowing models to query LLM metrics by time range.Last updated -9JavaScriptApache 2.0