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

pip install -r requirements.txt

2. Umgebungsvariable

Legen Sie Ihren OpenRouter-API-Schlüssel fest (holen Sie sich einen von https://openrouter.ai ):

export OPENROUTER_API_KEY=sk-...your-key...

3. Führen Sie die Server aus

Öffnen Sie drei Terminals (oder verwenden Sie Hintergrundprozesse):

Terminal 1: Flask Time API

python flask_api.py

Terminal 2: MCP-Agent-Server

python mcp_server.py

Terminal 3: Streamlit-Benutzeroberfläche

streamlit run streamlit_ui.py

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

[Streamlit UI] → [MCP Agent Server] → [Tools (e.g., Time API)]
                            ↓
                        [LLM via OpenRouter]

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 Sie self.tools .
Absichtserkennung verbessern : Erweitern Sie detect_intent() in MCPAgent .
LLM-Modell ändern : Aktualisieren Sie das model in call_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

security - not tested

license - not found

quality - not tested

How are these scores calculated?

hybrid server

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

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

MCP: Multi-Agent Control Point
Gomezzz299
-
security
F
license
-
quality
A server that routes user questions to specialized agents (date, location, weather) or an LLM expert, with a simple Streamlit web interface for easy interaction.
Last updated -
Python
MCP-RAG
ANSH-RIYAL
-
security
F
license
-
quality
An agentic AI system that orchestrates multiple specialized AI tools to perform business analytics and knowledge retrieval, allowing users to analyze data and access business information through natural language queries.
Last updated -
2
Python
MCPCurrentTime
mattjwarren
-
security
A
license
-
quality
A Model Context Protocol server that provides the current time in any timezone with customizable formatting, allowing AI assistants to access accurate time information.
Last updated -
Python
MIT License
MCPlanManager
donway19
A
security
A
license
A
quality
An AI agent task management system that provides structure and visualization for long-term task planning with support for the Model Context Protocol (MCP) standard.
Last updated -
15
1
Python
MIT License

View all related MCP servers

Time-MCP