MCP-Dateileser

Ein vollständig lokaler, kostenloser KI-gestützter Dateileser, der das MCP (Model Context Protocol) verwendet, um einen Python-Tool-Server mit einem lokalen LLM (Ollama + Mistral) zu verbinden. Keine API-Schlüssel, keine Cloud, keine Kosten – läuft vollständig auf Ihrem Rechner.

🧾 Funktionen

• MCP-Server mit benutzerdefinierten Tools (list_files, read_file)

• Lokale LLM-Integration über Ollama (Mistral / Llama3.2)

• Automatische Dateierkennung und Lesen von Inhalten

• KI-gestützte Zusammenfassung von Dateiinhalten

• Schutz vor Pfad-Traversal (integrierte Sicherheit)

• Keine Kosten – keine API-Schlüssel oder Abonnements erforderlich

🛠️ Tech-Stack

📦 Installation

git clone https://github.com/JaneKarunyaJ/MCP-File-Reader.git
cd MCP-File-Reader
pip install mcp requests

Installieren Sie Ollama von https://ollama.com und laden Sie dann das Modell herunter:

ollama pull mistral

🚀 Verwendung

Stellen Sie sicher, dass Ollama läuft (es startet nach der Installation automatisch), und führen Sie dann Folgendes aus:

python client.py

Der Client wird:

1. Den MCP-Server als Subprozess starten

2. list_files aufrufen, um Dateien in my_files/ zu entdecken

3. read_file für jede gefundene Datei aufrufen

4. Den tatsächlichen Inhalt zur Zusammenfassung an Mistral senden

📁 Projektstruktur

MCP-File-Reader/
│
├── server.py          # MCP server — exposes list_files and read_file tools
├── client.py          # MCP client — calls tools and queries Ollama
├── requirements.txt   # Python dependencies
└── my_files/          # Folder the AI is allowed to read
    ├── project_ideas.txt
    └── wishlist.txt

🔐 Sicherheit

• Der MCP-Server erlaubt nur Lesezugriffe aus dem Verzeichnis my_files/

• Pfad-Traversal-Angriffe (z. B. ../../etc/passwd) werden automatisch blockiert

• Keine Daten verlassen Ihren Rechner – nach der Einrichtung vollständig offline

🧠 Funktionsweise

client.py
   │
   ├── Step 1: Calls MCP tool → list_files()
   │              ↓
   │         Returns filenames from my_files/
   │
   ├── Step 2: Calls MCP tool → read_file(filename)
   │              ↓
   │         Returns actual file contents
   │
   └── Step 3: Sends real content to Ollama (Mistral)
                  ↓
             Returns AI summary

➕ Das Projekt erweitern

• Eigene Dateien hinzufügen: Legen Sie eine beliebige .txt-Datei in my_files/ ab und führen Sie das Programm erneut aus

• Neue Tools hinzufügen: Fügen Sie einen neuen Tool-Handler in server.py hinzu (z. B. search_in_file, write_file)

• Die Frage ändern: Bearbeiten Sie user_question in client.py, um beliebige Fragen zu Ihren Dateien zu stellen

• Das Modell austauschen: Ändern Sie MODEL = "mistral" in client.py in ein beliebiges Modell, das Sie in Ollama heruntergeladen haben

📋 Anforderungen

• Python 3.9+

• Ollama installiert (ollama.com)

• Mistral-Modell heruntergeladen (ollama pull mistral)

• mcp und requests Python-Pakete