Which integrations are available for this server?

Supports deploying and invoking local language models through Ollama, enabling local model inference for models like llama2 and qwen3:4b without requiring API keys. Supports accessing remote language models via API keys, with OpenAI provided as an example provider for remote model invocation through the model_invoke tool.

How do I use MCP Model Provider Example?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@MCP Model Provider Example ask llama2 to write a haiku about coding" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

MCP Model Provider Example

by codeExploreHub

Overview Schema Related Servers Score Discussions

JavaScript

Hybrid

MCP 模型提供商示例

这是一个完整的 MCP (Model Context Protocol) 示例项目，展示了如何搭建一个支持本地 Ollama 模型和远程 API 模型的 MCP 服务器，以及如何使用 LangChain 构建大模型应用来发现和调用 MCP 工具。

功能特性

支持本地模型：通过 Ollama 部署的本地模型，无需 API 密钥
支持远程模型：通过 API 密钥访问远程模型（如 OpenAI）
动态工具发现：大模型可以自动发现 MCP 提供的工具
工具调用：大模型可以根据需要调用 MCP 工具并获取结果
加法计算工具：内置了一个计算两个数之和的工具
模型调用工具：可以调用不同类型的语言模型

项目结构

e:\agents_pro\mcp\
├── package.json          # 项目配置和依赖
├── index.js              # MCP 服务器主文件
├── tools/                # 工具定义目录
│   ├── model_invoke.json # 模型调用工具定义
│   └── add_numbers.json  # 加法计算工具定义
├── example.js            # JavaScript 示例
├── langchain-app.py      # Python LangChain 应用示例
└── README.md             # 项目文档

安装步骤

1. 安装 Node.js 依赖

npm install

2. 安装 Python 依赖（用于 LangChain 应用）

pip install -r requirements.txt

3. 安装 Ollama（用于本地模型）

请访问 Ollama 官网下载并安装 Ollama，然后运行以下命令拉取模型：

ollama pull llama2
ollama pull qwen3:4b

配置说明

1. MCP 服务器配置

端口：默认运行在 3000 端口
工具定义：在 tools/ 目录下定义工具
模型配置：
- 本地模型：通过 Ollama 部署，默认地址为 http://localhost:11434
- 远程模型：需要在代码中设置 API 密钥

2. LangChain 应用配置

模型选择：默认使用本地 Ollama 模型 qwen3:4b
远程模型：需要在 langchain-app.py 中设置 API 密钥

使用方法

1. 启动 MCP 服务器

npm start

服务器启动后，会在控制台输出以下信息：

MCP server running on port 3000
Tools available at: http://localhost:3000/mcp/tools
Invoke endpoint at: http://localhost:3000/mcp/invoke

2. 运行 JavaScript 示例

node example.js

3. 运行 Python LangChain 应用

python langchain-app.py

API 端点

1. 列出可用工具

请求：

GET /mcp/tools

响应：

{
  "tools": [
    {
      "name": "model_invoke",
      "description": "Invoke a language model with a prompt",
      "parameters": {
        "type": "object",
        "properties": {
          "prompt": {
            "type": "string",
            "description": "The prompt to send to the model"
          },
          "model_type": {
            "type": "string",
            "enum": ["local", "remote"],
            "description": "Model type: local (Ollama) or remote (API)"
          },
          "model_name": {
            "type": "string",
            "description": "Model name to use"
          },
          "api_key": {
            "type": "string",
            "description": "API key for remote model (required if model_type is remote)"
          }
        },
        "required": ["prompt", "model_type", "model_name"]
      }
    },
    {
      "name": "add_numbers",
      "description": "Calculate the sum of two numbers",
      "parameters": {
        "type": "object",
        "properties": {
          "num1": {
            "type": "number",
            "description": "The first number"
          },
          "num2": {
            "type": "number",
            "description": "The second number"
          }
        },
        "required": ["num1", "num2"]
      }
    }
  ]
}

2. 调用工具

请求：

POST /mcp/invoke
Content-Type: application/json

{
  "tool": "model_invoke",
  "params": {
    "prompt": "你好，告诉我一个简短的笑话",
    "model_type": "local",
    "model_name": "llama2"
  }
}

响应：

{
  "success": true,
  "data": {
    "response": "为什么人工智能不会感冒？因为它们没有病毒，只有bug！"
  }
}

示例场景

1. 大模型自动发现并使用加法工具

用户查询："计算 123 加上 456 等于多少"

大模型流程：

分析用户请求，发现需要进行加法计算
自动发现 MCP 提供的 add_numbers 工具
调用工具，传递参数 {"num1": 123, "num2": 456}
接收工具执行结果 {"sum": 579}
基于结果生成最终回答："123 加上 456 等于 579"

2. 大模型使用模型调用工具

用户查询："使用本地模型写一首关于春天的诗"

大模型流程：

分析用户请求，发现需要使用模型生成内容
自动发现 MCP 提供的 model_invoke 工具
调用工具，传递参数 {"prompt": "写一首关于春天的诗", "model_type": "local", "model_name": "qwen3:4b"}
接收工具执行结果（模型生成的诗）
基于结果生成最终回答

注意事项

本地模型：使用本地 Ollama 模型时，需要确保 Ollama 服务正在运行
远程模型：使用远程模型时，需要在代码中设置有效的 API 密钥
工具定义：添加新工具时，需要在 tools/ 目录下创建工具定义文件，并在 index.js 中添加相应的处理函数
端口冲突：如果端口 3000 被占用，可以修改 index.js 中的端口配置

扩展建议

添加更多工具：可以根据需要添加更多工具，如天气查询、新闻获取等
支持更多模型：可以扩展 model_invoke 工具，支持更多类型的模型提供商
添加认证：可以为 MCP 服务器添加认证机制，确保只有授权的应用可以访问
添加日志：可以添加详细的日志记录，便于调试和监控

故障排除

1. 端口被占用

如果启动服务器时出现端口被占用的错误，可以使用以下命令查看并终止占用端口的进程：

# 查看占用端口 3000 的进程
netstat -ano | findstr :3000

# 终止进程（PID 为上一步输出的进程 ID）
taskkill /PID <PID> /F

2. 本地模型不可用

如果本地模型不可用，请检查：

Ollama 服务是否正在运行
模型是否已经拉取（使用 ollama list 查看）
模型名称是否正确

3. 远程模型调用失败

如果远程模型调用失败，请检查：

API 密钥是否正确
网络连接是否正常
模型名称是否正确

总结

本项目展示了如何搭建一个完整的 MCP 服务器，以及如何使用 LangChain 构建大模型应用来发现和调用 MCP 工具。通过这个项目，您可以了解：

MCP 的基本概念和工作原理
如何定义和实现 MCP 工具
如何使用 LangChain 构建大模型应用
大模型如何自动发现和调用工具
如何支持本地和远程模型

这个项目可以作为一个基础框架，根据实际需求进行扩展和定制。

This server cannot be installed

security - not tested

license - not found

quality - not tested

How are these scores calculated?

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

Tool Definition Quality Score (TDQS)
By punkpeye on April 3, 2026.
mcp
The Hackers Who Tracked My Sleep Cycle
By punkpeye on March 26, 2026.
security
Open Source Has a Bot Problem
By punkpeye on March 19, 2026.
open source

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/codeExploreHub/mcp_test'

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