MCP File System Agent

{"type": "text"}# MCP File System Agent

Ein lokaler agentischer Dateisystem-Assistent, erstellt mit LangChain, Ollama, FastMCP und MCP.

Das Projekt zeigt, wie ein LLM autonom Werkzeuge auswählen und nutzen kann, die von einem MCP-Server bereitgestellt werden, um dateibezogene Vorgänge wie Lesen, Auflisten, Schreiben und Durchsuchen von Dateien auszuführen.

Architektur

                         User
                           │
                           ▼
                  ┌─────────────────┐
                  │  LangChain      │
                  │     Agent       │
                  └────────┬────────┘
                           │
                           ▼
                  ┌─────────────────┐
                  │   Ollama LLM    │
                  │   Qwen3 1.7B    │
                  └────────┬────────┘
                           │
                    Tool selection
                           │
                           ▼
                ┌──────────────────────┐
                │ LangChain MCP Adapter│
                └──────────┬───────────┘
                           │
                       MCP / HTTP
                           │
                           ▼
                ┌──────────────────────┐
                │     FastMCP Server   │
                │   localhost:8000/mcp │
                └──────────┬───────────┘
                           │
             ┌─────────────┼─────────────┐
             ▼             ▼             ▼
        read_file     list_files    write_file
             │
             ▼
       Local File System

Related MCP server: OmniMCP-Container

Funktionen

• MCP-basierte Werkzeugarchitektur

• Lokaler FastMCP-Server mit HTTP-Transport

• LangChain-Agent mit Werkzeugaufrufen

• Lokale LLM-Inferenz über Ollama

• Lesen von PDF-Dateien

• Lesen und Schreiben von DOCX-Dateien

• Dateiauflistung mit Erweiterungsfilterung

• Durchsuchen von PDF- und DOCX-Dateien

• Gesprächszustand mithilfe von LangGraph-Checkpointing

• Automatische Werkzeugauswahl durch das LLM

Technologie-Stack

• Python

• LangChain

• LangGraph

• Ollama

• Qwen3 1.7B

• FastMCP

• Model Context Protocol (MCP)

• langchain-mcp-adapters

• PyPDF

• python-docx

Projektstruktur

MCP/
│
├── tests/
│   └── sample.docx
│
├── fs_mcp.py
├── main.py
├── requirements.txt
└── README.md

Installation

1. Repository klonen

git clone https://github.com/jibixn/File-System-Tools-MCP
cd MCP

2. Python-Abhängigkeiten installieren

pip install -r requirements.txt

3. Ollama installieren

Installieren Sie Ollama von der offiziellen Website und stellen Sie sicher, dass es lokal ausgeführt wird.

Ziehen Sie dann das Modell:

ollama pull qwen3:1.7b

Sie können überprüfen, ob das Modell verfügbar ist mit:

ollama list

Projekt ausführen

Das Projekt verwendet zwei Prozesse, da der MCP-Server über HTTP mit dem Client kommuniziert.

Terminal 1 – MCP-Server starten

Führen Sie diesen Befehl im Projektstammverzeichnis aus:

python fs_mcp.py

Der Server sollte verfügbar sein unter:

http://127.0.0.1:8000/mcp

Terminal 2 – Agenten starten

Öffnen Sie ein weiteres Terminal im Projektstammverzeichnis:

python main.py

Sie können dann Anfragen wie die folgenden eingeben:

Read the file in tests folder named sample.docx and provide me the summary.

oder:

List all PDF files in the tests folder.

oder:

Write "Hello, World!" to tests/output.docx.

Beispielhafter Agentenablauf

Für eine Anfrage wie:

Read the file in tests folder named sample.docx and provide me the summary.

führt der Agent Folgendes aus:

User request
     │
     ▼
LLM analyzes request
     │
     ▼
LLM selects read_file
     │
     ▼
LangChain MCP Adapter
     │
     ▼
MCP HTTP request
     │
     ▼
FastMCP read_file()
     │
     ▼
python-docx reads file
     │
     ▼
Tool result returned to agent
     │
     ▼
LLM summarizes content
     │
     ▼
Final response

Anforderungen

Python 3.11+ wird empfohlen.

Ollama muss installiert sein und lokal ausgeführt werden.

Das Qwen-Modell muss verfügbar sein:

ollama pull qwen3:1.7b

Sie können auch ein Modell über einen Inferenzanbieter verwenden.

Abhängigkeiten

Die direkten Abhängigkeiten des Projekts sind:

fastmcp==3.4.7
langchain==1.3.14
langchain-mcp-adapters==0.3.2
langchain-ollama==1.1.0
langgraph-checkpoint==4.2.0
pypdf==6.14.2
python-docx==1.2.0

Zukünftige Verbesserungen

• Unterstützung für weitere Dateiformate hinzufügen

• Werkzeuge zum Löschen von Dateien und Erstellen von Verzeichnissen hinzufügen

• Stärkere Pfadvalidierung und Sandboxing hinzufügen

• Authentifizierung für entfernte MCP-Server hinzufügen

• Streaming-Antworten hinzufügen

• Umfangreicheres Dokument-Parsing hinzufügen

• Dauerhafte Speicherung von Gesprächen hinzufügen

• Zusätzliche MCP-Server für Datenbanken, GitHub oder Websuche hinzufügen

• Zuverlässigkeit der Werkzeugauswahl mit größeren lokalen Modellen verbessern

Lernziele

Dieses Projekt demonstriert die Interaktion zwischen:

LLM
 ↓
LangChain Agent
 ↓
Tool Calling
 ↓
MCP Client
 ↓
MCP Protocol
 ↓
FastMCP Server
 ↓
Python Functions

Es ist als praktisches Beispiel für die Entwicklung einer agentischen Anwendung mit Model Context Protocol (MCP) und lokal gehosteten LLMs gedacht.