Time-MCP
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.
Related MCP server: MCP: Multi-Agent Control Point
Aufstellen
1. Abhängigkeiten klonen und installieren
pip install -r requirements.txt2. 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.pyTerminal 2: MCP-Agent-Server
python mcp_server.pyTerminal 3: Streamlit-Benutzeroberfläche
streamlit run streamlit_ui.pyDie 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
MCPAgentund aktualisieren Sieself.tools.Absichtserkennung verbessern : Erweitern Sie
detect_intent()inMCPAgent.LLM-Modell ändern : Aktualisieren Sie das
modelincall_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.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Wall-clock awareness for LLM agents. Two tools: elapsed-time-between-turns + day rollover detection.
Current time, timezone conversion & date math for AI agents. On Cloudflare Workers.
A real clock for AI agents: current time, timezone conversion, and DST facts from the IANA tzdb.
Minimal chat-first app with durable threads, actions, and the app-agent loop
Related MCP Servers
- AlicenseBqualityDmaintenanceGiving LLMs Time Awareness Capabilities. Empower your LLMs with time awareness capabilities. Access current time, convert between timezones, and get timestamps effortlessly. Enhance your applications with precise time-related functionalities.61,600 npm72MIT
- FlicenseNot gradedqualityDmaintenanceA server that routes user questions to specialized agents (date, location, weather) or an LLM expert, with a simple Streamlit web interface for easy interaction.-
- AlicenseNot gradedqualityNot gradedmaintenanceProvides AI agents with precise, locale-aware date and time data across multiple timezones through a Model Context Protocol API built with TypeScript/Node.js.1-
- AlicenseAqualityDmaintenanceProvides accurate system time to LLM applications with multi-timezone support via a simple tool call.1MIT