Skip to main content
Glama

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.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.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      B
      quality
      D
      maintenance
      Giving 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.
      6
      1,600 npm
      72
      MIT
    • A
      license
      Not graded
      quality
      Not graded
      maintenance
      Provides 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
      -