Skip to main content
Glama

MCP Chat

MCP Chat ist eine Kommandozeilen-Anwendung, die interaktive Chat-Funktionen mit KI-Modellen über die Anthropic API ermöglicht. Die Anwendung unterstützt Dokumentabruf, befehlsbasierte Prompts sowie erweiterbare Tool-Integrationen über die MCP-Architektur (Model Control Protocol).

Voraussetzungen

  • Python 3.9+

  • Anthropic API Key

Einrichtung

Schritt 1: Umgebungsvariablen konfigurieren

  1. Erstellen oder bearbeiten Sie die Datei .env im Stammverzeichnis des Projekts und überprüfen Sie, dass die folgenden Variablen korrekt gesetzt sind:

ANTHROPIC_API_KEY=""  # Enter your Anthropic API secret key

Schritt 2: Abhängigkeiten installieren

Option 1: Einrichtung mit uv (empfohlen)

uv ist ein schneller Installer und Resolver für Python-Pakete.

  1. Installieren Sie uv, falls es noch nicht installiert ist:

pip install uv
  1. Erstellen und aktivieren Sie eine virtuelle Umgebung:

uv venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate
  1. Installieren Sie die Abhängigkeiten:

uv pip install -e .
  1. Führen Sie das Projekt aus

uv run main.py

Option 2: Einrichtung ohne uv

  1. Erstellen und aktivieren Sie eine virtuelle Umgebung:

python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate
  1. Installieren Sie die Abhängigkeiten:

pip install anthropic python-dotenv prompt-toolkit "mcp[cli]==1.8.0"
  1. Führen Sie das Projekt aus

python main.py

Verwendung

Grundlegende Interaktion

Geben Sie einfach Ihre Nachricht ein und drücken Sie die Eingabetaste, um mit dem Modell zu chatten.

Dokumentabruf

Verwenden Sie das @-Symbol gefolgt von einer Dokument-ID, um den Dokumentinhalt in Ihre Abfrage einzubeziehen:

> Tell me about @deposition.md

Befehle

Verwenden Sie das /-Präfix, um im MCP-Server definierte Befehle auszuführen:

> /summarize deposition.md

Befehle werden beim Drücken der Tabulatortaste automatisch vervollständigt.

Entwicklung

Hinzufügen neuer Dokumente

Bearbeiten Sie die Datei mcp_server.py, um dem Wörterbuch docs neue Dokumente hinzuzufügen.

Implementieren von MCP-Funktionen

Um die MCP-Funktionen vollständig zu implementieren:

  1. Vervollständigen Sie die TODOs in mcp_server.py

  2. Implementieren Sie die fehlende Funktionalität in mcp_client.py

Lint- und Typprüfung

Es sind keine Lint- oder Typprüfungen implementiert.

-
license - not tested
-
quality - not tested
C
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

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

Related MCP Connectors

  • Hosted MCP server connecting claude.ai, ChatGPT and other AI apps to your own computer

  • A comprehensive Model Context Protocol (MCP) server that enables AI assistants to interact with yo…

  • MCP server for AI dialogue using various LLM models via AceDataCloud

View all MCP Connectors

Latest Blog Posts

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/umar-ashrfy/anthropic-mcp-server'

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