🚀 MCP 服务器 + OpenAI 代理项目
本项目将 MCP 服务器与 OpenAI 代理相结合，可用于自动化网络搜索、文件操作等任务，有效提升工作效率。
🚀 快速开始
按照以下步骤开启项目：
- 运行
setup.sh脚本，创建虚拟环境并安装依赖项。 - 安装所需的外部工具，包括 Lynx、Docker 和 Node.js。
- 按需配置
servers.yaml文件，添加或修改服务器条目。 - 运行代理并测试其功能。
📦 安装指南
1. 创建并激活虚拟环境
运行提供的 setup.sh 脚本，使用 Python 3.13 建立虚拟环境：
./setup.sh
该脚本会依据 requirements.txt 创建虚拟环境，并安装所有所需的 Python 包。
2. 安装项目依赖项
确保已安装运行所选 MCP 服务器所需的外部工具和服务：
- Lynx：用于
lynx服务器，该服务器与 Lynx 终端网络浏览器工具接口。 - Docker：用于
puppeteer和github服务器，实现 Chrome 控制和 GitHub 交互。 - Node.js：用于
fs服务器，使用npx命令。
💻 使用示例
运行 agent.py
基础用法
- 使用配置的所有服务器运行代理：
python agent.py
- 选择让代理访问的服务器，以提高性能：
# 允许代理访问文件系统（用于本地文件浏览）和 Lynx（用于网络搜索）
python agent.py --servers fs lynx
调试模式
使用 --debug 标志初始化服务器而不执行代理，确保服务器配置正确：
python agent.py --debug
配置
服务器在 servers.yaml 中进行配置，每个服务器条目包含：
- 名称：服务器的标识符。
- 描述：对服务器功能的简要说明。
- 命令及参数：启动服务器的命令行指令。
- 环境变量：初始化服务器所需的额外环境配置。
通常可在 github 仓库中找到这些配置文件。
自定义服务器
可在 mcp-servers 目录下开发自己的 MCP 服务器。
链接查找示例
若要进行 QEMU 设置的初始研究，可使用以下命令：
"查找与 QEMU 设置相关的链接" | python agent.py --servers lynx