Ollama MCP 服务器

🚀 一个强大的桥梁，连接 Ollama 和模型上下文协议（MCP），让你能够无缝地将 Ollama 的本地大语言模型能力集成到你的 MCP 应用程序中。

🌟 功能特性

完整的 Ollama 集成

• 完整的 API 支持：通过简洁的 MCP 接口，访问所有关键的 Ollama 功能
• 兼容 OpenAI 的聊天功能：直接替换 OpenAI 的聊天完成 API
• 本地模型控制：在本地运行 AI 模型，拥有完全的控制权和隐私保护

核心能力

• 🔄 模型管理

  • 从注册表中拉取模型
  • 推送模型到注册表
  • 列出可用模型
  • 使用 Modelfile 创建自定义模型
  • 复制并删除模型

• 🤖 模型执行

  • 使用可自定义的提示运行模型
  • 具备系统/用户/助手角色的聊天完成 API
  • 可配置参数（温度、超时）
  • 直接响应的原始模式支持

• 🛠 服务器控制

  • 启动和管理 Ollama 服务器
  • 查看详细模型信息
  • 错误处理与超时管理

🚀 入门指南

先决条件

• 已安装 Ollama 在你的系统上
• Node.js 和 npm/pnpm 环境已配置

安装步骤

1. 安装依赖：

pnpm install

2. 构建服务器：

pnpm run build

配置指南

将服务器添加到你的 MCP 配置中：

对于 Claude Desktop：

MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json Windows: %APPDATA%/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "ollama": {
      "command": "node",
      "args": ["/path/to/ollama-server/build/index.js"],
      "env": {
        "OLLAMA_HOST": "http://127.0.0.1:11434"  // 可选：自定义 Ollama API 端点
      }
    }
  }
}

🛠 使用示例

拉取并运行模型

// 拉取一个模型
await mcp.use_mcp_tool({
  server_name: "ollama",
  tool_name: "pull",
  arguments: {
    name: "llama2"
  }
});

// 运行该模型
await mcp.use_mcp_tool({
  server_name: "ollama",
  tool_name: "run",
  arguments: {
    name: "llama2",
    prompt: "解释量子计算的简单原理"
  }
});

聊天完成（兼容 OpenAI）

await mcp.use_mcp_tool({
  server_name: "ollama",
  tool_name: "chat_completion",
  arguments: {
    messages: [
      { role: "user", content: "解释量子计算的简单原理" }
    ],
    temperature: 0.7
  }
});

创建自定义模型

await mcp.use_mcp_tool({
  server_name: "ollama",
  tool_name: "create_model",
  arguments: {
    name: "my_custom_model",
    source: "local://path/to/my/model.bin"
  }
});

📚 文档

• Ollama 官方文档
• MCP 协议说明

💡 提示

• 确保你的 Ollama 服务器已正确配置并运行。
• 在使用环境变量时，确保它们已正确设置以避免连接问题。
• 对于高级用例，请参考 MCP 协议的详细文档。

让我们一起探索本地 AI 的强大能力！