Llm Gateway MCP Server

🚀 基于模型上下文协议（MCP）的开源项目

这是一个基于模型上下文协议（MCP）的开源项目，它为各种AI模型提供了统一的交互接口。项目集成了文件处理、网络请求、数据解析、数据库操作等多种功能模块。

🚀 快速开始

克隆项目仓库

git clone https://github.com/your-repository.git
cd your-repository

安装依赖包

pip install -r requirements.txt

启动服务

python main.py

配置选项

在config.json文件中，可以配置以下参数：

{
  "host": "localhost",
  "port": 8000,
  "model_provider": "openai",
  "api_key": "your-api-key"
}

使用示例

通过命令行调用服务

curl http://localhost:8000/api/ping

在Python代码中使用

import requests

response = requests.get('http://localhost:8000/api/ping')
print(response.json())

✨ 主要特性

核心特性

• 多模型支持：兼容OpenAI、Anthropic、Google、DeepSeek、xAI等主流的LLM提供商。
• 工具扩展性：内置文件操作、网络请求、数据处理等多种实用工具。
• 上下文管理：通过结构化的协议实现模型与外部工具的有效交互。

工具集

文件系统工具

• file_read：从指定路径读取文件内容。
• file_write：将内容写入文件，支持覆盖或追加模式。
• dir_list：列出指定目录下的所有文件和子目录。
• file_delete：删除指定文件或空目录。

网络请求工具

• http_get：发送GET请求获取网页内容。
• http_post：发送POST请求提交数据。
• http_request：支持自定义HTTP方法（如PUT、DELETE等）的通用接口。

数据处理工具

• json_parse：解析JSON格式的数据。
• csv_read：读取CSV文件并转换为结构化数据。
• xml_process：处理XML格式数据，支持XPath查询。

数据库操作工具

• sql_query：执行SQL查询并返回结果集。
• db_connect：建立与数据库的连接。
• schema_parse：解析和验证数据库表结构。

安全注意事项

⚠️ 重要提示

为了确保系统的安全性，在使用过程中请遵循以下原则：

1. 最小权限原则：以最低权限运行服务进程，限制其对敏感资源的访问。
2. 输入校验：严格验证用户输入的数据，防止恶意代码注入。
3. 日志管理：避免在日志中记录敏感信息，如API密钥或用户凭证。

📚 详细文档

安全指南

总体安全建议

• 定期更新项目依赖库，防范已知的安全漏洞。
• 配置适当的访问控制策略，限制不必要的网络暴露。
• 使用HTTPS协议进行通信，保护数据传输过程中的安全性。

工具使用注意事项

• 在处理文件系统操作时，严格限制可访问的目录范围，防止目录遍历攻击（如../）。
• 执行SQL查询时，优先使用ORM框架或参数化查询，避免SQL注入风险。
• 对于需要执行任意脚本的操作（如browser_evaluate_script），建议进行严格的输入验证和权限控制。

许可证

该项目采用MIT许可证，具体条款详见项目中的LICENSE文件。

致谢

本项目依赖众多优秀的开源项目和技术社区的支持，特别感谢以下组织和个人：

• Model Context Protocol (MCP) 项目组，提供了基础的概念框架和协议规范。
• FastAPI 团队，开发了高性能的Web框架。
• Pydantic 开发者，为数据验证和配置管理提供了强大的工具。
• Rich 库作者，带来了美观的信息终端输出体验。
• uv 项目组，提供了快速的Python包安装解决方案。
• Playwright 团队，开发了功能强大的浏览器自动化框架。
• OpenPyXL 维护者，提供了Excel文件处理的功能支持。
• 社区贡献者，感谢你们的热情参与和持续反馈。