🚀 LMStudio - MCP 项目文档

LMStudio - MCP 搭建了一座桥梁，将具备 MCP 功能的 Claude 与您本地运行的 LM Studio 实例相连接。借助这座桥梁，Claude 能够检查 LM Studio API 的健康状态、列出可用模型、获取当前加载的模型，还能使用您的本地模型生成完成词，让您可以将 Claude 的功能与自己的私有模型结合使用。

🚀 快速开始

LMStudio - MCP 能让您将 Claude 与本地 LM Studio 实例相连，实现多种功能。使用前，请确保满足先决条件，并完成安装和配置。

✨ 主要特性

• 检查 LM Studio API 的健康状态。
• 列出可用模型。
• 获取当前加载的模型。
• 使用本地模型生成完成词，结合 Claude 功能与私有模型。

📦 安装指南

先决条件

• Python 3.7 或更高版本。
• 已安装并运行 LM Studio（https://lmstudio.ai/）。
• 模型已加载到 LM Studio。
• Claude 带有 MCP 访问权限。
• 所需的 Python 包（参见安装步骤）。

安装步骤

1. 克隆此仓库：

git clone https://github.com/infinitimeless/LMStudio-MCP.git
cd LMStudio-MCP

2. 安装所需的包：

pip install requests "mcp[cli]" openai

📚 详细文档

MCP 配置

为了让 Claude 连接到此桥梁，您需要正确配置 MCP 设置。您可以选择：

1. 直接从 GitHub 使用：

{
  "lmstudio-mcp": {
    "command": "uvx",
    "args": [
      "https://github.com/infinitimeless/LMStudio-MCP"
    ]
  }
}

2. 使用本地安装：

{
  "lmstudio-mcp": {
    "command": "/bin/bash",
    "args": [
      "-c",
      "cd /path/to/LMStudio-MCP && source venv/bin/activate && python lmstudio_bridge.py"
    ]
  }
}

有关 MCP 配置的详细说明，请参见 MCP_CONFIGURATION.md。

使用方法

1. 启动您的 LM Studio 应用程序并确保其在默认端口 1234 上运行。
2. 在 LM Studio 中加载一个模型。
3. 如果是本地运行（不使用 uvx），启动 LMStudio - MCP 服务器：

python lmstudio_bridge.py

4. 在 Claude 中，选择 "lmstudio - mcp" 连接到 MCP 服务器。

可用功能

桥梁提供了以下功能：

• health_check()：验证 LM Studio API 是否可访问。
• list_models()：获取 LM Studio 中所有可用模型的列表。
• get_current_model()：识别当前加载的模型。
• chat_completion(prompt, system_prompt, temperature, max_tokens)：从您的本地模型生成文本。

🔧 技术细节

已知限制

• 部分模型（例如 phi - 3.5 - mini - instruct_uncensored）可能存在兼容性问题。
• 桥梁目前仅使用 LM Studio 的 OpenAI 兼容 API 端点。
• 模型的响应将受限于您加载的本地模型的能力。

故障排除

API 连接问题

如果 Claude 报告 404 错误，无法连接到 LM Studio：

• 确保 LM Studio 正在运行并且已加载模型。
• 检查 LM Studio 的服务器是否在端口 1234 上运行。
• 验证防火墙是否未阻止连接。
• 如果问题仍然存在，尝试在 API URL 中使用 "127.0.0.1" 而不是 "localhost"。

模型兼容性

如果某些模型无法正常工作：

• 确保您使用的模型与 LM Studio 兼容。
• 查看 MCP_CONFIGURATION.md 了解更多信息。

有关更多故障排除步骤，请参见 TROUBLESHOOTING.md。

📄 许可证

文档中未提及许可证相关信息。

常用提示信息

⚠️ 重要提示

本项目仍处于开发阶段，可能存在不稳定或功能不完善的情况。

💡 使用建议

使用前请仔细阅读相关文档并备份重要数据。