mcpx-py 项目

一个用于通过 mcp.run 工具交互 LLM 的 Python 库

功能

支持的 AI 提供程序

mcpx-py 支持所有由 PydanticAI 支持的模型。

依赖项

• uv
• npm
• ollama（可选）

mcp.run 配置

你需要通过运行以下命令获取一个 mcp.run 会话 ID：

npx --yes -p @dylibso/mcpx gen-session --write

这将生成一个新的会话并将会话 ID 写入配置文件，该文件可用于 mcpx-py。

如果你需要将会话 ID 存储在环境变量中，可以运行 gen-session 而不带 --write 标志：

npx --yes -p @dylibso/mcpx gen-session

这应该输出类似以下内容：

登录成功！
会话：kabA7w6qH58H7kKOQ5su4v3bX_CeFn4k.Y4l/s/9dQwkjv9r8t/xZFjsn2fkLzf+tkve89P1vKhQ

然后设置 MPC_RUN_SESSION_ID 环境变量：

$ export MCP_RUN_SESSION_ID=kabA7w6qH58H7kKOQ5su4v3bX_CeFn4k.Y4l/s/9dQwkjv9r8t/xZFjsn2fkLzf+tkve89P1vKhQ

安装方法

Python 使用说明

示例代码

以下是一个完整的示例，展示了如何使用 mcpx-py：

from mcpx import MPX

# 初始化 MPX 实例
mpx = MPX()

# 使用不同的 LLM 模型进行推理
print(mpx.chat("What is the weather like?"))  # 使用默认模型
print(mpx.chat("What is the weather like?", model="gpt-3.5-turbo"))  # 使用指定的模型

# 处理结构化输出
response = mpx.chat("Tell me a joke.", result_type=dict)
print(response)

安装依赖项

在使用 mcpx-py 之前，确保安装了所有必要的依赖项：

pip install mcpx

命令行使用说明

工具安装

使用 uv 包管理器安装

将 mcpx 添加到你的 uv 配置文件（通常位于 ~/.config/uv.json）：

{
  "dependencies": {
    "mcpx": "*"
  }
}

然后运行以下命令进行安装：

uv install

使用 npm 包管理器安装

虽然主要通过 pip 安装，但你也可以使用 npm 进行安装（尽管这不是推荐的方式）：

npm install mcpx-py

基本用法

与 LLM 对话

运行以下命令开始与 LLM 对话：

mcpx-client chat

获取帮助信息

如果你需要更多信息，可以运行：

mcpx-client --help

LLM 配置指南

支持的模型及其配置方法

使用 Gemini 模型

1. 在 Gemini 上创建一个账户。
2. 生成 API 密钥并按照说明使用。

使用 Ollama

1. 下载 Ollama 并安装：ollama.ai

2. 拉取所需的模型，例如：

   ollama pull llama3.2
   

3. 设置为默认模型：

   ollama config default=llama3.2
   

使用 Llamafile

1. 下载一个 Llamafile 模型：llamafile

2. 将文件设置为可执行：

   chmod +x your-model.llamafile
   

3. 以 JSON API 模式运行：

   ./your-model.llamafile --json-api --host 127.0.0.1 --port 8080
   

4. 使用 OpenAI 提供程序指向本地服务地址：http://localhost:8080

支持的模型列表

• gpt-3.5-turbo
• llama2
• llama3
• llama3.2

设置 API 密钥

将你的 API 密钥添加到环境变量中，例如：

export OPENAI_API_KEY="your-api-key"

这样，你就可以使用这些模型进行交互了。

通过以上步骤，你可以轻松配置和使用各种 LLM 模型，满足不同的开发需求。