本地 MCP 客户端

本地 MCP 客户端是一个跨平台的网页和 API 接口，用于通过自然语言与可配置的 MCP 服务器交互，由 Ollama 和任何本地 LLM 驱动，支持结构化工具执行和动态代理行为。

步骤 1a：创建虚拟环境并安装依赖项 - MAC/Linux

curl -LsSf https://astral.sh/uv/install.sh | sh
cd Local_MCP_Client
uv init .
uv venv
source .venv/bin/activate
uv pip install -r requirements.txt

步骤 1b：创建虚拟环境并安装依赖项 - Windows

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
cd Local_MCP_Client
uv init .
uv venv
.venv\Scripts\activate
uv pip install -r requirements.txt

步骤 2a：安装 Ollama 并拉取 LLM 模型 - MAC

brew install ollama
ollama serve
ollama pull llama3:8b

步骤 2b：安装 Ollama 并拉取 LLM 模型 - Linux

curl -fsSL https://ollama.com/install.sh | sh
ollama serve
ollama pull llama3:8b

步骤 2c：安装 Ollama 并拉取 LLM 模型 - Windows

在此处下载 Ollama HERE

ollama serve
ollama pull llama3:8b

步骤 3a：克隆 MCP 服务器 - MAC/Linux

cd ~/Documents
git clone https://github.com/mytechnotalent/MalwareBazaar_MCP.git
git clone https://github.com/Invoke-RE/binja-lattice-mcp

步骤 3b：克隆 MCP 服务器 - Windows

cd "$HOME\Documents"
git clone https://github.com/mytechnotalent/MalwareBazaar_MCP.git
git clone https://github.com/Invoke-RE/binja-lattice-mcp

步骤 4：运行 Ollama

ollama serve

步骤 5a：运行 MCP 客户端 - MAC/Linux

export BNJLAT = "<your-binja-api-token>"
uv run local_mcp_client.py

步骤 5b：运行 MCP 客户端 - Windows

$env:BNJLAT = "<your-binja-api-token>"
uv run local_mcp_client.py

步骤 6：运行测试

python -m unittest discover -s tests

uv pip install coverage==7.8.0
coverage run --branch -m unittest discover -s tests
coverage report -m
coverage html
open htmlcov/index.html  # MAC
xdg-open htmlcov/index.html  # Linux
start htmlcov\index.html  # Windows
coverage erase

许可证

Apache License, Version 2.0