MCP Server · 运维云端

Floating AI Widget Local MCP

通过Python接口本地运行量化Phi-3-mini-4k模型的工具，基于llama.cpp实现。

stdio官方级别未说明来源级核验工具 0

Python云端部署Docker

快速开始

打开主来源页面 GitHub 仓库

作者 / 组织: musman047
提供方: musman047
运行时: Python

工具数量

来源目录标注

资源数量

来源目录标注

提示词数量

来源目录标注

GitHub Star

仓库热度

收录来源

1 个

MCP World

选型结论

Floating AI Widget Local MCP 属于运维云端类 MCP Server，公开资料标注 0 个工具，通过stdio 本地进程接入，客户端适配情况以官方文档为准，有可以直接复制的安装命令；接入前先确认权限范围。

分类

运维云端

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

python main.py

客户端配置示例

{
  "mcpServers": {
    "floating-ai-widget-local-mcp": {
      "command": "python",
      "args": [
        "main.py"
      ]
    }
  }
}

按公开安装命令拼出来的示例，字段名和参数以仓库 README 为准；带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

1
准备运行环境
stdio 服务在本地起进程，需要先装好 Python，再按安装命令拉取依赖。
2
安装服务
复制下面的安装命令执行；命令里带占位符的位置换成自己的密钥或路径。
3
写入客户端配置
在客户端的 MCP 配置里填启动命令和参数，保存后完全退出客户端再打开，让新配置生效。
4
验证是否可用
连接成功后客户端会列出 0 个工具，随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

详细介绍

本地Phi-3 Mini（通过llama.cpp）

这个项目展示了如何运行一个量化（的模型或过程） Phi-3-mini-4k 在本地使用（进行建模） llama.cpp 来自一个简单的Python接口。

🏗️ 运行说明

确保您的模型和llama.cpp二进制文件路径已正确设置在 utils/config.py.
运行：

   python main.py

工具与能力

工具数量

资源数量

提示词数量

能力标签

本地AI运行Python本地部署模型量化llama.cpp集成Python接口

数量来自来源目录的标注，具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标，定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量，找出闲置和超额的部分。

选择建议

值得选的地方

只提供 0 个工具，职责集中，接入后不容易误操作。
有现成的安装命令，不用自己找入口，照着跑就能起服务。
公开说明写得比较完整，接入前能看清能力边界。

先想清楚的地方

stdio 方式要求本地装好 Python，换机器要重新装一遍。
公开摘要偏短，具体能力和限制要回到仓库确认。
第三方目录整理，版本更新和行为细节以官方仓库为准。

更适合

需要在运维云端场景里让模型直接调用外部能力的人。
想先快速试一下、能接受在本地跑服务的人。

不太适合

完全不想在本地装环境的人。
需要厂商级 SLA 和技术支持的生产环境。

MCP Server	工具数	传输方式	安装命令	收录来源	最后核验
Floating AI Widget Local MCP MCP World · 本页	0	stdio	有	1 个	2026-05-17
Ui Tars Desktop 8a825770 MCP World	0	stdio	有	1 个	2026-05-17
Elie222 MCP MCP World	0	未说明	未标注	1 个	2026-05-17
Arizeai Phoenix MCP MCP World	0	stdio	有	3 个	2026-05-17
Unity MCP 87ee506e MCP World	42	HTTP	有	2 个	2026-05-17

常见问题

5 条