gym MCP

健身房MCP-人工智能游戏平台

一种模型上下文协议（MCP）服务器，将游戏作为AI代理发现和玩游戏的工具。

🚀 快速开始

需求

• Python 3.10+
• MCP兼容客户端（克劳德桌面等）

安装

使用pip：

git clone 
cd gym-mcp
pip install -e .

或者使用紫外线（Dedalus Labs推荐）：

git clone 
cd gym-mcp
uv sync

运行服务器

# With pip
python main.py

# With uv
uv run main

测试服务器

python test_fastmcp.py

🎮 可用游戏

• 井字游戏：经典的3x3网格游戏，X和O

🛠️ 可用工具

核心游戏工具

• list_games -发现可用游戏和活动实例
• start_game -与玩家初始化新游戏
• make_move -执行游戏操作
• get_game_state -查看当前游戏状态
• reset_game -将游戏重置为初始状态

游戏专用工具

• tic_tac_toe_place_mark -在板上放置X或O

📋 Claude桌面集成

添加到您的Claude桌面 claude_desktop_config.json:

{
  "mcpServers": {
    "gym-mcp": {
      "command": "python",
      "args": ["main.py"],
      "cwd": "/path/to/gym-mcp"
    }
  }
}

🎯 示例用法

# Discover available games
list_games()

# Start a tic-tac-toe game
start_game(game_type="tic-tac-toe", players=["Alice", "Bob"])

# Make moves using generic tool
make_move(game_id="uuid", action_type="place_mark", payload={"row": 1, "col": 1}, player="Alice")

# Or use game-specific tool
tic_tac_toe_place_mark(game_id="uuid", row=0, col=0, player="Bob")

# Check current state
get_game_state(game_id="uuid")

🏗️ 建筑

核心组件

• FastMCP：基于装饰器的简单MCP服务器
• 游戏注册表：管理可用游戏类型和活动实例
• 游戏界面：定义游戏合约的抽象基类
• 动态工具：每个游戏都注册了自定义MCP工具

每个游戏工具

每个游戏都可以定义自己的特定工具：

• 井字游戏: tic_tac_toe_place_mark(game_id, row, col, player)
• 未来的游戏国际象棋本可以 chess_castle, chess_en_passant等等。

无状态设计

• 每个服务器会话存储在内存中的游戏
• 不要求进行验证
• 游戏逻辑和MCP协议之间的清晰分离

🔧 添加新游戏

1. 创建游戏类 继承自 Game:

   class Chess(Game):
       def start(self, players): ...
       def make_move(self, action): ...
       def get_state(self): ...
       # etc.

1. 定义特定于游戏的工具:

   @classmethod
   def get_tool_definitions(cls):
       return [GameToolDefinition(
           name="chess_castle",
           description="Perform castling move",
           input_schema={...}
       )]

1. 在注册表中注册:

   registry.register_game_type(Chess)

1. 添加FastMCP工具处理程序 在 server.py

🌟 未来计划

• OpenAI健身房集成：包裹体育馆环境
• PettingZoo支持：多代理游戏（国际象棋、扑克等）
• 实时游戏：WebSocket支持更快的交互
• 锦标赛模式：AI vs AI竞赛
• 观众工具：观看正在进行的游戏

🏛️ 架构优势

面向人工智能研究人员

• 标准化游戏测试环境
• 所有游戏的一致API
• 易于基准测试和评估

对于开发者

• 简单的游戏集成（只需实现界面）
• 自动生成MCP工具
• 内置状态管理

对于AI代理

• 统一发现机制(list_games)
• 一致的交互模式
• 游戏特定的优化机会

______________________________________________________________________