安装-x
一个全面的MCP（模型上下文协议）服务器，可跨多种编程语言（包括Python、JavaScript、Rust、C和C++）自动安装库。此服务器提供智能库检测和安装功能，支持CUDA、PyTorch和专用ML库等复杂依赖关系。
特性
- 多语言支持：Python、JavaScript/Node.js、Rust、C和C++
- 智能检测：自动检测可用的包管理器和库
- CUDA集成：PyTorch和ML库的智能CUDA版本检测
- 图书馆全面覆盖：支持所有语言的流行库
- 缓存管理：高效的缓存系统，避免冗余安装
- MCP服务器：AI助手的完整模型上下文协议集成
安装
先决条件
- Python 3.8或更高版本
- Node.js和npm（用于JavaScript包）
- 货物（适用于防锈包装）
- CUDA（可选，适用于ML库）
设置
- 克隆存储库：
git clone https://github.com/DuinoDu/install-x
cd install-x- 使用rye安装依赖项：
rye sync- 激活虚拟环境：
source .venv/bin/activate用法
作为MCP服务器
使用MCP检查器
npx @wong2/mcp-cli python3 src/install_x/mcp_server.py使用克劳德桌面
添加到您的Claude Desktop配置中：
{
"mcpServers": {
"install-x": {
"command": "python3",
"args": ["/path/to/install-x/src/install_x/mcp_server.py"]
}
}
}可用工具
1. is_supported(library_name)
检查是否支持安装库。
参数：
library_name（str）：要检查的库的名称
退货：
library_name：规范化的库名称is_supported：布尔值，指示库是否受支持
例子：
result = is_supported("numpy")
# Returns: {"library_name": "numpy", "is_supported": true}2. install(library_name)
在当前目录中安装库。
参数：
library_name（str）：要安装的库的名称
退货：
success：布尔值表示安装成功message：人类可读的状态消息details：每种语言的详细安装结果
例子：
result = install("torch")
# Returns detailed installation results支持的库
python
- ML/AI：火炬、明考斯基发动机、spconv、finegrasp_graspnet1b、graspnetAPI
- 将军：numpy、pandas、matplotlib、requests、flask、django
- 数据科学：scikit-learn、tensorflow、opencv-python、枕头
JavaScript/Node.js
- 框架：express、react、vue、angular、next.js
- 公用事业：lodash、axios、moment、白垩
- 发展：打字、webpack、jest、eslint、更漂亮
锈
- 网络：东京、axum、火箭、reqwest
- 命令行界面：不管怎样，这个错误
- 数据库：柴油，sqlx
- 序列化：serde
C
- 系统：ssl、加密、curl、zlib、sqlite3
- 图形：png、jpeg、opengl
- 可扩展置标语言：libxml2、libxslt
C
- 推进：提升所有开发
- 计算机视觉：opencv-dev
- 数学：特征3开发
- 毫升：tensorflow开发
- 三维：pcl-dev
安装脚本
该项目包括用于复杂库的专用安装脚本：
可用脚本
torch.sh：PyTorch支持CUDA和版本检测MinkowskiEngine.sh：用于稀疏张量运算的NVIDIA Minkowski引擎spconv.sh：用于3D数据的稀疏卷积库finegrasp_graspnet1b.sh：掌握检测模型graspnetAPI.sh：GraspNet API安装RoboTwin.sh：机器人模拟工具
脚本功能
- CUDA自动检测：检测CUDA版本并选择适当的PyTorch版本
- 缓存管理：使用本地缓存加速重复安装
- 依赖性解析：处理复杂的依赖链
- 错误处理：提供有用的错误消息和故障排除指南
测试
运行综合测试套件：
python -m pytest tests/或运行特定测试：
# Test library support detection
python -m pytest tests/test_mcp_server.py::TestLibraryInstaller::test_is_supported_known_python_library
# Test numpy installation (as requested in PRD)
python -m pytest tests/test_mcp_server.py::TestLibraryInstaller::test_numpy_specific_installation
# Run all tests with verbose output
python -m pytest tests/ -v发展
项目结构
install-x/
├── src/install_x/
│ ├── __init__.py
│ ├── mcp_server.py # Main MCP server implementation
│ └── install/ # Installation scripts
│ ├── base.sh # Common utilities
│ ├── torch.sh # PyTorch installation
│ ├── MinkowskiEngine.sh # NVIDIA Minkowski Engine
│ ├── spconv.sh # Sparse convolution
│ ├── _template.sh # Template for new scripts
│ └── *.patch # Patches for specific libraries
├── tests/
│ └── test_mcp_server.py # Comprehensive test suite
├── pyproject.toml # Project configuration
└── requirements.lock # Locked dependencies添加新库
- 对于简单的库：添加到相应的语言类别
LibraryInstaller.SUPPORTED_LANGUAGES - 对于复杂的库：在中创建新的安装脚本
src/install_x/install/ - 对于补丁：创建
.patch安装脚本旁边的文件
环境变量
INSTALL_X_CACHE：自定义缓存目录（默认：~/.cache/install-x)FORCE_CUDA_VERSION特定的CUDA版本（例如“cu121”、“cu124”）FORCE_INSTALL_TORCH：强制重新安装PyTorch，即使已经安装
例子
安装支持CUDA的PyTorch
# The server will automatically detect CUDA version
python3 src/install_x/mcp_server.py
# Then call: install("torch")安装多个库
# Check support for various libraries
python3 -c "
from install_x.mcp_server import is_supported
libraries = ['numpy', 'react', 'tokio', 'opencv-dev']
for lib in libraries:
print(f'{lib}: {is_supported(lib)}')
"与AI助手集成
当用作MCP服务器时，AI助手可以：
- 安装前查询库可用性
- 自动安装所需的依赖项
- 处理复杂的安装场景（CUDA、GPU支持等）
- 提供安装反馈和故障排除
故障排除
常见问题
- CUDA检测问题
- 确保CUDA安装正确： nvcc --version - 集 FORCE_CUDA_VERSION 如果自动检测失败
- 权限错误
- 以适当的权限运行以进行系统范围的安装 - 尽可能使用虚拟环境
- 网络问题
- 检查包下载的互联网连接 - 如果位于公司防火墙之后，请配置代理设置
- 缓存问题
- 清除缓存： rm -rf ~/.cache/install-x - 如果需要，重置虚拟环境
获取帮助
- 查看测试套件中的使用示例
- 查看安装脚本以了解特定的库要求
- 检查详细安装结果中的错误消息
许可证
本项目按原样提供，用于教育和发展目的。安装的各个库可能有自己的许可证。