LM Studio MCP

LM Studio MCP服务器

一个MCP（模型上下文协议）服务器，为AI助手提供对LM Studio模型的控制。该服务器支持远程模型管理，包括通过LM Studio API列出、加载和卸载模型。

特性

• 健康检查：验证与LM Studio的连接
• 列出已下载的型号：查看LM Studio库中可用的所有LLM模型
• 列出已加载的型号：查看内存中当前加载了哪些模型
• 负荷模型：使用可配置参数将模型加载到内存中
• 卸载模型：从内存中删除特定模型实例
• 获取型号信息：检索有关已加载模型的详细信息

先决条件

• Node.js 18.0.0或更高版本
• LM Studio在启用本地服务器的情况下运行

安装

# Clone the repository
git clone 
cd lm-studio-mcp-server

# Install dependencies
npm install

配置

服务器使用环境变量连接到LM Studio：

用法

运行模式

发展 （使用 tsx 用于TypeScript执行）：

npm start
# or with file watching
npm run dev

生产 （使用编译的JavaScript）：

npm run build
npm run start:prod

码头工人:

# Pull the published image
docker pull portertech/lm-studio-mcp-server:latest

# Run (connects to LM Studio on host machine)
docker run -i --rm portertech/lm-studio-mcp-server:latest

# Run with custom LM Studio host
docker run -i --rm \
  -e LMSTUDIO_HOST=192.168.1.100 \
  -e LMSTUDIO_PORT=1234 \
  portertech/lm-studio-mcp-server:latest

MCP客户端配置

克劳德

添加到您的 claude_desktop_config.json:

使用npx（建议用于已安装的软件包）：

{
  "mcpServers": {
    "lmstudio": {
      "command": "npx",
      "args": ["@portertech/lm-studio-mcp-server"],
      "env": {
        "LMSTUDIO_HOST": "127.0.0.1",
        "LMSTUDIO_PORT": "1234"
      }
    }
  }
}

利用当地发展：

{
  "mcpServers": {
    "lmstudio": {
      "command": "npx",
      "args": ["tsx", "/path/to/lm-studio-mcp-server/src/index.ts"],
      "env": {
        "LMSTUDIO_HOST": "127.0.0.1",
        "LMSTUDIO_PORT": "1234"
      }
    }
  }
}

使用Docker：

{
  "mcpServers": {
    "lmstudio": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "LMSTUDIO_HOST=127.0.0.1",
        "-e",
        "LMSTUDIO_PORT=1234",
        "portertech/lm-studio-mcp-server:latest"
      ]
    }
  }
}

注： 对于macOS/Windows上的Docker连接到主机上的LM Studio，请使用 LMSTUDIO_HOST=host.docker.internal.

可用工具

所有工具都返回一致的响应信封：

{
  success: boolean;
  message: string;
  data?: T;           // Present on success
  error?: {           // Present on failure
    code: string;
    message: string;
  };
}

错误代码

health_check

检查与LM Studio服务器的连接。

参数：无

退货：连接状态和基本URL

list_models

列出LM Studio中可用的所有下载的LLM模型。

参数：无

退货：模型信息对象数组，包含：

• modelKey：用于加载的型号标识符
• path：模型的相对路径
• displayName：人类可读的模型名称
• sizeBytes：大小（字节）
• architecture：模型架构（如果可用）
• quantization：量化类型（如果可用）

list_loaded_models

列出内存中当前加载的所有模型。

参数：无

退货：加载的模型信息数组，包含：

• identifier：实例标识符
• modelKey：型号密钥
• path：模型路径
• displayName：人类可读名称
• sizeBytes：大小（字节）
• vision：模型是否支持愿景
• trainedForToolUse：模型是否经过工具使用培训

load_model

将模型加载到内存中。

参数:

• model （必填）：要加载的模型密钥（例如。， llama-3.2-3b-instruct)
• identifier （可选）：加载实例的自定义标识符
• contextLength （可选）：以令牌为单位的上下文窗口大小（最小值：1）
• evalBatchSize （可选）：令牌处理的批量大小（最小值：1）

退货：加载模型详细信息（标识符、modelKey、路径）的成功状态

unload_model

从内存中卸载模型。

参数:

• identifier （必填）：要卸载的加载模型的标识符

退货：成功状态

get_model_info

获取加载模型的详细信息。

参数:

• identifier （必填）：加载模型的标识符

退货：模型详细信息，包括标识符、modelKey、路径、displayName、sizeBytes、contextLength

发展

# Build the project
npm run build

# Run in development mode with auto-reload
npm run dev

# Type check without emitting
npm run typecheck

# Run tests
npm test

# Lint
npm run lint

# Format
npm run format:check
npm run format

发布过程

该项目包括 make release 自动发布命令：

# Create a new release (runs CI, sets version, commits, tags, publishes to npm and Docker Hub)
make release VERSION=

# Example:
make release VERSION=1.0.5

这将运行完整的发布管道：

1. CI检查（棉绒、类型检查、测试）
2. 在中设置版本 package.json
3. 提交版本升级
4. 创建带注释的git标签(v)
5. 发布到npm
6. 构建Docker镜像并将其推送到Docker Hub

项目结构

src/
├── index.ts              # MCP server entry point
├── client.ts             # LM Studio client wrapper
├── types.ts              # Shared types and result helpers
└── tools/
    ├── index.ts          # Tool exports
    ├── health-check.ts   # Health check tool
    ├── list-models.ts    # List downloaded models
    ├── list-loaded-models.ts
    ├── load-model.ts
    ├── unload-model.ts
    └── get-model-info.ts

建筑

• 一致的结果：所有工具返回相同的结果 ToolResult 信封
• 安全包装：工具处理程序被包装以捕获异常并返回错误有效载荷
• 延迟配置：环境变量在运行时读取，而不是在模块加载时读取
• Singleton客户端：重用单个LM Studio客户端实例

许可证

国际协调委员会