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：
| 变量 | 默认值 | 描述 |
|---|---|---|
LMSTUDIO_BASE_URL | （派生） | LM Studio的完整WebSocket URL |
LMSTUDIO_HOST | 127.0.0.1 | LM Studio主机（如果未设置BASE_URL，则使用） |
LMSTUDIO_PORT | 1234 | LM Studio端口（如果未设置BASE_URL，则使用） |
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:latestMCP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
| 代码 | 描述 |
|---|---|
MODEL_NOT_FOUND | 请求的模型不存在 |
MODEL_NOT_LOADED | 当前未加载模型 |
CONNECTION_FAILED | 无法连接到LM Studio |
INVALID_INPUT | 提供的参数无效 |
LOAD_FAILED | 加载模型失败 |
UNLOAD_FAILED | 卸载模型失败 |
UNKNOWN | 意外错误 |
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：
- CI检查（棉绒、类型检查、测试）
- 在中设置版本
package.json - 提交版本升级
- 创建带注释的git标签(
v) - 发布到npm
- 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
