MCP开发框架
一个强大的MCP（Model Context Protocol）开发框架，用于创建与大语言模型交互的自定义工具。该框架提供了一套完整的工具集，可以轻松地扩展Cursor IDE的功能，实现网页内容获取、文件处理（PDF、Word、Excel、CSV、Markdown）以及AI对话等高级功能。它具有强大的MCP工具扩展能力，使开发者能够快速构建和集成各种自定义工具。
🔥 最新特性：文档图片内容显示与理解
最新版本现在支持在PDF和Word文档处理中，直接返回原始图片内容并进行OCR识别，使大语言模型能够同时理解文档中的文本和图像内容：
- 图片内容直接显示：文档中的图表、图像等可以直接在对话中显示，无需额外工具
- OCR文本识别：自动提取图片中的文字内容，支持中英文多语言
- 图片内容理解：大模型可以"看到"文档中的图片，并基于图片内容进行分析和回答
- 完整文档内容返回：真正实现文档的全内容理解，包括文本、表格和图像
这使得AI模型能够更全面地理解和分析文档内容，特别是对于包含图表、表单、流程图或其他可视化信息的文档尤为有价值。
主要功能
点击展开查看框架提供的核心功能
本框架提供了以下核心功能：
1. 综合文件处理
使用parse_file工具可以自动识别文件类型并选择合适的处理方式，支持PDF、Word、Excel、CSV和Markdown文件。
- 用法:
parse_file /path/to/document - 支持格式:
- PDF文件 (.pdf) - Word文档 (.doc, .docx) - Excel文件 (.xls, .xlsx, .xlsm) - CSV文件 (.csv) - Markdown文件 (.md)
- 参数:
file_path- 文件的本地路径 - 返回: 根据文件类型返回相应的处理结果
2. PDF文档处理
使用parse_pdf工具可以处理PDF文档，支持两种处理模式：
- 用法:
parse_pdf /path/to/document.pdf [mode] - 参数:
- file_path - PDF文件的本地路径 - mode - 处理模式（可选）： - quick - 快速预览模式，仅提取文本内容 - full - 完整解析模式，提取文本、图片内容和OCR文本（默认）
- 返回:
- 快速预览模式：文档的文本内容 - 完整解析模式：文档的文本内容、原始图片和OCR识别结果
3. Word文档解析
使用parse_word工具可以解析Word文档，提取文本、表格和图片信息。
- 用法:
parse_word /path/to/document.docx - 功能: 解析Word文档并提取文本内容、表格和图片
- 参数:
file_path- Word文档的本地路径 - 返回: 文档的文本内容、表格和原始图片
- 特点: 同时提供文档内嵌图像的显示和分析功能
4. Excel文件处理
使用parse_excel工具可以解析Excel文件，提供完整的表格数据和结构信息。
- 用法:
parse_excel /path/to/spreadsheet.xlsx - 功能: 解析Excel文件的所有工作表
- 参数:
file_path- Excel文件的本地路径 - 返回:
- 文件基本信息（文件名、工作表数量） - 每个工作表的详细信息： - 行数和列数 - 列名列表 - 完整的表格数据
- 特点:
- 使用pandas和openpyxl提供高质量的表格数据处理 - 支持多工作表处理 - 自动处理数据类型转换
5. CSV文件处理
使用parse_csv工具可以解析CSV文件，提供完整的数据分析和预览功能。
- 用法:
parse_csv /path/to/data.csv - 功能: 解析CSV文件并提供数据分析
- 参数:
- file_path - CSV文件的本地路径 - encoding - 文件编码格式（可选，默认自动检测）
- 返回:
- 文件基本信息（文件名、行数、列数） - 列名列表 - 数据预览（前5行） - 描述性统计信息
- 特点:
- 自动编码检测 - 支持多种编码格式（UTF-8、GBK等） - 提供数据统计分析 - 智能数据类型处理
6. Markdown文件解析
使用parse_markdown工具可以解析Markdown文件，提取文本内容、标题结构和列表等信息。
- 用法:
parse_markdown /path/to/document.md - 功能: 解析Markdown文件并提取标题结构、列表和文本内容
- 参数:
file_path- Markdown文件的本地路径 - 返回:
- 文件基本信息（文件名、大小、修改时间等） - 标题结构层级展示 - 内容元素统计（代码块、列表、链接、图片、表格等） - 原始Markdown内容
- 特点:
- 自动识别各级标题和结构 - 智能统计内容元素 - 完整的标题层级展示
7. 网页内容获取
使用url工具可以获取任何网页的内容。
- 用法:
url https://example.com - 参数:
url- 要获取内容的网站URL - 返回: 网页的文本内容
- 特点:
- 完整的HTTP错误处理 - 超时管理 - 自动编码处理
8. MaxKB AI对话
使用maxkb工具可以与MaxKB API进行交互，实现智能对话功能。
- 用法:
maxkb "您的问题或指令" - 功能: 发送消息到MaxKB API并获取AI回复
- 参数:
- message - 要发送的消息内容（必需） - re_chat - 是否重新开始对话（可选，默认false） - stream - 是否使用流式响应（可选，默认true）
- 返回: AI的回复内容
- 特点:
- 支持流式响应 - 自动重试机制 - 完整的错误处理 - 60秒超时保护 - 保持连接配置优化
技术特点
本框架采用了多种技术来优化文件处理性能：
- 智能文件类型识别
- 自动根据文件扩展名选择合适的处理工具 - 提供统一的文件处理接口
- 高效的文档处理
- PDF处理：支持快速预览和完整解析两种模式 - Word处理：精确提取文本、表格和图片 - Excel处理：高效处理大型表格数据
- 强大的MCP工具扩展能力
- 插件化架构设计，易于扩展 - 统一的工具注册和调用接口 - 支持同步和异步工具开发 - 丰富的工具开发API和辅助函数
- 内存优化
- 使用临时文件管理大型文件 - 自动清理临时资源 - 分块处理大型文档
- 错误处理
- 完整的异常捕获和处理 - 详细的错误信息反馈 - 优雅的失败处理机制
项目结构
本框架采用模块化设计，便于扩展和维护：
mcp_tool/
├── tools/
│ ├── __init__.py # 定义工具基类和注册器
│ ├── loader.py # 工具加载器，自动加载所有工具
│ ├── file_tool.py # 综合文件处理工具
│ ├── pdf_tool.py # PDF解析工具
│ ├── word_tool.py # Word文档解析工具
│ ├── excel_tool.py # Excel文件处理工具
│ ├── csv_tool.py # CSV文件处理工具
│ ├── markdown_tool.py # Markdown文件解析工具
│ ├── url_tool.py # URL工具实现
│ └── maxkb_tool.py # MaxKB AI对话工具
├── __init__.py
├── __main__.py
└── server.py # MCP服务器实现开发指南
如何开发新工具
- 在
tools目录下创建一个新的Python文件，如your_tool.py - 导入必要的依赖和基类
- 创建一个继承自
BaseTool的工具类 - 使用
@ToolRegistry.register装饰器注册工具 - 实现工具的
execute方法
工具模板示例
import mcp.types as types
from . import BaseTool, ToolRegistry
@ToolRegistry.register
class YourTool(BaseTool):
"""您的工具描述"""
name = "your_tool_name" # 工具的唯一标识符
description = "您的工具描述" # 工具的描述信息，将显示给用户
input_schema = {
"type": "object",
"required": ["param1"], # 必需的参数
"properties": {
"param1": {
"type": "string",
"description": "参数1的描述",
},
"param2": {
"type": "integer",
"description": "参数2的描述（可选）",
}
},
}
async def execute(self, arguments: dict) -> list[types.TextContent | types.ImageContent | types.EmbeddedResource]:
"""执行工具逻辑"""
# 参数验证
if "param1" not in arguments:
return [types.TextContent(
type="text",
text="Error: Missing required argument 'param1'"
)]
# 获取参数
param1 = arguments["param1"]
param2 = arguments.get("param2", 0) # 获取可选参数，提供默认值
# 执行工具逻辑
result = f"处理参数: {param1}, {param2}"
# 返回结果
return [types.TextContent(
type="text",
text=result
)]部署指南
环境变量配置
在.env文件中配置以下环境变量：
# Server Configuration
MCP_SERVER_PORT=8000 # 服务器端口
MCP_SERVER_HOST=0.0.0.0 # 服务器主机
# 鉴权配置
MCP_AUTH_URL=http://170.106.105.206:4000/users # 鉴权服务地址
# MaxKB配置
MAXKB_HOST=http://host.docker.internal:8080 # MaxKB API主机地址
MAXKB_CHAT_ID=your_chat_id_here # MaxKB聊天ID
MAXKB_APPLICATION_ID=your_application_id_here # MaxKB应用ID
MAXKB_AUTHORIZATION=your_authorization_key # MaxKB授权密钥
# 调试模式
DEBUG=false # 是否启用调试模式
# 用户代理
MCP_USER_AGENT="MCP Test Server (github.com/modelcontextprotocol/python-sdk)"
# 本地目录挂载配置
HOST_MOUNT_SOURCE=/path/to/your/local/directory # 本地目录路径
HOST_MOUNT_TARGET=/host_files # 容器内挂载路径本地目录挂载
框架支持将本地目录挂载到容器中，以便工具可以访问本地文件。配置方法：
- 在
.env文件中设置HOST_MOUNT_SOURCE和HOST_MOUNT_TARGET环境变量 HOST_MOUNT_SOURCE是你本地机器上的目录路径HOST_MOUNT_TARGET是容器内的挂载路径（默认为/host_files）
使用工具时，可以直接引用本地文件路径，框架会自动将其转换为容器内的路径。例如：
# 使用PDF工具处理本地文件
pdf "/Users/username/Documents/example.pdf"
# 框架会自动将路径转换为容器内路径
# 例如："/host_files/example.pdf"这样，你就可以在不修改工具代码的情况下，轻松访问本地文件。
Docker部署（推荐）
- 初始设置：
# 克隆仓库
git clone https://github.com/aigo666/mcp-framework.git
cd mcp-framework
# 创建环境文件
cp .env.example .env- 使用Docker Compose：
# 构建并启动
docker compose up --build -d
# 查看日志
docker compose logs -f
# 管理容器
docker compose ps
docker compose pause
docker compose unpause
docker compose down- 访问服务：
- SSE端点: http://localhost:8000/sse
- Cursor IDE配置：
- 设置 → 功能 → 添加MCP服务器
- 类型: "sse"
- URL:
http://localhost:8000/sse?token=(替换 `` 为您的 JWT Token)
鉴权配置
点击展开查看详细的鉴权配置信息
SSE 服务现在支持 API 鉴权机制，每个请求都需要携带有效的认证信息：
- 配置鉴权服务地址：
- 在 .env 文件中设置 MCP_AUTH_URL 环境变量（默认为 http://170.106.105.206:4000/users 该鉴权地址仅供测试，不保证长期稳定，建议使用以下项目自行部署）
- 客户端配置：
- 在 Cursor 插件中配置时，需要在 URL 中添加 token 查询参数 - 格式为 http://your-server:8000/sse?token= - 服务器会自动将 token 转换为 Bearer 格式发送到鉴权服务
- 鉴权流程：
- 当 SSE 服务收到请求时，会从 URL 中提取 token 参数 - 然后向配置的鉴权地址发送请求，并传递 Authorization: Bearer 头 - 只有鉴权成功（返回 200 状态码）的请求才会被处理 - 鉴权失败的请求会收到 401 Unauthorized 响应
- 推荐JWT鉴权服务：
- 我们推荐使用Jason Watmore的Node.js JWT鉴权服务作为参考实现 - 详细文档和示例代码：https://jasonwatmore.com/nodejs-jwt-authentication-tutorial-with-example-api - 该实现提供了完整的用户注册、登录、令牌生成和验证功能 - 可以无缝集成到本框架的鉴权流程中
部署方式
传统Python部署
- 安装系统依赖：
# Ubuntu/Debian
sudo apt-get update
sudo apt-get install -y poppler-utils tesseract-ocr tesseract-ocr-chi-sim
# macOS
brew install poppler tesseract tesseract-lang
# Windows
# 1. 下载并安装Tesseract: https://github.com/UB-Mannheim/tesseract/wiki
# 2. 将Tesseract添加到系统PATH- 安装Python依赖：
# 创建虚拟环境
python -m venv venv
source venv/bin/activate # Linux/Mac
# 或
.\venv\Scripts\activate # Windows
# 安装依赖
pip install -r requirements.txt- 启动服务：
python -m mcp_tool依赖项
主要依赖：
mcp: Model Context Protocol实现PyMuPDF: PDF文档处理python-docx: Word文档处理pandas和openpyxl: Excel文件处理httpx: 异步HTTP客户端anyio: 异步I/O支持click: 命令行接口
贡献指南
- Fork仓库
- 创建功能分支 (
git checkout -b feature/amazing-feature) - 提交更改 (
git commit -m 'Add some amazing feature') - 推送到分支 (
git push origin feature/amazing-feature) - 打开Pull Request
许可证
本项目采用MIT许可证 - 详情请参阅LICENSE文件。