MCP服务器聊天应用程序🚀
欢迎此聊天应用程序可以发现、推荐和集成MCP（模型上下文协议）服务器，以帮助您完成各种任务。
📹 演示视频
观看实际应用程序的演示： 织机视频
如何使用
1. 提问
简单描述一下你需要什么帮助。人工智能将分析您的查询，并推荐可以帮助您的相关MCP服务器。
2. 连接MCP服务器
当推荐使用服务器时，请使用以下方式连接它们：
connect 例如： connect time 或 connect filesystem
3. 使用已连接的工具
一旦连接，MCP服务器的工具就可供AI代理使用，使其能够帮助您完成更高级的任务！
可用命令
connect-连接MCP服务器list servers或servers-显示已连接的服务器
示例工作流程
时间查询：
- 问：“东京现在几点了？”
- 系统建议：
time服务器 - 连接：
connect time - 再次提问：“东京现在几点了？”（现在使用时间服务器）
文件操作：
- 询问：“列出当前目录中的文件”
- 系统建议：
filesystem服务器 - 连接：
connect filesystem - 询问：“阅读README文件”
首先问一个问题，我会推荐最好的MCP服务器来帮助你！ 💬
安装
先决条件
步骤1：克隆存储库
git clone
cd mcp-recommendation-ui步骤2：安装依赖项
使用 uv （推荐）：
uv sync这将安装中指定的所有Python依赖项 pyproject.toml.
步骤3：设置环境变量
创建一个 .env 项目根目录中的文件（或导出环境变量）：
export OPENAI_API_KEY="your-openai-api-key-here"或者创建一个 .env 文件：
echo "OPENAI_API_KEY=your-openai-api-key-here" > .env步骤4：（可选）填充矢量数据库
该应用程序使用矢量数据库对MCP服务器进行语义搜索。默认情况下，它使用本地策划列表。要用其他服务器填充矢量数据库，请执行以下操作：
# The vector database will be automatically populated when you first run the application
# or you can manually populate it by running the application and using the search features矢量数据库存储在 ./vector_db 并且将在首次使用时自动创建。
运行应用程序
启动聊天应用程序
从项目根目录：
uv run chainlit run src/app.py或者，如果您已激活虚拟环境：
chainlit run src/app.py应用程序将启动，您将看到如下输出：
Chainlit app is running at http://localhost:8000打开浏览器并导航到显示的URL（通常 http://localhost:8000).
以开发模式运行
对于自动重新加载的开发：
uv run chainlit run src/app.py --watch