MCP 自动化任务执行器
一个基于 MCP (Model Context Protocol) 的自动化任务执行应用，能够理解你的自然语言指令，自动生成、安装依赖并执行 Python 脚本来完成任务。
它是如何工作的？
在mcp客户端下达指令后（例如“帮我获取今天的天气并保存到 a.txt”），此mcp会执行以下步骤： 通过配置的大语言模型（本地ollama或者api）生成相应的 Python 代码 在环境中安装相应需要的依赖 在虚拟环境中执行这段代码以完成任务
使用教程
准备工作
- 确保你的电脑上已经安装了 Python 3.10+。
快速开始 (仅限 Linux)
对于 Linux 用户，提供了简易的一键安装配置脚本。
# 克隆项目
git clone https://github.com/SkyShadowHero/McpCoderRunner.git
cd McpCoderRunner
# 给予脚本执行权限
chmod +x first_launch.sh
# 运行脚本
./first_launch.sh
脚本会自动完成环境创建、依赖安装、配置引导，并最终测试启动服务。运行中会要求填写mcp_config.json(模型相关)并弹出import_mcp.json，可通过import_mcp.json里的示例导入进支持mcp的客户端如UOS Ai等
手动安装（Linux，Macos或Windows）
第一步: 克隆项目
git clone https://github.com/SkyShadowHero/McpCoderRunner.git
cd McpCoderRunner第二步: 创建和进入虚拟环境
### 创建虚拟环境 (推荐使用 uv)
#### 使用uv
uv venv
#### 使用python
python -m venv venv
### 进入环境
#### Windows (PowerShell)
.\venv\Scripts\Activate.ps1
#### Windows (CMD)
venv\Scripts\activate.bat
#### Mac / Linux
source venv/bin/activate第三步: 安装依赖
# 推荐使用 uv
uv pip install -r requirements.txt
# 或者使用 pip
pip install -r requirements.txt第四步: 配置大语言模型 (LLM)
首次运行main.py，如果 mcp_config.json 文件不存在，它会被自动创建。 打开 mcp_config.json 文件，根据以下内容进行修改。 使用本地 Ollama:
{
"llm_config": {
"model": "deepseek-coder-v2:16b",
"base_url": "http://127.0.0.1:11434",
"api_key": "ollama"
}
}使用在线 API (如 DeepSeek ):
{
"llm_config": {
"model": "deepseek-chat",
"base_url": "https://api.deepseek.com",
"api_key": "sk-xxxxxxxxxxxxxxxxxxxx"
}
}第五步: 测试运行 MCP 服务
python main.py第六步: 导入到 MCP 客户端
简单演示
此图为最新演示
获取bing今日美图
以下图中为Ollama的deepseek-coder-v2:16b+UOS AI+这个mcp服务
svg图片换色
把一个蓝色的b站小图标换为粉色
文字生成
在一个文本里生成一些废话
复杂任务
将MiSans字体中的天影大侠提取出来绘制为白色图片并添加黑色边框
当然python有无限的可能
写在最后
此代码部分由llm完成，参考价值不大 项目来源于deepin的 #MCP 探索家# 活动