Mkmchat MCP

MKMChat（真人快打移动助理）

Mortal Kombat Mobile的本地首个人工智能助手。

MKMChat结合了：

• Python后端（RAG+Ollama），
• HTTP API+MCP服务器，
• Laravel+Livewire网络应用程序。

所有推理都是通过Ollama在本地进行的。

主要特点

• 团队建议+装备建议
• 关于机制、策略和游戏系统的免费问答
• 解释机械流程（定义+实用建议）
• 通过捆绑的MKM知识文件进行RAG检索
• 在web应用程序中查询历史记录
• MCP兼容工具服务器模式

建筑

• mkmchat/：Python包（HTTP API+MCP+RAG+LLM集成）
• webapp/：通过调用Python API的Laravel web UI MkmApiService
• docker-compose.yml：完整的本地堆栈(ollama, python-api, webapp)

使用Docker运行（推荐）

1） 准备环境文件

从项目根：

cp .env.docker.example .env.docker
cp webapp/.env.docker.example webapp/.env.docker

2） 设置所需值

至少，在需要时确保这些匹配：

• MKM_API_KEY （中的强随机值相同 .env.docker 和 webapp/.env.docker；不要使用占位符）
• MKM_API_KEY_HEADER （两个文件中的值相同）
• OLLAMA_MODEL （例如 llama3.2:3b)
• APP_ENV / APP_DEBUG (production + false 最安全的默认值）

3） 启动堆栈

docker compose up -d --build

较大Ollama型号的资源说明（例如 deepseek-r1:32b):

• Docker桌面内存必须远远高于模型大小（建议：至少24 GB）。
• 必须为Docker Desktop+NVIDIA容器工具包/WSL集成启用GPU支持。
• 如果Docker报告的总内存低于实际需要，Ollama将只运行CPU，大型模型将无法加载。

在GPT 5.3-Codex的帮助下，部署了一个经过提炼的DeepSeek R1:14b模型：

docker compose exec ollama sh -lc "cat > /tmp/Modelfile.deepseek14b-fit " \
  -d '{"mechanic":"power drain","model":"llama3.2:3b"}'

如果您明确需要主机访问Python API进行调试，请将临时端口映射添加到 python-api 在 docker-compose.yml，然后在测试后将其移除。

健康终点注释

/health 受API密钥身份验证保护。从Docker网络内部查询，例如：

docker compose exec webapp curl http://python-api:8080/health \
  -H "X-API-Key: "

许可证

GNU GPL v3。看 LICENSE.