Modelscope MCP Server

ModelScope MCP服务器

](https://pypi.org/project/modelscope-mcp-server) ](https://pepy.tech/projects/modelscope-mcp-server) ](https://github.com/modelscope/modelscope-mcp-server/blob/main/Dockerfile) ](https://github.com/modelscope/modelscope-mcp-server/pkgs/container/modelscope-mcp-server) 

英语| 中文

使人工智能代理和聊天机器人能够直接访问 模型范围的丰富的人工智能资源生态系统。从生成图像到发现前沿模型、数据集、应用程序和研究论文，这个MCP服务器使ModelScope的大量工具和服务可以通过简单的对话交互访问。

如需快速试用或托管选项，请访问 项目页面 位于ModelScope MCP广场。

✨ 特性

• 🎨 AI图像生成 -根据提示生成图像（文本到图像）或使用AIGC模型转换现有图像（图像到图像）
• 🔍 资源发现 -使用高级过滤选项搜索和发现ModelScope资源，包括模型、数据集、工作室（AI应用程序）、研究论文和MCP服务器
• 📋 资源详细信息 -获取特定资源的全面详细信息
• 📖 文档搜索 _（即将推出）_ -ModelScope文档和文章的语义搜索
• 🚀 Gradio API集成 _（即将推出）_ -调用任何预配置的ModelScope工作室公开的Gradio API
• 🔐 上下文信息 -访问当前操作上下文，包括经过身份验证的用户信息和环境详细信息

🚀 快速开始

1.获取您的API代币

1. 访问 模型范围 并登录您的帐户
2. 引导到 \[主页\]→ \[访问令牌\] 检索或创建API令牌

📖 有关详细说明，请参阅 ModelScope令牌文档

2.与MCP客户端集成

将以下JSON配置添加到MCP客户端的配置文件中：

{
  "mcpServers": {
    "modelscope-mcp-server": {
      "command": "uvx",
      "args": ["modelscope-mcp-server"],
      "env": {
        "MODELSCOPE_API_TOKEN": "your-api-token"
      }
    }
  }
}

或者，您可以使用预构建的Docker镜像：

{
  "mcpServers": {
    "modelscope-mcp-server": {
      "command": "docker",
      "args": [
        "run", "--rm", "-i",
        "-e", "MODELSCOPE_API_TOKEN",
        "ghcr.io/modelscope/modelscope-mcp-server"
      ],
      "env": {
        "MODELSCOPE_API_TOKEN": "your-api-token"
      }
    }
  }
}

请参阅 MCP JSON配置标准 了解更多详情。

这种格式在MCP生态系统中被广泛采用：

• 樱桃工作室：参见 Cherry Studio MCP配置
• 克劳德桌面：用途 ~/.claude/claude_desktop_config.json
• 光标：用途 ~/.cursor/mcp.json
• VS代码：使用工作区 .vscode/mcp.json
• 其他客户：许多MCP兼容应用程序都遵循此标准

🛠️ 发展

环境设置

1. 克隆和设置:

   git clone https://github.com/modelscope/modelscope-mcp-server.git
   cd modelscope-mcp-server
   uv sync

1. 激活环境 （或使用IDE）：

   source .venv/bin/activate  # Linux/macOS

1. 设置您的API令牌 （有关令牌设置，请参阅快速入门部分）：

   export MODELSCOPE_API_TOKEN="your-api-token"
   # Or create .env file: echo 'MODELSCOPE_API_TOKEN="your-api-token"' > .env

运行演示脚本

运行一个快速演示来探索服务器的功能：

uv run python demo.py

使用 --full 综合功能演示标志：

uv run python demo.py --full

在本地运行服务器

# Standard stdio transport (default)
uv run modelscope-mcp-server

# Streamable HTTP transport for web integration
uv run modelscope-mcp-server --transport http

# HTTP/SSE transport with custom port (default: 8000)
uv run modelscope-mcp-server --transport [http/sse] --port 8080

对于HTTP/SSE模式，请在MCP客户端配置中使用本地URL进行连接：

{
  "mcpServers": {
    "modelscope-mcp-server": {
      "url": "http://127.0.0.1:8000/mcp/"
    }
  }
}

您还可以使用以下命令调试服务器 MCP检查员 工具：

# Run in UI mode with stdio transport (can switch to HTTP/SSE in the Web UI as needed)
npx @modelcontextprotocol/inspector uv run modelscope-mcp-server

# Run in CLI mode with HTTP transport (can do operations across tools, resources, and prompts)
npx @modelcontextprotocol/inspector --cli http://127.0.0.1:8000/mcp/ --transport http --method tools/list

测试

# Run all tests
uv run pytest

# Run specific test file
uv run pytest tests/test_search_papers.py

# With coverage report
uv run pytest --cov=src --cov-report=html

🔄 持续集成

此项目使用GitHub Actions实现在每个推送和拉取请求上运行的自动化CI/CD工作流：

自动检查

• ✨ 棉绒 -使用预提交挂钩进行代码格式化、linting和样式检查
• 🧪 测试 -对所有支持的Python版本进行全面测试
• 🔍 CodeQL -安全漏洞扫描和代码质量分析
• 🔒 Gitleaks -检测密码、API密钥和令牌等机密

地方发展检查

在提交PR之前，在本地运行相同的检查：

# Install and run pre-commit hooks
uv run pre-commit install
uv run pre-commit run --all-files

# Run tests
uv run pytest

在中监视CI状态 操作选项卡.

📦 发布管理

该项目使用GitHub Actions进行自动发布管理。要创建新版本，请执行以下操作：

1. 更新版本 使用凹凸脚本：

   uv run python scripts/bump_version.py [patch|minor|major]
   # Or set specific version: uv run python scripts/bump_version.py set 1.2.3.dev1

1. 提交并标记 （按照脚本的输出说明进行操作）：

   git add src/modelscope_mcp_server/_version.py
   git commit -m "chore: bump version to v{version}"
   git tag v{version} && git push origin v{version}

1. 自动发布 -GitHub操作将自动：

- 创建新 - 将包发布到 PyPI存储库 - 构建并推送Docker镜像到

🤝 贡献

我们欢迎捐款！请确保您的PR：

• 包括相关测试并通过所有CI检查
• 更新新功能的文档
• 遵循常规提交格式

📚 参考文献

• 模型上下文协议 -MCP官方文件
• FastMCP v2 -高性能MCP框架
• MCP示例服务器 -社区服务器示例

📜 许可证

该项目根据 Apache许可证（2.0版）.