Vibe MCP
一组用于增强人工智能辅助功能的模型上下文协议（MCP）服务器。由Vibe Coding构建。
概述
该存储库为MCP服务器提供了专门的工具，用于环境管理、代码执行等，以扩展AI助手。每个MCP服务器独立运行，并通过标准化的MCP协议与AI助手通信。
可用的MCP服务器
| 名称 | 描述 | 工具 |
|---|---|---|
| MCP 公寓 | 管理conda环境并在隔离环境中执行Python代码 | list_conda_environments, execute_python |
安装
先决条件
- Python 3.8或更高版本
- 已安装Conda/Miniconda（适用于Conda MCP）
- Cursor IDE或其他兼容MCP的客户端
再进行
pip install -r requirements.txt快速开始
1.克隆存储库
git clone
cd Vibe_MCPs2.安装要求
pip install -r requirements.txt3.配置您的MCP客户端
用于游标IDE
将MCP服务器添加到Cursor配置文件中：
位置: ~/.cursor/mcp.json （macOS/Linux）或 %USERPROFILE%\.cursor\mcp.json （Windows）
配置示例:
{
"mcpServers": {
"conda": {
"type": "stdio",
"command": "python",
"args": ["/absolute/path/to/Vibe_MCPs/mcps/conda_mcp/server.py"]
}
}
}重要：替换 /absolute/path/to/Vibe_MCPs 使用系统上此存储库的实际绝对路径。
看 cursor_config_example.json 举一个完整的例子。
4.重新启动MCP客户端
配置后，完全重新启动Cursor以加载MCP服务器。
MCP服务器文档
MCP 公寓
目的：管理conda环境并在其中执行Python代码。
特性:
- 列出所有可用的conda环境
- 在特定的conda环境中执行Python代码
- 每个工作目录的自动环境持久化
- 用户提示的智能环境选择
可用工具:
list_conda_environments
- 列出所有可用的conda环境及其名称和路径 - 无需参数 - 返回：JSON环境信息数组
execute_python
- 在指定的conda环境中执行Python代码 - 参数： - code （string，必填）：要执行的Python代码 - conda_env （字符串，可选）：要使用的环境名称或路径 - work_dir （string，必填）：当前工作目录 - 返回：执行结果，包括stdout、stderr和退出代码 - 具有自动环境持久性
详细文件：参见 mcps/conda_mcp/README.md
测试
运行测试以验证安装：
python tests/test_conda_mcp.py预期产量：
4/4 tests passed
🎉 All tests passed!项目结构
Vibe_MCPs/
├── mcps/ # MCP servers directory
│ └── conda_mcp/ # Conda environment management MCP
│ ├── __init__.py
│ ├── conda_manager.py # Core conda operations
│ ├── server.py # MCP server implementation
│ └── README.md # Detailed documentation
├── tests/ # Test files
│ └── test_conda_mcp.py
├── cursor_config_example.json # Example Cursor configuration
├── requirements.txt # Python dependencies
└── README.md # This file用法示例
在Cursor中配置后，您可以与AI助手进行交互：
You: List my conda environments
AI: [Calls list_conda_environments]
Available Conda Environments:
1. base (/Users/user/miniconda3)
2. ml-env (/Users/user/miniconda3/envs/ml-env)
3. data-science (/Users/user/envs/data-science)
You: Run this code in ml-env: import numpy as np; print(np.__version__)
AI: [Executes code in ml-env environment]
Output: 1.24.3发展
添加新的MCP服务器
- 在下创建新目录
mcps/ - 按照协议规范实现MCP服务器
- 在中添加测试
tests/目录 - 用新的服务器信息更新此README
- 将配置示例添加到
cursor_config_example.json
需求
此存储库中的所有MCP服务器都依赖于：
mcp：核心MCP协议库
看 requirements.txt 查看完整的依赖关系列表。
故障排除
常见问题
MCP服务器未加载
- 验证配置文件语法（必须是有效的JSON）
- 检查路径是否是绝对的，而不是相对的
- 确保安装了MCP包：
pip install mcp - 完全重新启动MCP客户端
- 检查客户端日志中的错误消息
导入错误
- 确保安装了所有依赖项：
pip install -r requirements.txt - 验证Python版本兼容性（3.8+）
Conda具体问题
- 验证conda是否已安装并位于PATH中：
which conda（macOS/Linux）或where conda（Windows） - 确保conda已初始化：
conda init - 手动列出环境以进行验证：
conda env list
有关详细的故障排除，请参阅各自目录中的各个MCP服务器文档。
贡献
欢迎投稿！拜托：
- 分叉存储库
- 创建要素分支
- 添加新功能的测试
- 更新文档
- 提交拉取请求
许可证
MIT许可证-有关具体的许可信息，请参阅各个MCP服务器。
关于
由Vibe Coding构建，通过模型上下文协议扩展AI助手功能。
有关MCP的更多信息，请访问：https://modelcontextprotocol.io