Token导航 LogoToken导航TokenDH.com
Weekend Wizard logo
AI代理stdio官方级别未说明来源级核验

Weekend Wizard

MCP Server

Weekend Wizard是一个基于CLI的AI代理,通过工具调用(MCP)和规划→执行架构,使用本地LLM(Ollama)为用户提供周末活动建议,包括天气查询、书籍推荐、笑话、狗图片和趣味知识等功能。

工具数

5

提示词数

0

GitHub Stars

0

资源数

0
AI代理Python本地LLM命令行工具

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

PS-Vishvesh-Jasani

提供方

PS-Vishvesh-Jasani

最后核验

2026/5/17 20:22

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

python -m venv .venv

详细介绍

🧙‍♂️ 周末巫师

周末巫师是 基于CLI的AI代理 计划舒适的周末想法 工具调用(MCP) 和一个 规划器→ 执行者 建筑。它在本地运行,使用 奥拉玛 (使用Mistral 7B),可以调用天气查询、书籍推荐、笑话、狗图片和琐事等工具。

该项目展示了 鲁棒代理循环 这避免了常见的LLM故障(如部分输出,如 1)通过将计划与执行分开。

______________________________________________________________________

✨ 特性

  • 交互式CLI代理
  • 规划师→ 执行器设计(在小型型号上稳定)
  • 通过MCP(模型上下文协议)调用工具
  • 使用Ollama执行本地LLM
  • 防御性JSON解析和重试

可用工具(来自 server_fun.py):

  • get_weather(lat, lon)
  • book_recs(topic, limit)
  • random_joke()
  • random_dog()
  • trivia()

______________________________________________________________________

📁 项目结构

weekend-wizard/
│
├── agent_fun.py        # Main CLI agent (planner + executor)
├── server_fun.py       # MCP tool server (defines tools)
├── README.md           # Project documentation
└── .venv/              # (optional) virtual environment

______________________________________________________________________

🔧 需求

  • Python 3.10+ (用Python 3.13测试)
  • 奥拉玛 已安装并正在运行
  • 互联网连接(用于OpenLibrary和天气API)

______________________________________________________________________

🧠 LLM设置(Ollama)

  1. 从以下位置安装Olama:

https://ollama.com

  1. 拉动所需的模型:
   ollama pull mistral:7b
  1. 确认Ollama正在运行:
   ollama list

______________________________________________________________________

🐍 Python设置

1.️⃣ 创建虚拟环境(推荐)

python -m venv .venv

激活它:

  • 视窗
  .venv\Scripts\activate
  • macOS/Linux
  source .venv/bin/activate

2.️⃣ 安装依赖项

pip install -r requirements.txt

______________________________________________________________________

▶️ 如何跑步

基本执行

python agent_fun.py

指定自定义工具服务器文件(可选)

python agent_fun.py server_fun.py

跑步后,你会看到:

Connected tools: ['get_weather', 'book_recs', 'random_joke', 'random_dog', 'trivia']

然后与代理交互:

You: I want 2 book ideas about mystery

输出示例:

🔧 LLM called tool: book_recs
Agent:
1) The Hound of the Baskervilles – Arthur Conan Doyle
2) The Girl with the Dragon Tattoo – Stieg Larsson

类型 exitquit 停止。

______________________________________________________________________

🧩 工作原理(高级)

  1. 用户输入 去规划师LLM
  2. 规划师决定:

- 调用哪个工具 - 用什么论据

  1. MCP服务器执行该工具
  2. 工具结果被发送回LLM
  3. LLM格式化最终的自然语言答案

这种设计可以防止:

  • 部分输出(1, ok等等)
  • 无效的JSON崩溃
  • 无限工具循环

______________________________________________________________________

🛠 故障排除

❌ 代理人回应 1

  • 确保您正在使用 规划器→ 执行者版本agent_fun.py
  • 将Ollama温度设置为 0.0
  • 确认 mistral:7b 已安装

❌ JSON错误

  • 除非您理解代理合同,否则不要修改SYSTEM提示
  • 确保工具返回有效的JSON可序列化对象

❌ 未找到工具

  • 验证工具是否存在于 server_fun.py
  • 更改工具定义后重新启动代理

______________________________________________________________________

🚀 下一个想法

  • 添加内存(对话状态)
  • 添加工具使用跟踪/日志记录
  • 升级为多智能体规划师+评论家
  • 将Mistral替换为更大的模型(13B+)以获得更好的推理

______________________________________________________________________

📜 许可证

这个项目是为了学习和实验。

黑客快乐! 🎉

目录标签

目录标签

AI代理Python本地LLM命令行工具周末规划本地部署CLI工具工具调用

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

5

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP