ChatMCP:基于 MCP 协议开发的 AI 聊天客户端,支持多语言和自动化安装 MCP 服务器

本文涉及的产品
NLP自然语言处理_高级版,每接口累计50万次
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_基础版,每接口每天50万次
简介: ChatMCP 是一款基于模型上下文协议(MCP)的 AI 聊天客户端,支持多语言和自动化安装。它能够与多种大型语言模型(LLM)如 OpenAI、Claude 和 OLLama 等进行交互,具备自动化安装 MCP 服务器、SSE 传输支持、自动选择服务器、聊天记录管理等功能。

❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发非常感兴趣,我会每日跟你分享最新的 AI 资讯和开源应用,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦


🚀 快速阅读

  1. 功能:支持与多种大型语言模型(LLM)进行交互,提供自动化安装 MCP 服务器等功能。
  2. 技术:基于模型上下文协议(MCP)和 SSE 技术,实现实时数据推送和智能对话。
  3. 应用:适用于客户服务、个人助理、教育和学习等多种场景。

正文(附运行示例)

ChatMCP 是什么

公众号: 蚝油菜花 - chatmcp

ChatMCP 是基于模型上下文协议(MCP)的 AI 聊天客户端,支持与各种大型语言模型(LLM)如 OpenAI、Claude 和 OLLama 等进行交互。它具备自动化安装 MCP 服务器、SSE 传输支持、自动选择服务器、聊天记录管理等功能,提供 MCP 服务器市场实现与不同数据源的聊天。

用户可以在设置页面配置 LLM API 密钥和端点,享受更好的用户界面设计。

ChatMCP 的主要功能

  • 与 MCP 服务器聊天:用户能直接与 MCP 服务器进行交互,发送和接收消息。
  • MCP 服务器市场:提供多种 MCP 服务器的集合,用户能从中选择并安装,实现与不同数据源的聊天。
  • 自动安装 MCP 服务器:简化 MCP 服务器的安装过程,用户无需手动配置。
  • SSE MCP 传输支持:支持服务器发送事件(Server-Sent Events),服务器能主动向客户端推送信息。
  • 自动选择 MCP 服务器:客户端能自动选择可用的 MCP 服务器进行连接。
  • 聊天记录管理:提供聊天记录的存储和管理功能,方便用户回顾历史对话。
  • 支持多种 LLM 模型:支持与 OpenAI、Claude、OLLama 等大型语言模型的集成。

ChatMCP 的技术原理

  • 模型上下文协议(MCP):ChatMCP 基于 MCP 协议,支持客户端向服务器发送请求,接收来自服务器的响应。
  • 大型语言模型(LLM)集成:ChatMCP 基于集成不同的 LLM,让客户端能理解和生成自然语言,提供智能对话能力。
  • API 密钥和端点配置:用户配置 LLM 的 API 密钥和端点,便于客户端与特定的 LLM 服务进行通信。
  • 服务器发送事件(SSE):基于 SSE 技术,ChatMCP 实现服务器向客户端的实时数据推送。
  • 数据库和日志管理:ChatMCP 用数据库存储聊天记录,基于日志文件记录应用的运行情况,方便调试和维护。

如何运行 ChatMCP

安装

  1. 确保系统中已安装 uvxnpx
    ```bash

    安装 uvx

    brew install uv

安装 npx

brew install node


2. 从 GitHub 仓库下载并安装 ChatMCP。
```bash
git clone https://github.com/daodao97/chatmcp.git
cd chatmcp
flutter pub get
flutter run -d macos
  1. 在设置页面配置 LLM API 密钥和端点。
  2. 从 MCP 服务器页面安装 MCP 服务器。
  3. 开始与 MCP 服务器聊天。

调试

  • 日志文件~/Library/Application Support/run.daodao.chatmcp/logs
  • 聊天记录数据库~/Documents/chatmcp.db
  • MCP 服务器配置文件~/Documents/mcp_server.json

重置应用可以使用以下命令:

rm -rf ~/Library/Application\ Support/run.daodao.chatmcp
rm -rf ~/Documents/chatmcp.db
rm -rf ~/Documents/mcp_server.json

资源


❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发非常感兴趣,我会每日跟你分享最新的 AI 资讯和开源应用,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦

相关文章
|
1月前
|
人工智能 OLAP 数据处理
解锁数仓内AI流水线,AnalyticDB Ray基于多模ETL+ML提效开发与运维
AnalyticDB Ray 是AnalyticDB MySQL 推出的全托管Ray服务,基于开源 Ray 的丰富生态,经过多模态处理、具身智能、搜索推荐、金融风控等场景的锤炼,对Ray内核和服务能力进行了全栈增强。
|
28天前
|
机器学习/深度学习 人工智能 前端开发
AI+Code驱动的M站首页重构实践:从技术债务到智能化开发
本文分享了阿里巴巴找品M站首页重构项目中AI+Code提效的实践经验。面对M站技术栈陈旧、开发效率低下的挑战,我们通过楼层动态化架构重构和AI智能脚手架,实现了70%首页场景的标准化覆盖 + 30%的非标场景的研发提速,开发效率分别提升90%+与40%+。文章详细介绍了楼层模板沉淀、AI辅助代码生成、智能组件复用评估等核心实践,为团队AI工程能力升级提供了可复制的方法论。
194 15
AI+Code驱动的M站首页重构实践:从技术债务到智能化开发
|
24天前
|
C# 图形学 开发者
Unity开发中使用UnityWebRequest从HTTP服务器下载资源。
总之,UnityWebRequest就是游戏开发者手中的万能钓鱼竿,既可以获取文本数据,也能钓上图片资源,甚至是那声音的涟漪。使用UnityWebRequest的时候,你需要精心准备,比如确定URL、配置请求类型和头信息;发起请求;巧妙处理钓获的数据;还需要机智面对网络波澜,处理各种可能出现的错误。按照这样的过程,数据的钓取将会是一次既轻松愉快也效率高效的编程钓鱼之旅。
79 18
|
2月前
|
人工智能 弹性计算 自然语言处理
Bolt.diy:AI全栈开发,一句话生成网站
Bolt.diy是一个AI驱动的Web开发工具,支持通过自然语言Prompt直接生成、编辑和部署全栈应用,无需本地环境配置。本次实验基于DeepSeek于2025年5月28日发布了DeepSeek-R1-0528升级版本,显著提升了编程能力。
Bolt.diy:AI全栈开发,一句话生成网站
|
23天前
|
数据采集 存储 人工智能
智能体(AI Agent)开发实战之【LangChain】(二)结合大模型基于RAG实现本地知识库问答
智能体(AI Agent)开发实战之【LangChain】(二)结合大模型基于RAG实现本地知识库问答
|
29天前
|
机器学习/深度学习 人工智能 运维
探讨AI数字人软件系统的开发与部署策略
随着科技发展,人工智能成为经济转型的关键驱动力,AI数字人软件系统在各行业广泛应用。本文探讨其开发与部署策略,助力企业和开发者参考。开发策略包括需求分析、技术选型、模块化设计、数据驱动及安全性保障;部署策略涵盖硬件环境、软件配置、分布式与云端部署以及运维保障,推动系统智能化与稳定性提升。
|
2月前
|
人工智能 自然语言处理 开发工具
HarmonyOS NEXT~鸿蒙开发能力:HarmonyOS SDK AI 全解析
本文深入解析HarmonyOS SDK中的AI功能集,涵盖分布式AI引擎、核心组件(NLP、计算机视觉等)及智能决策能力。通过代码示例与开发实践指南,帮助开发者掌握环境配置、性能调优及多场景应用(智能家居、移动办公等)。同时探讨性能优化策略与未来演进方向,助力构建高效分布式智能应用。
127 9
|
1月前
|
人工智能 API 开发者
智能体(AI Agent)开发实战之【LangChain】(一)接入大模型输出结果
LangChain 是一个开源框架,专为构建与大语言模型(LLMs)相关的应用设计。通过集成多个 API、数据源和工具,助力开发者高效构建智能应用。本文介绍了 LangChain 的环境准备(如安装 LangChain、OpenAI 及国内 DeepSeek 等库)、代码实现(以国内开源大模型 Qwen 为例,展示接入及输出结果的全流程),以及核心参数配置说明。LangChain 的灵活性和强大功能使其成为开发对话式智能应用的理想选择。
|
25天前
|
机器学习/深度学习 人工智能 自然语言处理
当无人机遇上Agentic AI:新的应用场景及挑战
本文简介了Agentic AI与AI Agents的不同、Agentic无人机的概念、应用场景、以及所面临的挑战
133 5
当无人机遇上Agentic AI:新的应用场景及挑战

热门文章

最新文章