Chat MCP 服务器

“Chat MCP” MCP 服务器能做什么？

Chat MCP 是一个桌面聊天应用，利用模型上下文协议（MCP）与多种大型语言模型（LLMs）对接。基于 Electron 打造，支持跨平台，Chat MCP 允许用户连接和管理多个 LLM 后端，提供统一界面用于测试、交互和配置不同 AI 模型。其极简代码库帮助开发者和研究者理解 MCP 核心原理，快速原型开发不同服务器，简化涉及 LLM 的工作流。主要特性包括动态 LLM 配置、多客户端管理、轻松适配桌面与 Web 环境。

提示词列表

在可用的文档或仓库文件中未提及任何提示词模板。

资源列表

仓库或配置示例中未记录任何明确的 MCP 资源。

工具列表

仓库或 server.py 中未列出或描述任何具体工具（该仓库也不包含 server.py 文件或类似工具定义）。

此 MCP 服务器的应用场景

• 统一的 LLM 测试平台
  Chat MCP 使开发者能够在一个界面中快速配置和测试多个 LLM 提供商及模型，简化评估流程。

• 跨平台 AI 聊天应用
  支持 Linux、macOS 和 Windows，Chat MCP 可作为桌面聊天客户端，在任意主流操作系统上与 AI 模型交互。

• MCP 集成开发与调试
  其简洁代码库可作为构建或调试 MCP 兼容应用的参考或起点。

• MCP 教育工具
  项目极简设计非常适合用于学习模型上下文协议及 LLM 连接实验。

如何搭建

Windsurf

1. 安装 Node.js：从 nodejs.org 下载并安装 Node.js。
2. 克隆仓库：
   git clone https://github.com/AI-QL/chat-mcp.git
3. 编辑配置：
   修改 src/main/config.json，填写你的 LLM API 及 MCP 设置。
4. 安装依赖：
   npm install
5. 启动应用：
   npm start

JSON 配置示例：

{
    "chatbotStore": {
        "apiKey": "",
        "url": "https://api.aiql.com",
        "path": "/v1/chat/completions",
        "model": "gpt-4o-mini",
        "mcp": true
    }
}

注意： 建议通过环境变量或加密存储保护 API 密钥（配置本身不直接支持，但强烈推荐）。

Claude

1. 安装 Node.js：前往 nodejs.org 获取 Node.js。
2. 下载/克隆 Chat MCP。
3. 编辑 src/main/config.json，填写 Claude 兼容 API 地址及相关信息。
4. 运行 npm install。
5. 通过 npm start 启动应用。

JSON 示例：

{
    "chatbotStore": {
        "apiKey": "",
        "url": "https://anthropic.api.endpoint",
        "path": "/v1/messages",
        "model": "claude-3-opus",
        "mcp": true
    }
}

注意： 敏感信息请使用环境变量存储。

Cursor

1. 安装 Node.js。
2. 克隆 Chat MCP 仓库。
3. 更新 src/main/config.json，适配 Cursor 后端。
4. 安装依赖。
5. 启动应用。

JSON 示例：

{
    "chatbotStore": {
        "apiKey": "",
        "url": "https://cursor.api.endpoint",
        "path": "/v1/chat/completions",
        "model": "cursor-model",
        "mcp": true
    }
}

注意： API 密钥请使用环境变量存储。

Cline

1. 安装 Node.js。
2. 克隆仓库。
3. 编辑 src/main/config.json，填写 Cline API 信息。
4. 运行 npm install。
5. 使用 npm start 启动。

JSON 示例：

{
    "chatbotStore": {
        "apiKey": "",
        "url": "https://cline.api.endpoint",
        "path": "/v1/chat/completions",
        "model": "cline-model",
        "mcp": true
    }
}

注意： API 密钥建议通过环境变量保护。

API 密钥保护示例：

{
    "chatbotStore": {
        "apiKey": "${API_KEY}",
        "url": "https://api.example.com",
        "path": "/v1/chat/completions",
        "model": "your-model",
        "mcp": true
    }
}

在启动应用前，请将 API_KEY 设置到你的环境变量中。

如何在流程中使用此 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先在流程中添加 MCP 组件，并将其连接到你的 AI agent：

点击 MCP 组件打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式输入你的 MCP 服务器信息：

{
  "chat-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置后，AI agent 即可作为工具调用此 MCP，拥有其全部功能。请将 “chat-mcp” 替换为你的 MCP 服务器实际名称，URL 也请替换为你自己的 MCP 服务器地址。

概览

根据现有信息，Chat MCP 是一个简单、教育性强且灵活的 MCP 客户端，但在公开文档和设置中不具备高级 MCP 功能（如工具、资源、采样、roots）。其主要价值在于作为一个干净、易于修改的聊天前端，是 MCP 学习和更复杂集成的良好起点。

MCP 评分