Ollama_MCP_Guidance

快速开始： 如果您正在通过 LLM（如 Claude）使用本项目，请首先让 LLM 调用 get_started_guide 工具。 这个入门指南将帮助 LLM 全面了解项目，从而为您提供更好的服务。

基于 MCP (Model Context Protocol) 的 Ollama API 交互服务。该项目提供了一个标准化的接口，用于与 Ollama 服务进行交互，并为 LLM 提供智能化的 API 调用指导。

项目状态说明：

• 这是一个 Cursor MCP Server 项目，目前仅支持在 Cursor 中使用
• 项目处于开发阶段，尚未实现 Ollama 的所有 API 端点
• 项目文档和注释采用中英双语，未来将统一为英文（并提供中文文档备份）

功能特点

• 标准化的 JSON 响应格式
• 完整的错误处理和状态反馈
• 详细的性能指标统计
• 简单的配置管理
• 内置的 API 文档导航

使用环境

• 本项目设计为 Cursor IDE 的 MCP 服务
• 需要在 Cursor 中通过 MCP 协议调用
• 不提供独立的客户端实现

安装

1. 确保已安装 Python 3.10 或更高版本
2. 安装 Ollama
3. 安装项目：

# 安装 uv（推荐）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 创建并激活虚拟环境
uv venv
source .venv/bin/activate  # Linux/macOS
# 或
.venvScriptsactivate  # Windows

# 安装依赖
uv pip install .

配置

项目使用 config.json 进行配置，主要配置项包括：

{
    "ollama": {
        "host": "http://localhost:11434",  // Ollama 服务地址
        "timeout": 30,                     // 请求超时时间（秒）
        "user_agent": "Ollama_MCP_Guidance/1.0"     // 请求标识
    },
    "api_doc": {
        "max_length": 8000,                // 文档内容最大长度
        "file_path": "ollama-api.md"       // API 文档路径
    }
}

使用

重要提示： 如果您正在与 AI 助手交互，请确保它已经调用了 get_started_guide 工具。 这个入门指南包含了完整的使用说明和最佳实践，可以帮助 AI 更好地理解您的需求并提供准确的帮助。

1. 创建运行脚本

由于 Cursor MCP 需要从默认命令行环境中执行单条命令，建议创建一个自定义运行脚本。创建 ollama-mcp-cli 文件（以下以 macOS/Linux 为例）： （如果有不理解的地方，请提供信息，让AI来帮助你）

#!/bin/bash

# 虚拟环境配置
# 如果使用 conda，取消下面的注释并修改路径
# CONDA_PATH="你的conda路径/etc/profile.d/conda.sh"
# if [ -f "$CONDA_PATH" ]; then
#     source "$CONDA_PATH"
#     conda activate 你的环境名称
# fi

# 项目路径配置
PROJECT_PATH="你的项目路径/Ollama_MCP_Guidance"
if [ ! -d "$PROJECT_PATH" ]; then
    echo "Error: Project directory not found at $PROJECT_PATH"
    exit 1
fi

# 运行程序
cd "$PROJECT_PATH"
source .venv/bin/activate  # 激活 uv 虚拟环境
python ollama_mcp_server.py "$@"

然后设置脚本权限：

chmod +x ollama-mcp-cli

注意：Windows 用户需要创建 ollama-mcp-cli.bat 文件，内容相应调整。

2. 在 Cursor 中配置

1. 启动 Ollama 服务
2. 在 Cursor 的 MCP 配置中，使用以下命令：

/完整路径/ollama-mcp-cli

提示：如果将脚本放在系统的可执行文件路径中（如 /usr/local/bin/），则可以直接使用脚本名称：

ollama-mcp-cli

3. 基本功能示例

本节待修改

1. 查看可用模型：

result = await get_ollama_list()

2. 简单对话：

response = await simple_chat(
    model="llama2",
    prompt="你好，请介绍一下自己"
)

3. 生成文本嵌入：

embeddings = await post_generate_embeddings(
    model="nomic-embed-text",
    text=["这是一段示例文本"]
)

支持的功能与限制

API 端点支持状态

端点	方法	功能介绍	特性支持	工具名称
-	-	项目入门指南 不想读枯燥的表格？让 AI 来帮你！ 尝试让你的 AI 助手运行 get_started_guide 工具吧！	- 智能项目导航 - 个性化功能推荐 - 最佳实践指导	get_started_guide
/api/version	GET	获取Ollama服务器版本	- 单次响应 - 包含构建信息	get_ollama_version
/api/tags	GET	获取已安装模型列表	- 完整响应 - 包含模型元数据	get_ollama_list
/api/ps	GET	查看运行中的模型	- 实时状态 - 资源使用数据	get_running_models
/api/show	POST	获取模型详细信息	- 详细模式 - 完整配置信息	post_show_model
/api/chat	POST	对话式交互功能	- 流式输出 - 多轮对话 - 系统提示词 - 图像输入	simple_chat
/api/generate	POST	基础文本生成	- 流式输出 - 上下文管理 - raw模式 - 模型JSON格式输出 - 工具JSON包装	simple_generate
/api/embed	POST	生成文本向量表示	- 批量处理 - 固定维度输出	post_generate_embeddings
/api/embeddings	POST	生成文本向量表示（已弃用）	- 批量处理 - 固定维度输出 - 已被 /api/embed 替代	post_generate_embeddings
/api/copy	POST	创建模型副本	- 原子操作 - 跨版本复制	未实现（管理员权限）
/api/pull	POST	下载并安装模型	- 进度反馈 - 断点续传 - 版本管理	未实现（管理员权限）
/api/delete	DELETE	移除指定模型	- 不可逆操作 - 释放资源	未实现（管理员权限）
/api/create	POST	创建新模型	- 模型创建 - 参数配置	未实现（管理员权限）
/api/blobs/:digest	HEAD	检查blob是否存在	- 二进制对象检查 - SHA256校验	未实现（管理员权限）
/api/blobs/:digest	POST	上传blob	- 二进制对象上传 - 大文件支持	未实现（管理员权限）

功能限制说明

1. 基础功能限制

   • 仅支持非流式响应（一次性返回结果）
   • 不支持多轮对话历史
   • 不支持系统提示词（system prompt）
   • 不支持上下文管理
   • 不支持 raw 模式和特定格式输出

2. 管理功能限制

   • 出于安全考虑，不支持以下管理员级别操作：
     • 模型复制（/api/copy）
     • 模型下载（/api/pull）
     • 模型删除（/api/delete）
   • 配置文件中的 API 端点路径请勿随意修改

3. 实验性功能

   • 图片处理功能尚未完全实现和测试，不建议在生产环境使用
   • 部分高级特性（如参数调优、模板定制）尚未实现

依赖要求

• Python >= 3.10
• httpx >= 0.28.1
• mcp[cli] >= 1.3.0

许可证

MIT License

友好提示：如果您正在使用这个项目，欢迎通过邮件 (shadowsinger.tp@gmail.com) 告诉我。这不是必须的，但我很乐意知道这个项目对您有帮助！

<目前项目是面向cursor mcp的server项目，没有client，因此仅建议用于cursor mcp> <目前项目是中文项目，注释中包含中文和英文内容，将在未来的某一个版本将注释全部改为英文，并提供中文注释文件备份方便中文用户> <目前项目没有完全实现ollama支持的所有api端点>

<添加对于项目功能和未实现功能的说明： 1.目前项目不支持流式传输 2.目前项目不支持图片处理（尽管有相关代码，但未完全实现并测试） 3.目前项目没有完全实现ollama支持的所有api端点 4.关于实现的功能，请把notes.md最后的表格复制到此readme中进行说明。>