使用 Ollama 、 DeepSeek和QWEN的模型上下文协议 (MCP) ，使用本地 LLM 教程的 MCP 服务器

最新推荐文章于 2025-04-29 20:59:04 发布
最新推荐文章于 2025-04-29 20:59:04 发布
阅读量351 收藏
点赞数
分类专栏： NVIDIA GPU和大语言模型开发教程 文章标签： 服务器 运维 人工智能 qwen2vl deepseek
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/iCloudEnd/article/details/147019271
版权

简介

模型上下文协议：MCP 服务器据称是 AI 领域的下一个重大改变者，它将使 AI 代理变得比我们想象的更加先进。
MCP 或模型上下文协议由 Anthropic 去年发布，它可以帮助 LLM 连接软件并对其进行控制。

但有一个问题

大多数 MCP 服务器都与 Claude AI 兼容，尤其是 Claude AI 桌面应用程序，但它们有自己的限制。

有没有办法我们可以使用本地 LLM 运行 MCP 服务器？

是的，在这个特定的逐步详细教程中，我们将探讨如何使用 Ollama 使用本地 LLM 的 MCP 服务器。

推荐文章

了解本专栏 订阅专栏 解锁全文
AI MCP教程之 什么是 MCP？利用本地 LLM 、MCP、DeepSeek 集成构建您自己的 AI 驱动工具
iCloudEnd的博客
03-09 483
模型上下文协议 (MCP) 是一个框架，使 LLM 能够与外部工具、数据源或系统进行交互。启用 MCP 的 LLM 不仅可以响应文本提示，还可以检索实时数据、触发脚本，甚至动态控制应用程序。通过将 MCP 与本地运行的 LLM 集成，您可以解锁一个强大的 AI 工具，它不仅可以生成内容，还可以对其采取行动，从而使自动化和上下文感知辅助更加无缝。
如何使用Ollama在本地运行Qwen3并支持MCP和工具使用
最新发布
独立开发，substack顶级编辑
05-03 39
将Qwen3与Qwen-Agent、MCP和Ollama结合使用，可以得到一个不依赖任何外部云服务的本地AI助手。您可以运行多轮对话，启用实时信息检索，并执行Python代码——全部在本地基础设施内完成。这使其成为开发人员、研究人员和产品团队的理想设置，特别是那些关注隐私、灵活性和可扩展性的人。随着Qwen3的不断发展，我们可以期待其对复杂任务的更强大支持和与自定义工具的无缝集成，为真正自主的本地AI代理铺平道路。
MCP实战-基于Ollama+qwen2.5以stdio方式实现MCP协议工具调用
AI agent
03-25 3625
基于Ollama+qwen2.5已stdio方式实现MCP协议工具调用
MCP实战-基于Ollama+qwen2.5以sse方式实现MCP协议工具调用
AI agent
03-26 2202
指导实现基于Ollama+qwen2.5以sse方式实现MCP协议工具调用
Ollama+MCP保姆级整合教程：三行代码调用大模型开发LLM应用
分享平时的学习心得和笔记
04-25 365
对于刚接触大模型开发的工程师来说，模型部署和应用开发之间的断层常常让人抓狂。Ollama+MCP保姆级整合教程：三行代码调用大模型开发LLM应用。一、为什么你的LLM应用开发需要Ollama+MCP？二、手把手环境搭建（Windows/Mac通用）三、快速实现天气查询助手（附完整代码）3.3 Ollama集成调用（模型层）3.2 MCP服务封装（服务层）3.1 示例工具开发（工具层）• 智能客服系统（接入知识库）五、避坑指南（实测经验）4.1 双缓冲队列配置。4.2 常用参数优化表。2.2 文件结构规划。
实战教程来了！从零开始打造MCP+Ollama集成
yanqianglifei的专栏
04-19 767
模型上下文协议MCP与Ollama的整合实现指南在过去一两个个月里，模型上下文协议（Model Context Protocol，MCP）频繁出现在各种技术微信交流群中。我们已经看到了许多很酷的集成案例，大家似乎相信这个标准会长期存在，因为它为大模型与工具或软件的集成设立了规范。前面一篇文章给大家分享了MCP一些基础概念，但是读完之后还是模棱两可，所以决定尝试将Ollama中的小型语言模型与MCP服务器连接起来，体验一下这个新标准。今天，向大家展示如何实现Ollama与MCP服务器的集成。
Ollama + MCP 深度整合指南：从模型到 LLM 应用开发全流程方案
分享平时的学习心得和笔记
04-25 1074
通过本文的教程，你已经掌握了如何将 Ollama 与 MCP 深度整合，打造一个功能强大的大语言模型应用。从环境准备、安装依赖、创建 MCP 服务器，到开发客户端、工具集成，再到优化与扩展，每一步都经过详细讲解，确保你能够轻松上手。如果你觉得这篇文章对你有帮助，欢迎在评论区留言交流，分享你的经验和心得！
Apifox 3月更新｜发布/分享的API文档全面升级、支持MCP、支持调试Ollama本地部署AI大模型接口、新增「鉴权组件」
04-01 1127
Apifox 在 3 月为大家带来了一大波新功能，赶快更新到最新版本一起体验吧！
大模型实战：LangGraph+MCP+Ollama：打造强大的多智能体聊天机器人
2401_85373691的博客
04-09 1146
如果你真的想学习大模型，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
一个Ollama+Cline+VSCode+qwen2.5-coder-cline+MCP的例子
gregmankiw的博客
03-17 646
【代码】一个Cline+VSCode+qwen2.5-coder+MCP的例子。
从零开始构建 Ollama + MCP 服务器
AI人工智能的学习之路
04-16 1421
本文详细介绍了如何将 Ollama 中的小型语言模型与本地 MCP 服务器进行集成。通过创建一个简单的 MCP 服务器并暴露工具，再利用客户端连接服务器获取工具定义并转换为 Pydantic 模型，最终将这些模型传递给 Ollama。Ollama 根据定义生成结构化响应，客户端通过后台线程和队列调用服务器工具。文章通过代码示例和详细步骤，展示了整个集成过程，并成功实现了从用户请求到工具调用再到获取结果的完整流程。
Chainlit集成LlamaIndex并使用ollama本地模型实现AI知识库检索网页对话应用
洛阳泰山的博客
11-24 1657
LlamaIndex是一个数据框架，它主要为基于大语言模型（LLM）的应用程序设计，允许这些应用程序摄取、结构化并访问私有或特定领域的数据。这种框架对于那些希望利用LLM的强大能力来处理自身专属数据集的组织来说尤其有用。由于大多数公开的大语言模型都是在大量的公共数据上训练的，它们缺乏对用户特定数据的理解，而这正是LlamaIndex发挥作用的地方。LlamaIndex支持Python和TypeScript，使得开发者可以通过使用这些编程语言来集成和操作数据。
使用SpringAI实现MCP服务并与Qwen集成使用
2401_85390073的博客
04-16 1017
01——MCP 介绍MCP（Model Context Protocol，模型上下文协议）是一种开放协议，旨在实现 大型语言模型（LLM） 应用与外部数据源、工具和服务之间的无缝集成，类似于网络中的 HTTP 协议或邮件中的 SMTP 协议。MCP 协议通过标准化模型与外部资源的交互方式，提升 LLM 应用的功能性、灵活性和可扩展性。MCP 的架构由四个关键部分组成：1、主机（Host）：主机是期望从服务器获取数据的人工智能应用，例如一个集成开发环境（IDE）、聊天机器人等。
实战解析MCP-使用本地的Qwen-2.5模型-AI协议的未来？
m0_61525039的博客
03-20 2534
近年来，随着大语言模型（LLM）在各类应用中的广泛使用，我们逐渐意识到：仅靠单一模型的能力，很难满足实际应用中对数据、工具、环境等多样化需求的不断增长。就在这种背景下，Anthropic 推出的模型上下文协议（Model Context Protocol，简称 MCP）悄然登场，它被誉为“为 AI 装上 USB-C 接口”的革命性标准，为 AI 工具整合带来了全新的思路。本文将深入探讨 MCP 是什么、为什么要使用 MCP，以及 MCP 与 LangChain 等其他技术的核心区别和应用前景。
Qwen-3深度解析：硬件配置、原生MCP功能及模型选择全面详解
2401_84494441的博客
04-29 1229
仅需1/3硬件成本，性能全面超越DeepSeek-R1模型！时隔半年，全新一代Qwen-3系列模型正式发布！在经历了Claude 3.7、Gemini 2.5和GPT-4.1模型发布后，Qwen-3模型再次扛起了全球开源大模型的大旗，性能一举追平全球最强Gemini 2.5 Pro模型，并且也是全球首款混合推理开源模型，同时还具备了极强的MCP能力！我们团队也是通宵进行了模型性能测试并制作了保姆级模型安装部署完整指南和代码⬇️进入社区即可领取～
探秘实时聊天神器：qwen.cpp
gitblog_00078的博客
05-21 659
探秘实时聊天神器：qwen.cpp qwen.cpp C++ implementation of Qwen-LM 项目地址: https://gitcode.com/gh_mirrors/qw/qwen.cpp ...
ollama 部署 deepseek-r1 70B 模型完整指南
Code1994的博客
02-07 2865
Ollama运行界面。
Deepseek教程（详细！！！）|使用Ollama下载Deepseek，并在Pycharm使用
热门推荐
BlueEstrella的博客
01-30 1万+
1. 打开Ollama官网/，根据自己的操作系统下载相应版本的安装文件(#^.^#)，我选择的是Windows版~2. 下载好后，直接双击打开安装文件，并点击“”安装。3.安装好后，在电脑的右下角的^，就可以看到一只可爱的羊驼，^0^咩~~~4.Ollama的默认安装路径为 C:\Users\用户名\AppData\Local\Programs\Ollama下图是Ollama在我的电脑中的位置*如果想将Ollama移动到别的盘符，需在环境变量中修改Path选项，添加Ollama文件绝对路径——
mcp服务器
03-21
<think>好的，用户想了解MCP服务器的配置和使用教程。首先，我需要回忆之前系统提供的引用内容，里面有关于配置MCP服务器的具体步骤和示例。根据引用1，用户需要在~/.codeium/windsurf/目录下创建mcp_config.json文件，结构类似于Claude Desktop的配置。比如Playwright MCP Server的配置示例，里面指定了command和args参数。 接下来，引用2和3提到Brave Search和DuckDuckGo的MCP服务器配置，说明不同的MCP服务可能需要不同的参数，但整体结构相似。用户可能希望了解通用的配置方法，以及如何应用到具体服务上。 我需要分步骤解释配置文件的创建位置、格式，以及如何添加不同的MCP服务器。比如，以Brave Search为例，展示具体的JSON配置，并说明每个字段的作用。同时，还要指导用户如何验证配置是否正确，可能涉及到启动服务和使用Cline进行测试。 另外，用户可能需要常见问题的解答，比如路径不存在怎么办，依赖未安装如何处理，以及如何扩展自定义功能。这些需要根据引用中的信息给出解决方案，比如创建目录，使用npx安装依赖，或者参考现有示例开发自己的MCP服务器。 最后，生成的相关问题应该覆盖配置验证、自定义服务器、路径问题等，帮助用户深入理解。需要确保回答结构清晰，步骤明确，并且引用正确，比如在提到配置步骤时引用[^1]，提到Brave Search时引用[^2]，自定义功能时引用[^3]。</think>### MCP服务器配置与使用教程 MCP（Managed Code Platform）服务器的核心功能是通过配置文件实现服务扩展，以下是具体操作步骤： 1. **创建配置文件** 在用户目录下建立配置文件： ```bash mkdir -p ~/.codeium/windsurf/ nano ~/.codeium/windsurf/mcp_config.json ``` 配置文件采用JSON格式，支持同时配置多个服务器。 2. **基础配置模板** 以Brave Search为例： ```json { "mcpServers": { "@brave-search-mcp": { "command": "npx", "args": ["-y", "@your_org/brave-search-mcp-server"] } } } ``` * `command`：执行命令（如node/npm/npx） * `args`：启动参数数组 3. **服务启动验证 ```bash cd ~/.codeium/windsurf/ npx @your_org/brave-search-mcp-server ``` 成功启动后会显示服务端口和状态信息。 4. **Cline客户端调用 在代码中通过MCP接口调用： ```javascript const response = await mcpClient.query('@brave-search-mcp', { query: "搜索关键词" }); ``` ### 常见问题解决 - **路径不存在**：手动创建`~/.codeium/windsurf/`目录 - **依赖缺失**：使用`npm install -g`安装对应MCP包 - **自定义功能**：可参考DuckDuckGo示例开发私有协议处理模块
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

知识大胖

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值