Vibe MCPs

一组用于增强AI助手能力的模型上下文协议（MCP）服务器。由Vibe-Coding构建。

概述

此仓库提供了扩展AI助手功能的MCP服务器，这些服务器具有环境管理、代码执行等功能。每个MCP服务器独立运行，并通过标准化的MCP协议与AI助手通信。

可用的MCP服务器

名称	描述	工具
Conda MCP	管理conda环境并在隔离环境中执行Python代码	list_conda_environments, execute_python

安装

先决条件

• Python 3.8或更高版本
• 安装了Conda/Miniconda（对于Conda MCP）
• Cursor IDE或其他兼容MCP的客户端

安装依赖项

pip install -r requirements.txt

快速开始

1. 克隆仓库

git clone <repository-url>
cd Vibe_MCPs

2. 安装需求

pip install -r requirements.txt

3. 配置您的MCP客户端

对于Cursor IDE

在您的Cursor配置文件中添加MCP服务器：

位置：~/.cursor/mcp.json（macOS/Linux）或%USERPROFILE%\.cursor\mcp.json（Windows）

示例配置：

{
  "mcpServers": {
    "conda": {
      "type": "stdio",
      "command": "python",
      "args": ["/absolute/path/to/Vibe_MCPs/mcps/conda_mcp/server.py"]
    }
  }
}

重要：将/absolute/path/to/Vibe_MCPs替换为您系统上此仓库的实际绝对路径。

参见cursor_config_example.json以获取完整示例。

4. 重启您的MCP客户端

配置完成后，请完全重启Cursor以加载MCP服务器。

MCP服务器文档

Conda MCP

目的：管理conda环境并在其中执行Python代码。

特性：

• 列出所有可用的conda环境
• 在特定conda环境中执行Python代码
• 根据工作目录自动持久化环境
• 使用用户提示进行智能环境选择

可用工具：

1. list_conda_environments

   • 列出所有可用的conda环境及其名称和路径
   • 不需要参数
   • 返回：环境信息的JSON数组

2. execute_python

   • 在指定的conda环境中执行Python代码
   • 参数：
     • code（字符串，必需）：要执行的Python代码
     • conda_env（字符串，可选）：使用的环境名称或路径
     • work_dir（字符串，必需）：当前工作目录
   • 返回：包括标准输出、标准错误和退出码的执行结果
   • 特性：自动环境持久化

详细文档：参见mcps/conda_mcp/README.md

测试

运行测试以验证安装：

python tests/test_conda_mcp.py

预期输出：

4/4 tests passed
🎉 所有测试通过！

项目结构

Vibe_MCPs/
├── mcps/                          # MCP服务器目录
│   └── conda_mcp/                 # Conda环境管理MCP
│       ├── __init__.py
│       ├── conda_manager.py       # 核心conda操作
│       ├── server.py              # MCP服务器实现
│       └── README.md              # 详细文档
├── tests/                         # 测试文件
│   └── test_conda_mcp.py
├── cursor_config_example.json     # 示例Cursor配置
├── requirements.txt               # Python依赖项
└── README.md                      # 此文件

使用示例

在Cursor中配置后，您可以与AI助手交互：

您：列出我的conda环境

AI：[调用list_conda_environments]
    可用的Conda环境：
    1. base (/Users/user/miniconda3)
    2. ml-env (/Users/user/miniconda3/envs/ml-env)
    3. data-science (/Users/user/envs/data-science)

您：在ml-env中运行这段代码：import numpy as np; print(np.__version__)

AI：[在ml-env环境中执行代码]
    输出：1.24.3

开发

添加新的MCP服务器

1. 在mcps/下创建一个新目录
2. 根据协议规范实现MCP服务器
3. 在tests/目录中添加测试
4. 更新此README中的新服务器信息
5. 将配置示例添加到cursor_config_example.json

要求

此仓库中的所有MCP服务器都依赖于：

• mcp：核心MCP协议库

参见requirements.txt以获取完整的依赖项列表。

故障排除

常见问题

MCP服务器未加载

• 验证配置文件语法（必须是有效的JSON）
• 检查路径是否为绝对路径而非相对路径
• 确保已安装MCP包：pip install mcp
• 完全重启您的MCP客户端
• 查看客户端日志中的错误消息

导入错误

• 确保已安装所有依赖项：pip install -r requirements.txt
• 验证Python版本兼容性（3.8+）

Conda特定问题

• 验证conda已安装并位于PATH中：which conda（macOS/Linux）或where conda（Windows）
• 确保conda已初始化：conda init
• 手动列出环境以验证：conda env list

有关详细的故障排除，请参阅各个MCP服务器目录中的文档。

贡献

欢迎贡献！请：

1. 分叉仓库
2. 创建功能分支
3. 为新功能添加测试
4. 更新文档
5. 提交拉取请求

许可

MIT许可 - 请参阅各个MCP服务器的具体许可信息。

关于

由Vibe-Coding构建，通过模型上下文协议扩展AI助手的能力。

更多关于MCP的信息，请访问：https://modelcontextprotocol.io