Model Context Protocol (MCP)
2025.05.01
0
PythonAI 助手开发自动化任务开发工具开发效率
mcp-learning 是一个基于 Model Context Protocol (MCP) 的服务器，旨在为 AI 应用提供工具集支持，特别是用于构建人工虚拟助手 (AVA)。它允许开发者通过自定义配置和工具集来增强 AI 应用的功能。
View on GitHub
Overview
基本能力
产品定位
mcp-learning 是一个用于增强 AI 应用功能的工具集服务器，特别适用于构建人工虚拟助手 (AVA)。
核心功能
- 工具集支持：为 AI 应用提供自定义工具集。
- Google OAuth 集成：支持通过 Google OAuth 进行身份验证，访问 Gmail API。
- 环境配置：支持通过
.env文件配置环境变量。 - 自定义行为：允许开发者通过修改
prompts/ava.md文件来自定义 AVA 的行为。
适用场景
- AI 助手开发：用于构建具有自定义功能的 AI 助手。
- 自动化任务：通过集成 Gmail API 实现邮件自动化处理。
- 开发工具：为开发者提供快速集成和测试 AI 工具的能力。
工具列表
- Google OAuth 工具：用于身份验证和访问 Gmail API。
- AVA 行为定制工具：通过
prompts/ava.md文件定制 AVA 的行为。 - 环境配置工具：通过
.env文件配置环境变量。
常见问题解答
- 如何保护敏感文件？：不要将
.env文件或token.json提交到版本控制，并确保 Google 凭证的安全。 - 如何授权 Google OAuth？：运行
uv run oauth.py进行授权。
使用教程
使用依赖
- 安装
uv： ```bash # Mac/Linux curl -LsSf https://astral.sh/uv/install.sh | sh
# Windows powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" ```
安装教程
- 克隆仓库。
- 运行开发模式测试：
bash uv run mcp dev mcp-server-example.py - 添加服务器配置到 AI 应用（如 Claude Desktop 或 Cursor）：
json { "mcpServers": { "AVA": { "command": "/Users/shawhin/.local/bin/uv", "args": [ "--directory", "/Users/shawhin/Documents/_code/_stv/sandbox/ava-mcp/", "run", "mcp-server-example.py" ] } } }
调试方式
- 运行
uv run oauth.py进行 Google OAuth 授权。 - 检查
.env文件和环境变量是否正确配置。 - 确保
token.json和credentials.json文件存在且路径正确。