mcp-server-agentic-toolkit

给你的 LLM 一个大脑、双手和记忆。 Give your LLM a Brain, Hands, and Memory.

一个 MCP Server，让 Claude Desktop、Cursor 等 LLM 客户端拥有持久化记忆、代码执行、网页浏览、定时任务和微信推送能力。

核心能力

记忆系统 — 让 AI 记住你

LLM 每次对话都是从零开始？有了记忆系统，你的 AI 能跨对话记住你的偏好、项目背景和历史决策。

场景: 你说"我喜欢 Python，项目用 FastAPI"，AI 会记住。下次你说"帮我写个接口"，它直接用 FastAPI + Python 风格生成。

用户: 记住我是一个数据科学家，偏好用 pandas
AI:   [调用 memorize] 已记住。
用户: 帮我分析这个 CSV
AI:   [调用 recall] 你是数据科学家 → 自动用 pandas 读取并分析

代码沙箱 — 安全地运行代码

在 Docker 隔离环境中执行 Python / JavaScript / Bash，不怕搞坏系统。

场景: "帮我算一下这组数据的平均值和标准差" → AI 直接写 Python 在沙箱里运行，返回结果。

网页浏览 — 让 AI 能上网

自动抓取网页内容、截取截图、搜索信息。

场景: "查一下今天 GitHub Trending 上最热门的 Python 项目" → AI 搜索 → 抓取 → 汇报。

定时任务 + 微信推送 — 让 AI 主动找你

设置 cron 定时任务，执行结果通过微信公众号模板消息推送到你的手机。

场景: "每天早上 9 点查天气推送到我微信" → 设置 cron → 每天自动查询并推送。

你:  每天 9 点提醒我今天天气
AI:  [设置 schedule_task + notify 回调]
     ↓ 每天 9:00 自动执行
     [搜索天气] → [调用 notify] → 微信收到消息: "北京晴 22°C"

记忆导出 — 一键备份

把所有记忆导出为 Markdown 文件，方便查阅、备份和迁移。

你:  导出所有记忆
AI:  [调用 export_memories] → 生成 memories_export_20260409.md

快速开始

1. 安装

pip install mcp-server-agentic-toolkit

2. 配置 MCP 客户端

在 ~/.claude/claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "agentic-toolkit": {
      "command": "python",
      "args": ["-m", "mcp_agentic_toolkit"]
    }
  }
}

首次运行会自动在 ~/.agentic-toolkit/ 创建默认配置。

3. 验证

npx @modelcontextprotocol/inspector python -m mcp_agentic_toolkit

使用示例

场景 1：研究助手

你:  帮我调研 2026 年最流行的 Python Web 框架
AI:  [search] 搜索最新信息
     [browse] 抓取各框架官网和文档
     [memorize] 保存调研结果到记忆
     [run_code] 整理对比表格
     → 给你一份完整的框架对比报告

场景 2：每日天气推送到微信

// 通过 schedule_task 设置定时任务
{
  "name": "每日天气",
  "cron": "0 9 * * *",
  "tool_name": "search",
  "arguments": {"query": "北京今天天气"}
}

微信推送需要在配置文件中填入公众号凭据（见下方配置说明）。

场景 3：代码审查 + Git 提交

你:  帮我检查这段代码有没有安全问题
AI:  [read_file] 读取代码文件
     [run_code] 运行静态分析
     [memorize] 记住发现的问题
     [run_command] git commit

场景 4：记忆管理

你:  导出所有关于项目的记忆
AI:  [export_memories tag="project"] → 生成 Markdown 文件
你:  查看记忆统计
AI:  [memory_stats] → 15 条记忆，平均重要度 6.5

工具参考 (19)

记忆 (5)

浏览器 (3)

代码执行 (6)

调度 (5)

资源

配置说明

默认配置路径：~/.agentic-toolkit/config.yaml

memory:
  db_path: "~/.agentic-toolkit/chromadb"
  embedding_model: "all-MiniLM-L6-v2"
  max_memories: 10000

workspace:
  base_dir: "~/.agentic-toolkit/workspace"
  docker_image: "python:3.12-slim"
  timeout_seconds: 30
  max_output_bytes: 10240

browser:
  headless: true
  timeout_ms: 30000
  search_engine: "duckduckgo"

scheduler:
  db_path: "~/.agentic-toolkit/tasks.db"

# 微信公众号推送（可选）
wechat:
  app_id: ""          # 公众号 AppID
  app_secret: ""      # 公众号 AppSecret
  template_id: ""     # 模板消息 ID
  user_openid: ""     # 接收者的 OpenID

微信推送配置步骤

1. 注册微信公众号（服务号或订阅号）
2. 在公众号后台获取 AppID 和 AppSecret
3. 创建模板消息，记录 Template ID
4. 获取用户的 OpenID（可通过公众号后台用户管理查看）
5. 将以上信息填入 config.yaml 的 wechat 部分

本地开发

git clone https://github.com/EDY2026/mcp-server-agentic-toolkit.git
cd mcp-server-agentic-toolkit
pip install -e .
pytest tests/ -v
python -m mcp_agentic_toolkit

License

MIT