Production-grade Model Context Protocol (MCP) server toolkit for building AI Agents with persistent memory, task scheduling, sandboxed workspace, and web browsing — all in one.
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)
| 工具 | 说明 |
|------|------|
| memorize(content, importance, tags) | 保存信息到长期记忆 |
| recall(query, top_k) | 语义搜索记忆 |
| forget(memory_id) | 删除指定记忆 |
| memory_stats() | 记忆统计信息 |
| export_memories(min_importance, tag, limit) | 导出记忆为 Markdown 文件 |
浏览器 (3)
| 工具 | 说明 |
|------|------|
| browse(url) | 抓取网页正文 |
| screenshot(url) | 网页截图 |
| search(query, engine) | 搜索网页 |
代码执行 (6)
| 工具 | 说明 |
|------|------|
| run_code(code, language) | Docker 沙箱执行代码 |
| run_command(command) | 执行 Shell 命令 |
| read_file(path) | 读取工作区文件 |
| write_file(path, content) | 写入工作区文件 |
| git_status() | 查看 Git 状态 |
| list_files(path) | 列出目录文件 |
调度 (5)
| 工具 | 说明 |
|------|------|
| schedule_task(name, cron, tool_name, arguments) | 设置定时任务 |
| list_tasks() | 列出所有定时任务 |
| cancel_task(task_id) | 取消定时任务 |
| run_task_now(task_id) | 立即触发任务 |
| notify(title, content) | 发送微信公众号通知 |
资源
| 资源 | 说明 |
|------|------|
| memory://short-term | 最近 10 条记忆 |
| memory://stats | 记忆存储统计 |
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
- 注册微信公众号（服务号或订阅号）
- 在公众号后台获取 AppID 和 AppSecret
- 创建模板消息，记录 Template ID
- 获取用户的 OpenID（可通过公众号后台用户管理查看）
- 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