ローカルLM用に構築されたモデルコンテキストプロトコル(MCP)ツールの小さなコレクション。 1つのvenv、多くの選択。

なぜ存在しているのか

多くのMCPサーバーが別々のプロジェクトとして配布され、別のセットアップが必要です。 このツールパックは、複数のローカルMCPサーバーを1リポジトリと1つの[uv環境に保ちます。

##特徴

• MCP JSON構成生成:main.pyを実行し、ウィザードを通過
• 複数のMCPサーバーのための1つのvenv

MCP サーバー

• ウェブ検索: duckduckgo を検索エンジンとして使用, 取得し、トップ結果をまとめる
• Python SandBox: エージェントが Python を実行し、数学タスクの NumPy と SymPy を使用することを可能にします
• 長期記憶:軽量の長期ノートを貯えて下さい

##セキュリティノート

1. デフォルトの輸送は[stdio]です。 [GlobalConfig]でHTTPに切り替えることができます。
2. [python-sandbox.py] は [exec() と [eval()] を [run_python に使用します。 安全なサンドボックスではありません。
3. [run_python をユーザーアカウントのエージェントによるローカルコード実行として扱います。 4。 生成されたコンフィグは、ローカル[[python-sandbox]]エントリの[[run_python]]]をJSONL監査ログに追加しました。

要件

• python >= 3.13 の
• [[[T12]で管理]

インストール

uv の使用:

LM Studio の設定を生成する

実行:

Local MCP Tools Collection

A small collection of Model Context Protocol (MCP) tools, built for local LLMs. One venv, many options.

Why it exists

Many MCP servers are distributed as separate projects and need separate setup. This tool pack keeps a few local MCP servers in one repo and one uv environment.

Features

• MCP JSON configuration generation: run main.py and go through the wizard
• One venv for multiple MCP servers

MCP Servers

• Web Search: Use duckduckgo as search engine, fetch and summarize top results
• Python SandBox: Allow agents to run Python and use NumPy and SymPy for math tasks
• Longterm-Memory: Store lightweight long-term notes

Security Notes

1. Default transport is stdio. You can switch to HTTP in GlobalConfig.
2. python-sandbox.py uses exec() and eval() for run_python. This is not a secure sandbox.
3. Treat run_python as local code execution by the agent under your user account.
4. The generated config now sets PYTHON_SANDBOX_LOG_PATH for local python-sandbox entries so every run_python execution is appended to a JSONL audit log.

Requirements

• Python >= 3.13
• Managed with uv

Install

Using uv:

uv sync

Generate LM Studio Config

Run:

uv run python main.py

LM Studio currently follows Cursor-style mcp.json notation. The generated LM Studio output uses the mcpServers object with either:

• command + args + env for local stdio servers
• url + headers for remote HTTP servers

If you select the local python-sandbox server, the wizard will ask for an audit log file path.

Run the MCP Server

python python-sandbox.py

The server communicates over stdio (FastMCP). Point your MCP-compatible client at the executable command above.

Tool Usage Examples

Run main.py for JSON configuration generation. For LM Studio, you will get something like this:

{
  "mcpServers": {
    "memory": {
      "command": "E:\\LMStudio\\mcp\\lmstudio-toolpack\\.venv\\Scripts\\python.exe",
      "args": [
        "E:\\LMStudio\\mcp\\lmstudio-toolpack\\MCPs\\Memory.py"
      ],
      "env": {}
    },
    "python-sandbox": {
      "command": "E:\\LMStudio\\mcp\\lmstudio-toolpack\\.venv\\Scripts\\python.exe",
      "args": [
        "E:\\LMStudio\\mcp\\lmstudio-toolpack\\MCPs\\python-sandbox.py"
      ],
      "env": {
        "PYTHON_SANDBOX_LOG_PATH": "E:\\LMStudio\\mcp\\lmstudio-toolpack\\data\\python-sandbox-audit.jsonl"
      }
    },
    "websearch": {