로컬 LLM에 내장 된 Model Context Protocol (MCP) 도구의 작은 컬렉션. 1개의 venv, 많은 선택권.

왜 존재

많은 MCP 서버는 별도의 프로젝트로 배포되며 별도의 설정이 필요합니다. 이 도구 팩은 몇 가지 로컬 MCP 서버를 하나의 저장소에 유지하고 하나의 uv 환경.

특징

• MCP JSON 구성 생성 : main.py을 실행하고 마법사를 통해 이동
• 여러 MCP 서버를 위한 1개의 venv

MCP 서버

• 웹 검색 : 검색 엔진, fetch 및 정상 결과를 요약하여 Duckduckgo 사용
• Python SandBox : Python을 실행하고 수학 작업을 위해 NumPy 및 SymPy를 사용하십시오.
• 장기 기억: 상점 경량 장기 주

보안 노트

1. 과태 수송은 stdio입니다. GlobalConfig]에서 HTTP로 전환할 수 있습니다.
2. python-sandbox.py는 exec()]와 eval()]를 run_python를 사용합니다. 이것은 안전한 sandbox가 아닙니다.
3. run_python] 사용자 계정의 에이전트에 의해 로컬 코드 실행.
4. 생성 된 구성은 이제 로컬 PYTHON_SANDBOX_LOG_PATH] python-sandbox] 항목에 대한 run_python] 실행은 JSONL 감사 로그에 부과됩니다.

요구 사항

• 파이썬 >= 3.13
• 관리 uv

설치

uv 사용:

LM Studio 구성

실행:

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": {