最新

我们为 Polymcp 增加了对 Ollama 的一流支持，让运行大型语言模型变得简单——无论您是在本地工作还是在云端部署。 通过使用 Ollama 作为后端提供商，Polymcp 可以以最少的配置协调 MCP 服务器和模型。这让您可以专注于构建代理，而不是搭建基础设施。 ```python from polymcp.polyagent import PolyAgent, OllamaProvider agent = PolyAgent( llm_provider=OllamaProvider(model="gpt-oss:120b"), mcp_servers=["http://localhost:8000/mcp"] ) result = agent.run("法国的首都是什么？") print(result) ``` 这带来的好处： * 干净的编排：Polymcp 管理 MCP 服务器，而 Ollama 处理模型执行。 * 相同的流程，随处可用：在您的笔记本电脑或云端运行相同的设置。 * 灵活的模型选择：适用于 gpt-oss:120b、Kimi K2、Nemotron 以及 Ollama 支持的其他模型。 我们的目标是提供一种简单直接的方式来试验和部署由 LLM 驱动的代理，而无需额外的胶水代码。 欢迎提供关于您将如何使用此功能的反馈或想法。 仓库：[https://github.com/poly-mcp/Polymcp](https://github.com/poly-mcp/Polymcp)