Show HN: Polymcp 和 Ollama 实现简单本地和云端 LLM 运行
1 分•作者: justvugg•2 天前
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)
查看原文
We’ve added first-class Ollama support to Polymcp to make running large language models easy—whether you’re working locally or deploying in the cloud.<p>By using Ollama as a backend provider, Polymcp can coordinate MCP servers and models with minimal configuration. This lets you focus on building agents instead of wiring infrastructure.<p>from polymcp.polyagent import PolyAgent, OllamaProvider<p>agent = PolyAgent(
llm_provider=OllamaProvider(model="gpt-oss:120b"),
mcp_servers=["http://localhost:8000/mcp"]
)<p>result = agent.run("What is the capital of France?")
print(result)<p>What this enables:
• Clean orchestration: Polymcp manages MCP servers while Ollama handles model execution.
• Same workflow, everywhere: Run the same setup on your laptop or in the cloud.
• Flexible model choice: Works with models like gpt-oss:120b, Kimi K2, Nemotron, and others supported by Ollama.<p>The goal is to provide a straightforward way to experiment with and deploy LLM-powered agents without extra glue code.<p>Would love feedback or ideas on how you’d use this.<p>Repo: <a href="https://github.com/poly-mcp/Polymcp" rel="nofollow">https://github.com/poly-mcp/Polymcp</a>