【LLM学习】【Ollama】四、MCP

在 Ollama 多轮对话中集成 MCP，并将结果嵌入上下文

本文基于一个最小可用的 CLI 项目，演示如何在 Ollama 的多轮对话中集成 MCP（消息控制协议风格的指令），并把 MCP 的执行结果注入到对话历史里，让大模型在后续轮次中“记得”这些结果并可直接引用。

项目地址：https://github.com/MiaoJieF/LLM_mcp

一、目标

• 持久化多轮对话上下文
• 识别并处理 MCP 指令：/time 和 /bmi 身高 体重
• 将 MCP 执行结果写回对话历史，供模型后续引用
• 通过简单 CLI 进行交互

二、模块划分

• ollama_client.py：与 Ollama HTTP API 交互
• mcp_handler.py：解析与执行 MCP 指令（时间查询、BMI 计算）
• conversation_manager.py：维护对话上下文，路由 MCP 与普通对话，并把 MCP 结果写入历史
• main.py：命令行入口，设定系统提示、读取用户输入

三、MCP 的识别与执行

MCP 的识别策略非常直观：所有以 / 开头的输入都作为候选 MCP 指令；具体支持的指令在 mcp_handler.py 中逐一匹配与处理。