revert(mcp): 移除MCP SSE客户端及工具集成支持

TODO.md

@@ -4,7 +4,7 @@
 - [x] 内置空间插件
 - [ ] 在好友聊天生成回复时设置输入状态
 - [x] 基于关键帧的视频识别功能
-- [x] 对XML,JSON等特殊消息解析
+- [ ] 对XML,JSON等特殊消息解析
 - [x] 插件热重载
 - [x] 适配器黑/白名单迁移至独立配置文件,并支持热重载
 - [x] 添加MySQL支持,重构数据库

docs/MCP_SIMPLE_GUIDE.md

@@ -1,175 +0,0 @@
-# MCP工具集成 - 简化指南
-
-## ✅ 已完成的工作
-
-MCP (Model Context Protocol) 工具支持已经完全集成到MoFox Bot！**AI现在可以自动发现并调用MCP工具了**。
-
-## 🎯 快速开始
-
-### 步骤1: 启动MCP服务器
-
-首先你需要一个MCP服务器。最简单的方式是使用官方提供的文件系统服务器：
-
-```bash
-# 安装（需要Node.js）
-npm install -g @modelcontextprotocol/server-filesystem
-
-# 启动服务器，允许访问指定目录
-mcp-server-filesystem --port 3000 /path/to/your/project
-```
-
-### 步骤2: 配置Bot
-
-编辑 `config/bot_config.toml`，在文件末尾添加：
-
-```toml
-[[mcp_servers]]
-name = "filesystem"
-url = "http://localhost:3000"
-api_key = ""  # 如果服务器不需要认证就留空
-timeout = 30
-enabled = true
-```
-
-### 步骤3: 启动Bot
-
-```bash
-python bot.py
-```
-
-启动后你会看到：
-
-```
-[INFO] 连接MCP服务器: filesystem (http://localhost:3000)
-[INFO] 从filesystem获取5个工具
-[INFO] MCP工具提供器初始化成功
-```
-
-### 步骤4: AI自动使用工具
-
-现在AI可以自动调用MCP工具了！
-
-**示例对话：**
-
-```
-用户: 帮我读取README.md文件的内容
-
-AI: [内部决策: 需要读取文件 → 调用 filesystem_read_file 工具]
-    README.md的内容是...
-
-用户: 列出当前目录下的所有文件
-
-AI: [调用 filesystem_list_directory 工具]
-    当前目录包含以下文件：
-    - README.md
-    - bot.py
-    - ...
-```
-
-## 🔧 工作原理
-
-```
-用户消息
-    ↓
-AI决策系统 (ToolExecutor)
-    ↓
-获取可用工具列表
-    ↓
-【包含Bot内置工具 + MCP工具】 ← 自动合并
-    ↓
-AI选择需要的工具
-    ↓
-执行工具调用
-    ↓
-返回结果给用户
-```
-
-## 📝 配置多个MCP服务器
-
-```toml
-# 文件系统工具
-[[mcp_servers]]
-name = "filesystem"
-url = "http://localhost:3000"
-enabled = true
-
-# Git工具
-[[mcp_servers]]
-name = "git"
-url = "http://localhost:3001"
-enabled = true
-
-# 数据库工具
-[[mcp_servers]]
-name = "database"
-url = "http://localhost:3002"
-api_key = "your-secret-key"
-enabled = true
-```
-
-每个服务器的工具会自动添加名称前缀：
-- `filesystem_read_file`
-- `git_status`
-- `database_query`
-
-## 🛠️ 可用的MCP服务器
-
-官方提供的MCP服务器：
-
-1. **@modelcontextprotocol/server-filesystem** - 文件系统操作
-2. **@modelcontextprotocol/server-git** - Git操作
-3. **@modelcontextprotocol/server-github** - GitHub API
-4. **@modelcontextprotocol/server-sqlite** - SQLite数据库
-5. **@modelcontextprotocol/server-postgres** - PostgreSQL数据库
-
-你也可以开发自定义MCP服务器！
-
-## 🐛 常见问题
-
-### Q: 如何查看AI是否使用了MCP工具？
-
-查看日志，会显示：
-```
-[INFO] [工具执行器] 正在执行工具: filesystem_read_file
-[INFO] 调用MCP工具: filesystem_read_file
-```
-
-### Q: MCP服务器连接失败怎么办？
-
-检查：
-1. MCP服务器是否正在运行
-2. URL配置是否正确（注意端口号）
-3. 防火墙是否阻止连接
-
-### Q: 如何临时禁用MCP工具？
-
-在配置中设置 `enabled = false`：
-
-```toml
-[[mcp_servers]]
-name = "filesystem"
-url = "http://localhost:3000"
-enabled = false  # 禁用
-```
-
-## 📚 相关文档
-
-- **详细集成文档**: [MCP_TOOLS_INTEGRATION.md](./MCP_TOOLS_INTEGRATION.md)
-- **MCP SSE客户端**: [MCP_SSE_USAGE.md](./MCP_SSE_USAGE.md)
-- **MCP协议官方文档**: https://github.com/anthropics/mcp
-
-## 🎉 总结
-
-MCP工具支持已经完全集成！你只需要：
-
-1. ✅ 启动MCP服务器
-2. ✅ 在`bot_config.toml`中配置
-3. ✅ 启动Bot
-
-**AI会自动发现并使用工具，无需任何额外代码！**
-
----
-
-**实现方式**: 通过修改`tool_api.py`和`tool_use.py`，将MCP工具无缝集成到现有工具系统
-**版本**: v1.0.0
-**日期**: 2025-10-05

docs/MCP_SSE_INTEGRATION.md

@@ -1,175 +0,0 @@
-# MCP SSE 集成完成报告
-
-## ✅ 集成状态：已完成
-
-MCP (Model Context Protocol) SSE (Server-Sent Events) 客户端已完全集成到 MoFox Bot 框架中。
-
-## 📋 完成的工作
-
-### 1. 依赖管理
-- ✅ 在 `pyproject.toml` 中添加 `mcp>=0.9.0` 和 `sse-starlette>=2.2.1`
-- ✅ 在 `requirements.txt` 中同步添加依赖
-
-### 2. 客户端实现
-- ✅ 创建 `src/llm_models/model_client/mcp_sse_client.py`
-- ✅ 实现完整的MCP SSE协议支持
-- ✅ 支持流式响应、工具调用、多模态内容
-- ✅ 实现中断处理和Token统计
-
-### 3. 配置系统集成
-- ✅ 在 `src/config/api_ada_configs.py` 中添加 `"mcp_sse"` 到 `client_type` 的 `Literal` 类型
-- ✅ 在 `src/llm_models/model_client/__init__.py` 中注册客户端
-- ✅ 通过 `@client_registry.register_client_class("mcp_sse")` 装饰器完成自动注册
-
-### 4. 配置模板
-- ✅ 在 `template/model_config_template.toml` 中添加 MCP Provider 配置示例
-- ✅ 添加 MCP 模型配置示例
-- ✅ 提供详细的配置注释
-
-### 5. 文档
-- ✅ 创建 `docs/MCP_SSE_USAGE.md` - 详细使用文档
-- ✅ 创建 `docs/MCP_SSE_QUICKSTART.md` - 快速配置指南
-- ✅ 创建 `docs/MCP_SSE_INTEGRATION.md` - 集成完成报告（本文档）
-
-### 6. 任务追踪
-- ✅ 更新 `TODO.md`，标记"添加MCP SSE支持"为已完成
-
-## 🔧 配置示例
-
-### Provider配置
-```toml
-[[api_providers]]
-name = "MCPProvider"
-base_url = "https://your-mcp-server.com"
-api_key = "your-api-key"
-client_type = "mcp_sse"  # 关键：使用MCP SSE客户端
-timeout = 60
-max_retry = 2
-```
-
-### 模型配置
-```toml
-[[models]]
-model_identifier = "claude-3-5-sonnet-20241022"
-name = "mcp-claude"
-api_provider = "MCPProvider"
-force_stream_mode = true
-```
-
-### 任务配置
-```toml
-[model_task_config.replyer]
-model_list = ["mcp-claude"]
-temperature = 0.7
-max_tokens = 800
-```
-
-## 🎯 功能特性
-
-### 支持的功能
-- ✅ 流式响应（SSE协议）
-- ✅ 多轮对话
-- ✅ 工具调用（Function Calling）
-- ✅ 多模态内容（文本+图片）
-- ✅ 中断信号处理
-- ✅ Token使用统计
-- ✅ 自动重试和错误处理
-- ✅ API密钥轮询
-
-### 当前限制
-- ❌ 不支持嵌入（Embedding）功能
-- ❌ 不支持音频转录功能
-
-## 📊 架构集成
-
-```
-MoFox Bot
-├── src/llm_models/
-│   ├── model_client/
-│   │   ├── base_client.py          # 基础客户端接口
-│   │   ├── openai_client.py        # OpenAI客户端
-│   │   ├── aiohttp_gemini_client.py # Gemini客户端
-│   │   ├── mcp_sse_client.py       # ✨ MCP SSE客户端（新增）
-│   │   └── __init__.py             # 客户端注册（已更新）
-│   └── ...
-├── src/config/
-│   └── api_ada_configs.py          # ✨ 添加mcp_sse类型（已更新）
-├── template/
-│   └── model_config_template.toml  # ✨ 添加MCP配置示例（已更新）
-├── docs/
-│   ├── MCP_SSE_USAGE.md            # ✨ 使用文档（新增）
-│   ├── MCP_SSE_QUICKSTART.md       # ✨ 快速配置指南（新增）
-│   └── MCP_SSE_INTEGRATION.md      # ✨ 集成报告（本文档）
-└── pyproject.toml                  # ✨ 添加依赖（已更新）
-```
-
-## 🚀 使用流程
-
-1. **安装依赖**
-   ```bash
-   uv sync
-   ```
-
-2. **配置Provider和模型**
-   - 编辑 `model_config.toml`
-   - 参考 `template/model_config_template.toml` 中的示例
-
-3. **使用MCP模型**
-   - 在任何 `model_task_config` 中引用配置的MCP模型
-   - 例如：`model_list = ["mcp-claude"]`
-
-4. **启动Bot**
-   - 正常启动，MCP客户端会自动加载
-
-## 🔍 验证方法
-
-### 检查客户端注册
-启动Bot后，查看日志确认MCP SSE客户端已加载：
-```
-[INFO] 已注册客户端类型: mcp_sse
-```
-
-### 测试配置
-发送测试消息，确认MCP模型正常响应。
-
-### 查看日志
-```
-[INFO] MCP-SSE客户端: 正在处理请求...
-[DEBUG] SSE流: 接收到内容块...
-```
-
-## 📚 相关文档
-
-- **快速开始**: [MCP_SSE_QUICKSTART.md](./MCP_SSE_QUICKSTART.md)
-- **详细使用**: [MCP_SSE_USAGE.md](./MCP_SSE_USAGE.md)
-- **配置模板**: [model_config_template.toml](../template/model_config_template.toml)
-- **MCP协议**: [https://github.com/anthropics/mcp](https://github.com/anthropics/mcp)
-
-## 🐛 已知问题
-
-目前没有已知问题。
-
-## 📝 更新日志
-
-### v0.8.1 (2025-10-05)
-- ✅ 添加MCP SSE客户端支持
-- ✅ 集成到配置系统
-- ✅ 提供完整文档和配置示例
-
-## 👥 贡献者
-
-- MoFox Studio Team
-
-## 📞 技术支持
-
-如遇到问题：
-1. 查看日志文件中的错误信息
-2. 参考文档排查配置问题
-3. 提交Issue到项目仓库
-4. 加入QQ交流群寻求帮助
-
----
-
-**集成完成时间**: 2025-10-05  
-**集成版本**: v0.8.1  
-**状态**: ✅ 生产就绪

docs/MCP_SSE_QUICKSTART.md

@@ -1,178 +0,0 @@
-# MCP SSE 快速配置指南
-
-## 什么是MCP SSE？
-
-MCP (Model Context Protocol) SSE (Server-Sent Events) 是一种支持流式通信的协议，允许MoFox Bot通过SSE与兼容MCP协议的AI服务进行交互。
-
-## 快速开始
-
-### 步骤1: 安装依赖
-
-```bash
-# 使用uv（推荐）
-uv sync
-
-# 或使用pip
-pip install mcp>=0.9.0 sse-starlette>=2.2.1
-```
-
-### 步骤2: 编辑配置文件
-
-打开或创建 `model_config.toml` 文件，添加以下配置：
-
-#### 2.1 添加MCP Provider
-
-```toml
-[[api_providers]]
-name = "MCPProvider"                          # Provider名称，可自定义
-base_url = "https://your-mcp-server.com"      # 你的MCP服务器地址
-api_key = "your-mcp-api-key"                  # 你的API密钥
-client_type = "mcp_sse"                       # 必须设置为 "mcp_sse"
-timeout = 60                                  # 超时时间（秒）
-max_retry = 2                                 # 最大重试次数
-```
-
-#### 2.2 添加MCP模型
-
-```toml
-[[models]]
-model_identifier = "claude-3-5-sonnet-20241022"  # 模型ID
-name = "mcp-claude"                              # 模型名称，用于引用
-api_provider = "MCPProvider"                     # 使用上面配置的Provider
-force_stream_mode = true                         # MCP建议使用流式模式
-price_in = 3.0                                   # 输入价格（可选）
-price_out = 15.0                                 # 输出价格（可选）
-```
-
-#### 2.3 在任务中使用MCP模型
-
-```toml
-# 例如：使用MCP模型作为回复模型
-[model_task_config.replyer]
-model_list = ["mcp-claude"]  # 引用上面定义的模型名称
-temperature = 0.7
-max_tokens = 800
-```
-
-### 步骤3: 验证配置
-
-启动MoFox Bot，查看日志确认MCP SSE客户端是否正确加载：
-
-```
-[INFO] MCP-SSE客户端: 正在初始化...
-[INFO] 已加载模型: mcp-claude (MCPProvider)
-```
-
-## 完整配置示例
-
-```toml
-# ===== MCP SSE Provider配置 =====
-[[api_providers]]
-name = "MCPProvider"
-base_url = "https://api.anthropic.com"  # Anthropic的Claude支持MCP
-api_key = "sk-ant-xxx..."
-client_type = "mcp_sse"
-timeout = 60
-max_retry = 2
-retry_interval = 10
-
-# ===== MCP模型配置 =====
-[[models]]
-model_identifier = "claude-3-5-sonnet-20241022"
-name = "mcp-claude-sonnet"
-api_provider = "MCPProvider"
-force_stream_mode = true
-price_in = 3.0
-price_out = 15.0
-
-[[models]]
-model_identifier = "claude-3-5-haiku-20241022"
-name = "mcp-claude-haiku"
-api_provider = "MCPProvider"
-force_stream_mode = true
-price_in = 1.0
-price_out = 5.0
-
-# ===== 任务配置：使用MCP模型 =====
-
-# 回复生成使用Sonnet（高质量）
-[model_task_config.replyer]
-model_list = ["mcp-claude-sonnet"]
-temperature = 0.7
-max_tokens = 800
-
-# 小型任务使用Haiku（快速响应）
-[model_task_config.utils_small]
-model_list = ["mcp-claude-haiku"]
-temperature = 0.5
-max_tokens = 500
-
-# 工具调用使用Sonnet
-[model_task_config.tool_use]
-model_list = ["mcp-claude-sonnet"]
-temperature = 0.3
-max_tokens = 1000
-```
-
-## 支持的MCP服务
-
-目前已知支持MCP协议的服务：
-
-- ✅ **Anthropic Claude** (推荐)
-- ✅ 任何实现MCP SSE协议的自定义服务器
-- ⚠️ 其他服务需验证是否支持MCP协议
-
-## 常见问题
-
-### Q: 我的服务器不支持MCP怎么办？
-
-A: 确保你的服务器实现了MCP SSE协议规范。如果是标准OpenAI API，请使用 `client_type = "openai"` 而不是 `"mcp_sse"`。
-
-### Q: 如何测试MCP连接是否正常？
-
-A: 启动Bot后，在日志中查找相关信息，或尝试发送一条测试消息。
-
-### Q: MCP SSE与OpenAI客户端有什么区别？
-
-A: 
-- **MCP SSE**: 使用Server-Sent Events协议，支持更丰富的流式交互
-- **OpenAI**: 使用标准OpenAI API格式
-- **选择建议**: 如果你的服务明确支持MCP，使用MCP SSE；否则使用OpenAI客户端
-
-### Q: 可以混合使用不同类型的客户端吗？
-
-A: 可以！你可以在同一个配置文件中定义多个providers，使用不同的 `client_type`：
-
-```toml
-# OpenAI Provider
-[[api_providers]]
-name = "OpenAIProvider"
-client_type = "openai"
-# ...
-
-# MCP Provider
-[[api_providers]]
-name = "MCPProvider"
-client_type = "mcp_sse"
-# ...
-
-# Gemini Provider
-[[api_providers]]
-name = "GoogleProvider"
-client_type = "aiohttp_gemini"
-# ...
-```
-
-## 下一步
-
-- 查看 [MCP_SSE_USAGE.md](./MCP_SSE_USAGE.md) 了解详细API使用
-- 查看 [template/model_config_template.toml](../template/model_config_template.toml) 查看完整配置模板
-- 参考 [README.md](../README.md) 了解MoFox Bot的整体架构
-
-## 技术支持
-
-如遇到问题，请：
-1. 检查日志文件中的错误信息
-2. 确认MCP服务器地址和API密钥正确
-3. 验证服务器是否支持MCP SSE协议
-4. 提交Issue到项目仓库

docs/MCP_TOOLS_INTEGRATION.md

@@ -1,356 +0,0 @@
-# MCP工具集成完整指南
-
-## 概述
-
-MoFox Bot现在完全支持MCP (Model Context Protocol)，包括：
-1. **MCP SSE客户端** - 与支持MCP的LLM（如Claude）通信
-2. **MCP工具提供器** - 将MCP服务器的工具集成到Bot，让AI能够调用
-
-## 架构说明
-
-```
-┌─────────────────────────────────────────┐
-│        MoFox Bot AI系统                  │
-│  ┌───────────────────────────────────┐  │
-│  │  AI决策层 (ToolExecutor)         │  │
-│  │  - 分析用户请求                   │  │
-│  │  - 决定调用哪些工具               │  │
-│  └───────────────┬───────────────────┘  │
-│                  │                       │
-│  ┌───────────────▼───────────────────┐  │
-│  │  工具注册表 (ComponentRegistry)   │  │
-│  │  - Bot内置工具                    │  │
-│  │  - MCP动态工具 ✨                 │  │
-│  └───────────────┬───────────────────┘  │
-│                  │                       │
-│  ┌───────────────▼───────────────────┐  │
-│  │  MCP工具提供器插件                │  │
-│  │  - 连接MCP服务器                  │  │
-│  │  - 动态注册工具                   │  │
-│  └───────────────┬───────────────────┘  │
-└──────────────────┼───────────────────────┘
-                   │
-    ┌──────────────▼──────────────┐
-    │     MCP连接器                │
-    │  - tools/list               │
-    │  - tools/call               │
-    │  - resources/list (未来)   │
-    └──────────────┬──────────────┘
-                   │
-    ┌──────────────▼──────────────┐
-    │      MCP服务器               │
-    │  - 文件系统工具              │
-    │  - Git工具                  │
-    │  - 数据库工具               │
-    │  - 自定义工具...            │
-    └─────────────────────────────┘
-```
-
-## 完整配置步骤
-
-### 步骤1: 启动MCP服务器
-
-首先你需要一个运行中的MCP服务器。这里以官方的文件系统MCP服务器为例：
-
-```bash
-# 安装MCP服务器（以filesystem为例）
-npm install -g @modelcontextprotocol/server-filesystem
-
-# 启动服务器
-mcp-server-filesystem --port 3000 /path/to/allowed/directory
-```
-
-或使用其他MCP服务器：
-- **Git MCP**: 提供Git操作工具
-- **数据库MCP**: 提供数据库查询工具
-- **自定义MCP服务器**: 你自己开发的MCP服务器
-
-### 步骤2: 配置MCP工具提供器插件
-
-编辑配置文件 `config/plugins/mcp_tools_provider.toml`：
-
-```toml
-[plugin]
-enabled = true  # 启用插件
-
-# 配置MCP服务器
-[[mcp_servers]]
-name = "filesystem"  # 服务器标识名
-url = "http://localhost:3000"  # MCP服务器地址
-api_key = ""  # API密钥（如果需要）
-timeout = 30  # 超时时间
-enabled = true  # 是否启用
-
-# 可以配置多个MCP服务器
-[[mcp_servers]]
-name = "git"
-url = "http://localhost:3001"
-enabled = true
-```
-
-### 步骤3: 启动Bot
-
-```bash
-python bot.py
-```
-
-启动后，你会在日志中看到：
-
-```
-[INFO] MCP工具提供器插件启动中...
-[INFO] 发现 1 个MCP服务器配置
-[INFO] 正在连接MCP服务器: filesystem (http://localhost:3000)
-[INFO] 从MCP服务器 'filesystem' 获取到 5 个工具
-[INFO] ✓ 已注册MCP工具: filesystem_read_file
-[INFO] ✓ 已注册MCP工具: filesystem_write_file
-[INFO] ✓ 已注册MCP工具: filesystem_list_directory
-...
-[INFO] MCP工具提供器插件启动完成，共注册 5 个工具
-```
-
-### 步骤4: AI自动调用MCP工具
-
-现在AI可以自动发现并调用这些工具！例如：
-
-**用户**: "帮我读取项目根目录下的README.md文件"
-
-**AI决策过程**:
-1. 分析用户请求 → 需要读取文件
-2. 查找可用工具 → 发现 `filesystem_read_file`
-3. 调用工具 → `filesystem_read_file(path="README.md")`
-4. 获取结果 → 文件内容
-5. 生成回复 → "README.md的内容是..."
-
-## 工具命名规则
-
-MCP工具会自动添加服务器名前缀，避免冲突：
-
-- 原始工具名: `read_file`
-- 注册后: `filesystem_read_file`
-
-如果有多个MCP服务器提供相同名称的工具，它们会被区分开：
-- 服务器A: `serverA_search`
-- 服务器B: `serverB_search`
-
-## 配置示例
-
-### 示例1: 本地文件操作
-
-```toml
-[[mcp_servers]]
-name = "local_fs"
-url = "http://localhost:3000"
-enabled = true
-```
-
-**可用工具**:
-- `local_fs_read_file` - 读取文件
-- `local_fs_write_file` - 写入文件
-- `local_fs_list_directory` - 列出目录
-
-### 示例2: Git操作
-
-```toml
-[[mcp_servers]]
-name = "git"
-url = "http://localhost:3001"
-enabled = true
-```
-
-**可用工具**:
-- `git_status` - 查看Git状态
-- `git_commit` - 提交更改
-- `git_log` - 查看提交历史
-
-### 示例3: 多服务器配置
-
-```toml
-[[mcp_servers]]
-name = "filesystem"
-url = "http://localhost:3000"
-enabled = true
-
-[[mcp_servers]]
-name = "database"
-url = "http://localhost:3002"
-api_key = "db-secret-key"
-enabled = true
-
-[[mcp_servers]]
-name = "api_tools"
-url = "https://mcp.example.com"
-api_key = "your-api-key"
-timeout = 60
-enabled = true
-```
-
-## 开发自定义MCP服务器
-
-你可以开发自己的MCP服务器来提供自定义工具：
-
-```javascript
-// 简单的MCP服务器示例 (Node.js)
-const express = require('express');
-const app = express();
-
-app.use(express.json());
-
-// 列出工具
-app.post('/tools/list', (req, res) => {
-  res.json({
-    tools: [
-      {
-        name: 'custom_tool',
-        description: '自定义工具描述',
-        inputSchema: {
-          type: 'object',
-          properties: {
-            param1: {
-              type: 'string',
-              description: '参数1'
-            }
-          },
-          required: ['param1']
-        }
-      }
-    ]
-  });
-});
-
-// 执行工具
-app.post('/tools/call', async (req, res) => {
-  const { name, arguments: args } = req.body;
-  
-  if (name === 'custom_tool') {
-    // 执行你的逻辑
-    const result = await doSomething(args.param1);
-    
-    res.json({
-      content: [
-        {
-          type: 'text',
-          text: result
-        }
-      ]
-    });
-  }
-});
-
-app.listen(3000, () => {
-  console.log('MCP服务器运行在 http://localhost:3000');
-});
-```
-
-## 常见问题
-
-### Q: MCP服务器连接失败？
-
-**检查**:
-1. MCP服务器是否正在运行
-2. URL配置是否正确
-3. 防火墙是否阻止连接
-4. 查看日志中的具体错误信息
-
-### Q: 工具注册成功但AI不调用？
-
-**原因**:
-- 工具描述不够清晰
-- 参数定义不明确
-
-**解决**:
-在MCP服务器端优化工具的`description`和`inputSchema`
-
-### Q: 如何禁用某个MCP服务器？
-
-在配置中设置：
-```toml
-[[mcp_servers]]
-enabled = false  # 禁用
-```
-
-### Q: 如何查看已注册的MCP工具？
-
-查看启动日志，或在Bot运行时检查组件注册表。
-
-## MCP协议规范
-
-MCP服务器必须实现以下端点：
-
-### 1. POST /tools/list
-列出所有可用工具
-
-**响应**:
-```json
-{
-  "tools": [
-    {
-      "name": "tool_name",
-      "description": "工具描述",
-      "inputSchema": {
-        "type": "object",
-        "properties": { ... },
-        "required": [...]
-      }
-    }
-  ]
-}
-```
-
-### 2. POST /tools/call
-执行工具
-
-**请求**:
-```json
-{
-  "name": "tool_name",
-  "arguments": { ... }
-}
-```
-
-**响应**:
-```json
-{
-  "content": [
-    {
-      "type": "text",
-      "text": "执行结果"
-    }
-  ]
-}
-```
-
-## 高级功能
-
-### 动态刷新工具列表
-
-工具列表默认缓存5分钟。如果MCP服务器更新了工具，Bot会自动在下次缓存过期后刷新。
-
-### 错误处理
-
-MCP工具调用失败时，会返回错误信息给AI，AI可以据此做出相应处理或提示用户。
-
-### 性能优化
-
-- 工具列表有缓存机制
-- 支持并发工具调用
-- 自动重试机制
-
-## 相关文档
-
-- [MCP SSE使用指南](./MCP_SSE_USAGE.md)
-- [MCP协议官方文档](https://github.com/anthropics/mcp)
-- [插件开发文档](../README.md)
-
-## 更新日志
-
-### v1.0.0 (2025-10-05)
-- ✅ 完整的MCP工具集成
-- ✅ 动态工具注册
-- ✅ 多服务器支持
-- ✅ 自动错误处理
-
----
-
-**集成状态**: ✅ 生产就绪  
-**版本**: v1.0.0  
-**更新时间**: 2025-10-05

src/config/api_ada_configs.py

@@ -12,8 +12,8 @@ class APIProvider(ValidatedConfigBase):
     name: str = Field(..., min_length=1, description="API提供商名称")
     base_url: str = Field(..., description="API基础URL")
     api_key: str | list[str] = Field(..., min_length=1, description="API密钥，支持单个密钥或密钥列表轮询")
-    client_type: Literal["openai", "gemini", "aiohttp_gemini", "mcp_sse"] = Field(
-        default="openai", description="客户端类型（如openai/google/mcp_sse等，默认为openai）"
+    client_type: Literal["openai", "gemini", "aiohttp_gemini"] = Field(
+        default="openai", description="客户端类型（如openai/google等，默认为openai）"
     )
     max_retry: int = Field(default=2, ge=0, description="最大重试次数（单个模型API调用失败，最多重试的次数）")
     timeout: int = Field(

src/main.py

@@ -415,36 +415,27 @@ MoFox_Bot(第三方修改版)
         # 处理所有缓存的事件订阅（插件加载完成后）
         event_manager.process_all_pending_subscriptions()
         
-        # 初始化MCP工具提供器
+        # 初始化表情管理器
+        get_emoji_manager().initialize()
+        logger.info("表情包管理器初始化成功")
+
+        """
+        # 初始化回复后关系追踪系统
         try:
-            mcp_config = global_config.get("mcp_servers", [])
-            if mcp_config:
-                from src.plugin_system.utils.mcp_tool_provider import mcp_tool_provider
+            from src.plugins.built_in.affinity_flow_chatter.interest_scoring import chatter_interest_scoring_system
+            from src.plugins.built_in.affinity_flow_chatter.relationship_tracker import ChatterRelationshipTracker
 
-                await mcp_tool_provider.initialize(mcp_config)
-                logger.info("MCP工具提供器初始化成功")
+            relationship_tracker = ChatterRelationshipTracker(interest_scoring_system=chatter_interest_scoring_system)
+            chatter_interest_scoring_system.relationship_tracker = relationship_tracker
+            logger.info("回复后关系追踪系统初始化成功")
         except Exception as e:
-            logger.info(f"MCP工具提供器未配置或初始化失败: {e}")
+            logger.error(f"回复后关系追踪系统初始化失败: {e}")
+            relationship_tracker = None
+        """
 
-        # 并行初始化其他管理器
-        manager_init_tasks = []
-
-        # 表情管理器
-        manager_init_tasks.append(self._safe_init("表情包管理器", get_emoji_manager().initialize)())
-
-        # 情绪管理器
-        manager_init_tasks.append(self._safe_init("情绪管理器", mood_manager.start)())
-
-        # 聊天管理器
-        manager_init_tasks.append(self._safe_init("聊天管理器", get_chat_manager()._initialize)())
-
-        # 等待所有管理器初始化完成
-        results = await asyncio.gather(*manager_init_tasks, return_exceptions=True)
-
-        # 检查初始化结果
-        for i, result in enumerate(results):
-            if isinstance(result, Exception):
-                logger.error(f"组件初始化失败: {result}")
+        # 启动情绪管理器
+        await mood_manager.start()
+        logger.info("情绪管理器初始化成功")
 
         # 启动聊天管理器的自动保存任务
         asyncio.create_task(get_chat_manager()._auto_save_task())

src/plugin_system/apis/tool_api.py

@@ -17,12 +17,7 @@ def get_tool_instance(tool_name: str) -> BaseTool | None:
         plugin_config = None
 
     tool_class: type[BaseTool] = component_registry.get_component_class(tool_name, ComponentType.TOOL)  # type: ignore
-    if tool_class:
-        return tool_class(plugin_config)
-
-    # 如果不是常规工具，检查是否是MCP工具
-    # MCP工具不需要返回实例，会在execute_tool_call中特殊处理
-    return None
+    return tool_class(plugin_config) if tool_class else None
 
 
 def get_llm_available_tool_definitions():
@@ -34,17 +29,4 @@ def get_llm_available_tool_definitions():
     from src.plugin_system.core import component_registry
 
     llm_available_tools = component_registry.get_llm_available_tools()
-    tool_definitions = [(name, tool_class.get_tool_definition()) for name, tool_class in llm_available_tools.items()]
 
-    # 添加MCP工具
-    try:
-        from src.plugin_system.utils.mcp_tool_provider import mcp_tool_provider
-
-        mcp_tools = mcp_tool_provider.get_mcp_tool_definitions()
-        tool_definitions.extend(mcp_tools)
-        if mcp_tools:
-            logger.debug(f"已添加 {len(mcp_tools)} 个MCP工具到可用工具列表")
-    except Exception as e:
-        logger.debug(f"获取MCP工具失败（可能未配置）: {e}")
-
-    return tool_definitions

src/plugin_system/core/tool_use.py

@@ -284,7 +284,6 @@ class ToolExecutor:
             # 检查是否是MCP工具
             try:
                 from src.plugin_system.utils.mcp_tool_provider import mcp_tool_provider
-
                 if function_name in mcp_tool_provider.mcp_tools:
                     logger.info(f"{self.log_prefix}执行MCP工具: {function_name}")
                     result = await mcp_tool_provider.call_mcp_tool(function_name, function_args)

src/plugin_system/utils/mcp_connector.py

@@ -1,233 +0,0 @@
-"""
-MCP (Model Context Protocol) 连接器
-负责连接MCP服务器，获取和执行工具
-"""
-
-from typing import Any
-
-import aiohttp
-
-from src.common.logger import get_logger
-
-logger = get_logger("MCP连接器")
-
-
-class MCPConnector:
-    """MCP服务器连接器"""
-
-    def __init__(self, server_url: str, api_key: str | None = None, timeout: int = 30):
-        """
-        初始化MCP连接器
-
-        Args:
-            server_url: MCP服务器URL
-            api_key: API密钥（可选）
-            timeout: 超时时间（秒）
-        """
-        self.server_url = server_url.rstrip("/")
-        self.api_key = api_key
-        self.timeout = timeout
-        self._session: aiohttp.ClientSession | None = None
-        self._tools_cache: dict[str, dict[str, Any]] = {}
-        self._cache_timestamp: float = 0
-        self._cache_ttl: int = 300  # 工具列表缓存5分钟
-
-    async def _get_session(self) -> aiohttp.ClientSession:
-        """获取或创建aiohttp会话"""
-        if self._session is None or self._session.closed:
-            timeout = aiohttp.ClientTimeout(total=self.timeout)
-            self._session = aiohttp.ClientSession(timeout=timeout)
-        return self._session
-
-    async def close(self):
-        """关闭连接"""
-        if self._session and not self._session.closed:
-            await self._session.close()
-
-    def _build_headers(self) -> dict[str, str]:
-        """构建请求头"""
-        headers = {
-            "Content-Type": "application/json",
-            "Accept": "application/json",
-        }
-        if self.api_key:
-            headers["Authorization"] = f"Bearer {self.api_key}"
-        return headers
-
-    async def list_tools(self, force_refresh: bool = False) -> dict[str, dict[str, Any]]:
-        """
-        获取MCP服务器提供的工具列表
-
-        Args:
-            force_refresh: 是否强制刷新缓存
-
-        Returns:
-            Dict[str, Dict]: 工具字典，key为工具名，value为工具定义
-        """
-        import time
-
-        # 检查缓存
-        if not force_refresh and self._tools_cache and (time.time() - self._cache_timestamp) < self._cache_ttl:
-            logger.debug("使用缓存的MCP工具列表")
-            return self._tools_cache
-
-        logger.info(f"正在从MCP服务器获取工具列表: {self.server_url}")
-
-        try:
-            session = await self._get_session()
-            url = f"{self.server_url}/tools/list"
-
-            async with session.post(url, headers=self._build_headers(), json={}) as response:
-                if response.status != 200:
-                    error_text = await response.text()
-                    logger.error(f"获取MCP工具列表失败: HTTP {response.status} - {error_text}")
-                    return {}
-
-                data = await response.json()
-
-                # 解析工具列表
-                tools = {}
-                tool_list = data.get("tools", [])
-
-                for tool_def in tool_list:
-                    tool_name = tool_def.get("name")
-                    if not tool_name:
-                        continue
-
-                    tools[tool_name] = {
-                        "name": tool_name,
-                        "description": tool_def.get("description", ""),
-                        "input_schema": tool_def.get("inputSchema", {}),
-                    }
-
-                logger.info(f"成功获取 {len(tools)} 个MCP工具")
-                self._tools_cache = tools
-                self._cache_timestamp = time.time()
-
-                return tools
-
-        except aiohttp.ClientError as e:
-            logger.error(f"连接MCP服务器失败: {e}")
-            return {}
-        except Exception as e:
-            logger.error(f"获取MCP工具列表时发生错误: {e}")
-            return {}
-
-    async def call_tool(self, tool_name: str, arguments: dict[str, Any]) -> dict[str, Any]:
-        """
-        调用MCP服务器上的工具
-
-        Args:
-            tool_name: 工具名称
-            arguments: 工具参数
-
-        Returns:
-            Dict: 工具执行结果
-        """
-        logger.info(f"调用MCP工具: {tool_name}")
-        logger.debug(f"工具参数: {arguments}")
-
-        try:
-            session = await self._get_session()
-            url = f"{self.server_url}/tools/call"
-
-            payload = {"name": tool_name, "arguments": arguments}
-
-            async with session.post(url, headers=self._build_headers(), json=payload) as response:
-                if response.status != 200:
-                    error_text = await response.text()
-                    logger.error(f"MCP工具调用失败: HTTP {response.status} - {error_text}")
-                    return {
-                        "success": False,
-                        "error": f"HTTP {response.status}: {error_text}",
-                        "content": f"调用MCP工具 {tool_name} 失败",
-                    }
-
-                result = await response.json()
-
-                # 提取内容
-                content = result.get("content", [])
-                if isinstance(content, list) and len(content) > 0:
-                    # MCP返回的是content数组
-                    text_content = []
-                    for item in content:
-                        if isinstance(item, dict):
-                            if item.get("type") == "text":
-                                text_content.append(item.get("text", ""))
-                        else:
-                            text_content.append(str(item))
-
-                    result_text = "\n".join(text_content) if text_content else str(content)
-                else:
-                    result_text = str(content)
-
-                logger.info(f"MCP工具 {tool_name} 执行成功")
-                return {"success": True, "content": result_text, "raw_result": result}
-
-        except aiohttp.ClientError as e:
-            logger.error(f"调用MCP工具失败（网络错误）: {e}")
-            return {"success": False, "error": str(e), "content": f"网络错误：无法调用工具 {tool_name}"}
-        except Exception as e:
-            logger.error(f"调用MCP工具时发生错误: {e}")
-            return {"success": False, "error": str(e), "content": f"调用工具 {tool_name} 时发生错误"}
-
-    async def list_resources(self) -> list[dict[str, Any]]:
-        """
-        获取MCP服务器提供的资源列表
-
-        Returns:
-            List[Dict]: 资源列表
-        """
-        logger.info(f"正在从MCP服务器获取资源列表: {self.server_url}")
-
-        try:
-            session = await self._get_session()
-            url = f"{self.server_url}/resources/list"
-
-            async with session.post(url, headers=self._build_headers(), json={}) as response:
-                if response.status != 200:
-                    error_text = await response.text()
-                    logger.error(f"获取MCP资源列表失败: HTTP {response.status} - {error_text}")
-                    return []
-
-                data = await response.json()
-                resources = data.get("resources", [])
-
-                logger.info(f"成功获取 {len(resources)} 个MCP资源")
-                return resources
-
-        except Exception as e:
-            logger.error(f"获取MCP资源列表时发生错误: {e}")
-            return []
-
-    async def read_resource(self, resource_uri: str) -> dict[str, Any]:
-        """
-        读取MCP资源
-
-        Args:
-            resource_uri: 资源URI
-
-        Returns:
-            Dict: 资源内容
-        """
-        logger.info(f"读取MCP资源: {resource_uri}")
-
-        try:
-            session = await self._get_session()
-            url = f"{self.server_url}/resources/read"
-
-            payload = {"uri": resource_uri}
-
-            async with session.post(url, headers=self._build_headers(), json=payload) as response:
-                if response.status != 200:
-                    error_text = await response.text()
-                    logger.error(f"读取MCP资源失败: HTTP {response.status} - {error_text}")
-                    return {"success": False, "error": error_text}
-
-                result = await response.json()
-                logger.info(f"成功读取MCP资源: {resource_uri}")
-                return {"success": True, "content": result.get("contents", [])}
-
-        except Exception as e:
-            logger.error(f"读取MCP资源时发生错误: {e}")
-            return {"success": False, "error": str(e)}

src/plugin_system/utils/mcp_tool_provider.py

@@ -1,173 +0,0 @@
-"""
-MCP工具提供器 - 简化版
-直接集成到工具系统，无需复杂的插件架构
-"""
-
-from typing import Any
-
-from src.common.logger import get_logger
-from src.plugin_system.utils.mcp_connector import MCPConnector
-
-logger = get_logger("MCP工具提供器")
-
-
-class MCPToolProvider:
-    """MCP工具提供器单例"""
-
-    _instance = None
-    _initialized = False
-
-    def __new__(cls):
-        if cls._instance is None:
-            cls._instance = super().__new__(cls)
-        return cls._instance
-
-    def __init__(self):
-        if not MCPToolProvider._initialized:
-            self.connectors: dict[str, MCPConnector] = {}
-            self.mcp_tools: dict[str, dict[str, Any]] = {}
-            """格式: {tool_full_name: {"connector": connector, "original_name": name, "definition": def}}"""
-            MCPToolProvider._initialized = True
-
-    async def initialize(self, mcp_servers: list[dict]):
-        """
-        初始化MCP服务器连接
-
-        Args:
-            mcp_servers: MCP服务器配置列表
-        """
-        logger.info(f"初始化MCP工具提供器，共{len(mcp_servers)}个服务器")
-
-        for server_config in mcp_servers:
-            await self._connect_server(server_config)
-
-        logger.info(f"MCP工具提供器初始化完成，共注册{len(self.mcp_tools)}个工具")
-
-    async def _connect_server(self, config: dict):
-        """连接单个MCP服务器"""
-        name = config.get("name", "unnamed")
-        url = config.get("url")
-        api_key = config.get("api_key")
-        enabled = config.get("enabled", True)
-
-        if not enabled or not url:
-            return
-
-        logger.info(f"连接MCP服务器: {name} ({url})")
-
-        connector = MCPConnector(url, api_key, config.get("timeout", 30))
-        self.connectors[name] = connector
-
-        try:
-            tools = await connector.list_tools()
-
-            for tool_name, tool_def in tools.items():
-                # 使用服务器名作前缀
-                full_name = f"{name}_{tool_name}"
-                self.mcp_tools[full_name] = {
-                    "connector": connector,
-                    "original_name": tool_name,
-                    "definition": tool_def,
-                    "server_name": name,
-                }
-
-            logger.info(f"从{name}获取{len(tools)}个工具")
-
-        except Exception as e:
-            logger.error(f"连接MCP服务器{name}失败: {e}")
-
-    def get_mcp_tool_definitions(self) -> list[tuple[str, dict[str, Any]]]:
-        """
-        获取所有MCP工具定义（适配Bot的工具格式）
-
-        Returns:
-            List[Tuple[str, dict]]: [(tool_name, tool_definition), ...]
-        """
-        definitions = []
-
-        for full_name, tool_info in self.mcp_tools.items():
-            mcp_def = tool_info["definition"]
-            input_schema = mcp_def.get("input_schema", {})
-
-            # 转换为Bot的工具格式
-            bot_tool_def = {
-                "name": full_name,
-                "description": mcp_def.get("description", f"MCP工具: {full_name}"),
-                "parameters": self._convert_schema_to_parameters(input_schema),
-            }
-
-            definitions.append((full_name, bot_tool_def))
-
-        return definitions
-
-    def _convert_schema_to_parameters(self, schema: dict) -> list[tuple]:
-        """
-        将MCP的JSON Schema转换为Bot的参数格式
-
-        Args:
-            schema: MCP的inputSchema
-
-        Returns:
-            Bot的parameters格式
-        """
-        from src.plugin_system.base.component_types import ToolParamType
-
-        parameters = []
-        properties = schema.get("properties", {})
-        required = schema.get("required", [])
-
-        type_mapping = {
-            "string": ToolParamType.STRING,
-            "integer": ToolParamType.INTEGER,
-            "number": ToolParamType.FLOAT,
-            "boolean": ToolParamType.BOOLEAN,
-        }
-
-        for param_name, param_def in properties.items():
-            param_type = type_mapping.get(param_def.get("type", "string"), ToolParamType.STRING)
-            description = param_def.get("description", "")
-            is_required = param_name in required
-            enum_values = param_def.get("enum", None)
-
-            parameters.append((param_name, param_type, description, is_required, enum_values))
-
-        return parameters
-
-    async def call_mcp_tool(self, tool_name: str, arguments: dict[str, Any]) -> dict[str, Any]:
-        """
-        调用MCP工具
-
-        Args:
-            tool_name: 工具全名（包含前缀）
-            arguments: 参数
-
-        Returns:
-            工具执行结果
-        """
-        if tool_name not in self.mcp_tools:
-            return {"content": f"MCP工具{tool_name}不存在"}
-
-        tool_info = self.mcp_tools[tool_name]
-        connector = tool_info["connector"]
-        original_name = tool_info["original_name"]
-
-        logger.info(f"调用MCP工具: {tool_name}")
-
-        result = await connector.call_tool(original_name, arguments)
-
-        if result.get("success"):
-            return {"content": result.get("content", "")}
-        else:
-            return {"content": f"工具执行失败: {result.get('error', '未知错误')}"}
-
-    async def close(self):
-        """关闭所有连接"""
-        for name, connector in self.connectors.items():
-            try:
-                await connector.close()
-            except Exception as e:
-                logger.error(f"关闭MCP连接{name}失败: {e}")
-
-
-# 全局单例
-mcp_tool_provider = MCPToolProvider()

template/bot_config_template.toml

@@ -581,27 +581,3 @@ enabled_group_chats = []
 enable_cold_start = true
 # 冷启动后，该私聊的下一次主动思考需要等待的最小时间（秒）
 cold_start_cooldown = 86400 # 默认24小时
-
-# ===== MCP (Model Context Protocol) 工具服务器配置 =====
-# MCP允许连接外部工具服务器，AI可以调用这些工具来执行各种任务
-# 例如：文件操作、Git操作、数据库查询等
-
-# 示例MCP服务器配置（需要取消注释才能启用）
-#[[mcp_servers]]
-#name = "filesystem"  # 服务器名称，工具将以此为前缀（如 filesystem_read_file）
-#url = "http://localhost:3000"  # MCP服务器地址
-#api_key = ""  # API密钥（如果服务器需要认证）
-#timeout = 30  # 超时时间（秒）
-#enabled = true  # 是否启用此服务器
-
-# 可以配置多个MCP服务器
-#[[mcp_servers]]
-#name = "git_tools"
-#url = "http://localhost:3001"
-#enabled = true
-
-# 详细说明:
-# 1. MCP服务器需要单独启动，Bot启动后会自动连接
-# 2. 每个服务器提供的工具会自动注册到Bot的工具系统
-# 3. AI会自动发现并在需要时调用这些工具
-# 4. 详细文档请参考: docs/MCP_TOOLS_INTEGRATION.md

template/model_config_template.toml

@@ -30,15 +30,6 @@ max_retry = 2
 timeout = 30
 retry_interval = 10
 
-[[api_providers]] # MCP SSE协议支持（Model Context Protocol via Server-Sent Events）
-name = "MCPProvider"
-base_url = "https://your-mcp-server.com"  # MCP服务器地址
-api_key = "your-mcp-api-key-here"
-client_type = "mcp_sse"  # 使用MCP SSE客户端
-max_retry = 2
-timeout = 60  # MCP流式请求可能需要更长超时时间
-retry_interval = 10
-
 # 内容混淆功能示例配置（可选）
 [[api_providers]]
 name = "ExampleProviderWithObfuscation"           # 启用混淆功能的API提供商示例
@@ -130,15 +121,6 @@ api_provider = "SiliconFlow"
 price_in = 4.0
 price_out = 16.0
 
-# MCP SSE模型示例配置
-#[[models]]
-#model_identifier = "claude-3-5-sonnet-20241022"  # 或其他支持MCP的模型
-#name = "mcp-claude-sonnet"
-#api_provider = "MCPProvider"  # 对应上面配置的MCP provider
-#price_in = 3.0
-#price_out = 15.0
-#force_stream_mode = true  # MCP SSE默认使用流式模式
-
 [model_task_config.utils] # 在麦麦的一些组件中使用的模型，例如表情包模块，取名模块，关系模块，是麦麦必须的模型
 model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.1-Terminus"] # 使用的模型列表，每个子项对应上面的模型名称(name)
 temperature = 0.2                        # 模型温度，新V3建议0.1-0.3