📄 工具详情 ⚙️ 安装教程 📚 使用教程
🔌
MCP工具

renfield

基于 Python · 让 AI 助手直接操作你的系统与工具
⭐ 6 Stars 🍴 3 Forks 💻 Python 📄 MIT 🏷 AI 7.3分
7.3AI 综合评分
ai-assistantdockerknowledge-baseknowledge-graphmcppython
⬇ 下载源码 ZIP ⚙️ 配置说明
✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：renfield 是一款优质的MCP工具。AI 综合评分 7.3 分，在同类工具中表现稳健。如果你正在寻找可靠的MCP工具解决方案，这是一个值得深入了解的选择。

📚 深度解析
renfield 是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装 renfield，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。renfield 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 renfield 评为 AI 评分 7.3 分，属于同类工具中的优质选择。
📋 工具概览

renfield 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars
⭐ 6
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
MIT
AI 综合评分
7.3 分
工具类型
MCP工具
Forks
3
📖 中文文档
以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

renfield 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

📌 核心特色
  • 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
  • 提供结构化工具调用接口，显著降低 AI 集成复杂度
  • 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
  • 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
  • 轻量无侵入设计，不影响现有系统架构
🎯 主要使用场景
  • 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
  • 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/ebongard/renfield

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "renfield": {
      "command": "npx",
      "args": ["-y", "renfield"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
📋 安装步骤说明
  1. 确认已安装 Node.js（v18 或以上版本）
  2. 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
  3. 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
  4. 保存配置文件并重启 Claude 客户端
  5. 重启后，在对话中即可使用本工具
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 renfield 执行以下任务...
Claude: [自动调用 renfield MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "renfield": {
      "command": "npx",
      "args": ["-y", "renfield"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效
📑 README 深度解析 真实文档 完整度 69/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

English | Deutsch

Features

Docker Compose Variants

FileUse CaseGPU
docker-compose.ymlStandardNo
docker-compose.dev.ymlDevelopment (Mac)No
docker-compose.prod.ymlProductionNVIDIA
docker-compose.prod-cpu.ymlProductionNo

Quick Start

git clone https://github.com/ebongard/renfield.git && cd renfield
cp .env.example .env                          # configure your settings
docker compose up -d                          # start the stack
docker exec -it renfield-ollama ollama pull qwen3:8b  # download LLM

Open http://localhost:3000 and start chatting.

For GPU acceleration, use docker compose -f docker-compose.prod.yml up -d with NVIDIA Container Toolkit.

Screenshots

<details> <summary><b>Chat Interface</b> — Conversation history, streaming responses, voice input</summary> <p align="center"><img src="docs/screenshots/chat-dark.png" width="800" alt="Chat Interface"></p> </details>

<details> <summary><b>Knowledge Base (RAG)</b> — Document upload, hybrid search, knowledge bases</summary> <p align="center"><img src="docs/screenshots/knowledge-dark.png" width="800" alt="Knowledge Base"></p> </details>

<details> <summary><b>Integrations</b> — 10 MCP servers, 100+ tools</summary> <p align="center"><img src="docs/screenshots/integrations-dark.png" width="800" alt="Integrations"></p> </details>

<details> <summary><b>Room Management</b> — 17 rooms synced with Home Assistant, DLNA renderer assignment</summary> <p align="center"><img src="docs/screenshots/rooms-dark.png" width="800" alt="Room Management"></p> </details>

<details> <summary><b>DLNA Output Device</b> — Assign DLNA renderers to rooms for album playback</summary> <p align="center"><img src="docs/screenshots/output-dlna-dark.png" width="800" alt="DLNA Output Device"></p> </details>

<details> <summary><b>Satellite Monitor</b> — Live status of voice satellites</summary> <p align="center"><img src="docs/screenshots/satellites-dark.png" width="800" alt="Satellite Monitor"></p> </details>

<details> <summary><b>Memory</b> — Long-term recall of preferences and facts</summary> <p align="center"><img src="docs/screenshots/memory-dark.png" width="800" alt="Memory"></p> </details>

Configuration

All settings via .env, loaded by Pydantic Settings. See docs/ENVIRONMENT_VARIABLES.md for the full reference.

Key Settings

AGENT_ENABLED=false               # ReAct agent loop (opt-in)
MEMORY_ENABLED=false              # long-term memory (opt-in)
AUTH_ENABLED=false                 # RPBAC auth (opt-in)
MCP_ENABLED=true                  # master switch for integrations
PRESENCE_ENABLED=false            # room presence detection (opt-in)
KNOWLEDGE_GRAPH_ENABLED=false     # entity-relation extraction (opt-in)
NOTIFICATION_POLLER_ENABLED=false # proactive MCP notifications (opt-in)
METRICS_ENABLED=false             # Prometheus /metrics (opt-in)

Integrations (10 MCP Servers)

ServerDescriptionTransport
WeatherOpenWeatherMap forecastsstdio
SearchSearXNG metasearchstdio
NewsNewsAPI headlinesstdio
CalendarExchange, Google, CalDAV (multi-account)stdio
JellyfinMedia server queriesstdio
DLNAMedia renderer control with gapless queuestreamable_http
n8nWorkflow automationstdio
Home AssistantSmart home controlstreamable_http
PaperlessDocument managementstdio
EmailIMAP/SMTPstdio
⚡ 核心功能
👥 适合人群
Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师
🎯 使用场景
  • 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
  • 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
⚖️ 优点与不足
✅ 优点
  • +MIT 协议，可免费商用
  • +标准化 MCP 协议，生态互联性强
  • +与 Claude 官方生态无缝对接
  • +即插即用，配置简单快捷
⚠️ 不足
  • −依赖 Claude 客户端，非 Claude 用户无法使用
  • −MCP 协议仍在持续演进，接口可能变更
  • −需要一定的配置步骤
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。

🔗 相关工具推荐
agent-scan
Security scanner for AI agents, MCP servers and agent skills
MCP 服务器资源汇总
Awesome MCP Servers - A curated list of Model Context Protoc
MCP 服务器资源汇总
A curated list of Model Context Protocol (MCP) servers
rocketride-server
High-performance AI pipeline engine with a C++ core and 50+
❓ 常见问题 FAQ
renfield 是一款Python开发的AI辅助工具。开源MCP工具：Self-hosted AI assistant with voice satellites, 100+ tool integrations, RAG know。⭐6 · Python 主要应用场景包括：MCP配置。
💡 AI Skill Hub 点评

总体来看，renfield 是一款质量良好的MCP工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 renfield
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 renfield
原始描述 开源MCP工具：Self-hosted AI assistant with voice satellites, 100+ tool integrations, RAG know。⭐6 · Python
Topics ai-assistantdockerknowledge-baseknowledge-graphmcppython
GitHub https://github.com/ebongard/renfield
License MIT
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/ebongard/renfield

收录时间：2026-05-21 · 更新时间：2026-05-22 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。