Booner_MCP

基于MCP的AI基建即代码平台，集成Ollama实现智能代理编程与服务器管理。

安装使用

复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：

帮我安装这个 AI Skill：Booner_MCP。
它的用途是：基于MCP的AI基建即代码平台，集成Ollama实现智能代理编程与服务器管理。
详细介绍见：https://321skill.com/skills/booner-mcp/
请根据该页面的说明完成安装。

“请根据附带的 `infra-config.yaml` 文件，在预置的AWS服务器上部署一个 Ollama 的 `llama3` 模型实例，并配置一个能处理用户查询的对话代理。”，它会解析你的基础设施即代码配置，自动完成云资源申请、模型拉取部署、代理服务启动等一系列操作，并返回访问地址和状态信息。

Booner_MCP 旨在解决开发者和运维人员在构建和管理AI应用基础设施时面临的复杂性和效率问题。传统方式需要手动配置服务器、部署模型和管理代理，过程繁琐且容易出错。该平台将基础设施定义为代码，通过声明式配置自动化完成这些任务。

用户通过编写配置文件来描述所需的基础设施状态，例如服务器规格、Ollama模型部署和智能代理的编排。平台会解析这些配置，并自动调用相应的云服务或本地工具进行创建、更新和管理，实现一键式部署和运维。

它非常适合需要进行AI应用开发、智能体部署和服务器管理的技术团队或个人，特别是那些希望将AI能力快速集成到现有业务系统或构建新型AI服务的场景。无论是初创项目还是企业级应用，都能从中受益。

建议在使用前熟悉基本的YAML或JSON配置语法，并对目标部署环境（如云服务器、Docker）有初步了解。注意，该平台主要聚焦于基础设施的编排和部署，对于具体的业务逻辑开发，仍需结合其他编程工具完成。

核心区别在于将AI基础设施（特别是Ollama模型服务）的部署与管理完全“代码化”，并与MCP协议深度集成，实现了智能代理编程与底层服务器资源的统一声明式管理。相较于仅提供模型调用或单一运维功能的工具，它提供了从模型部署、代理编排到资源管控的端到端自动化流水线。

不适合仅需简单调用云端AI API而无须管理本地模型或服务器资源的轻量级应用场景。

Booner_MCP 和直接使用 Ollama 有什么区别？

Ollama 是本地运行模型的工具，而 Booner_MCP 是一个管理平台，可以用代码定义和自动化部署多个 Ollama 实例、关联的服务器以及智能代理工作流。

需要编程基础才能使用吗？

需要基本的配置编写能力（如YAML），主要面向开发、运维等技术人员，用于自动化流程，而非面向完全无代码基础的用户。