auto-mcp

auto-mcp

自动将函数、工具和代理转换为 MCP 服务器。

NapthaAI

开发者工具
访问服务器

README

auto-mcp

自动将函数、工具和代理转换为 MCP 服务器。

🧩 安装 auto-mcp

您可以使用 PyPI 或从源代码安装 SDK。

在现有项目中安装

如果您想将 auto-mcp 作为现有项目的一部分安装(例如,自动将现有代理或工具转换为 MCP 服务器),最好在专用的虚拟环境中进行安装。

1. (可选) 创建一个新的虚拟环境

如果您还没有虚拟环境,请使用 uv 创建一个新的:

uv init
source .venv/bin/activate

2. 将 auto-mcp 添加到您的依赖项

然后添加 auto-mcp。 在 uv 中,它看起来像这样:

uv add auto-mcp

如果不使用 uvpoetry,您也可以使用 pip:

pip install auto-mcp

3. 初始化 automcp

使用 CLI 运行以下命令:

automcp init

这将在您的项目根目录创建一个 automcp.py 文件。

4. 修改 automcp.py 文件

修改 automcp.py 文件以:

  1. 从您现有的项目中导入您想要转换的代理或工具
  2. automcp 导入与您正在使用的代理框架相对应的适配器
  3. 为代理或工具定义一个输入模式

一个简单的 CrewAI 代理的 automcp.py 示例可能如下所示:

from marketing_posts.crew import MarketingPostsCrew
from automcp import crewai_adapter

class InputSchema(BaseModel):
    customer_domain: str
    project_description: str

mcp = FastMCP("my MCP Server")
name = "Marketing Crew"
description = "A crew that creates marketing posts"
input_schema = InputSchema

tool = crewai_adapter(
    crewai_class=MarketingPostsCrew,
    name=name,
    description=description,
    input_schema=input_schema,
)
mcp.add_tool(
    tool,
    name=name,
    description=description,
)

if __name__ == "__main__":
    serve_stdio(mcp)  # Launch the MCP server 

5. 配置您的 .env 文件

添加任何需要的环境变量:

OPENAI_API_KEY=<your_openai_api_key>
SERPER_API_KEY=<your_serper_api_key>

6. 启动服务器

使用 STDIO:

uv run serve_stdio

使用 SSE:

uv run serve_sse

7. 测试和集成

Cursor

这是一个 mcp.json 的示例配置,它使用 STDIO 运行 MCP 服务器:

{
   "mcpServers": {
       "Marketing Crew": {
           "command": "uvx",
           "args": [
               "--from",
               "git+https://github.com/K-Mistele/example-mcp serve_stdio"
           ],
           "env": {
               "OPENAI_API_KEY": "...",
               "SERPER_API_KEY": "..."
           }
       }
   }
}

使用 SSE:

{
   "mcpServers": {
       "Marketing Crew": {
           "url": "http://localhost:8000/sse"
       }
   }
}

8. 发布

即将推出!

从源代码安装

如果您是 AutoMCP 的贡献开发者,您需要使用以下命令从源代码安装:

git clone https://github.com/NapthaAI/auto-mcp.git
cd auto-mcp
uv venv
source .venv/bin/activate
uv pip install .

推荐服务器

Playwright MCP Server

Playwright MCP Server

一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。

官方
精选
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。

官方
精选
本地
TypeScript
MCP Package Docs Server

MCP Package Docs Server

促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。

精选
本地
TypeScript
Claude Code MCP

Claude Code MCP

一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。

精选
本地
JavaScript
@kazuph/mcp-taskmanager

@kazuph/mcp-taskmanager

用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。

精选
本地
JavaScript
mermaid-mcp-server

mermaid-mcp-server

一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。

精选
JavaScript
Jira-Context-MCP

Jira-Context-MCP

MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

精选
TypeScript
Linear MCP Server

Linear MCP Server

一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

精选
JavaScript
Sequential Thinking MCP Server

Sequential Thinking MCP Server

这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。

精选
Python
Curri MCP Server

Curri MCP Server

通过管理文本笔记、提供笔记创建工具以及使用结构化提示生成摘要,从而实现与 Curri API 的交互。

官方
本地
JavaScript