
Firebase MCP
MCP 服务器与任何 Firebase 项目交互
robertodevs
README
Firebase MCP 服务器
一个 Firebase Admin SDK MCP (模型-控制器-提供者) 服务器,提供一套用于管理 Firebase Authentication 和 Firestore 操作的工具。 此服务器可以与 Cursor IDE 或 Claude Desktop 一起使用,以实现与 AI 助手的无缝集成。
功能
身份验证工具
create_user
: 创建新的 Firebase 用户get_users
: 列出 Firebase Auth 中的所有用户get_user
: 获取特定用户详细信息update_user
: 更新用户属性(电子邮件、显示名称、密码)delete_user
: 从 Firebase Auth 中删除用户verify_email
: 生成电子邮件验证链接reset_password
: 生成密码重置链接
Firestore 工具
get_collections
: 列出所有 Firestore 集合get_documents
: 列出一个集合中的所有文档get_document
: 获取特定文档数据create_document
: 创建新文档update_document
: 更新现有文档delete_document
: 从 Firestore 中删除文档batch_write
: 原子性地执行多个写入操作
前提条件
- Python 3.7 或更高版本
- 启用了 Admin SDK 的 Firebase 项目
- Firebase 服务帐户密钥
- Cursor IDE 或 Claude Desktop(用于 AI 助手集成)
设置
-
创建 Firebase 项目
- 前往 Firebase 控制台
- 创建一个新项目或选择一个现有项目
- 启用 Authentication 和 Firestore 服务
-
获取 Firebase Admin SDK 凭据
- 在 Firebase 控制台中,转到“项目设置”>“服务帐户”
- 点击“生成新的私钥”
- 将 JSON 文件另存为项目根目录中的
service-account-key.json
-
安装依赖项
pip install firebase-admin fastmcp
-
配置服务器
- 更新
firebase.py
中的服务帐户密钥路径:cred = credentials.Certificate("path/to/your/service-account-key.json")
- 更新
运行服务器
-
启动 MCP 服务器
您可以通过多种方式运行服务器:
# 使用 MCP CLI(推荐) mcp dev firebase.py # 使用环境变量 mcp dev firebase.py -v FIREBASE_KEY=path/to/key.json # 使用自定义名称 mcp dev firebase.py --name "Firebase Tools Server" # 从文件加载环境变量 mcp dev firebase.py -f .env
-
在 Claude Desktop 中安装
# 基本安装 mcp install firebase.py # 使用自定义名称安装 mcp install firebase.py --name "Firebase Tools" # 使用环境变量安装 mcp install firebase.py -v FIREBASE_KEY=path/to/key.json -v OTHER_VAR=value mcp install firebase.py -f .env
-
直接执行
对于高级场景,您可以直接运行服务器:
from mcp.server.fastmcp import FastMCP mcp = FastMCP("Firebase Tools") if __name__ == "__main__": mcp.run()
然后运行:
python firebase.py # 或 mcp run firebase.py
调试
-
服务器日志
MCP 服务器提供详细的日志记录。 您可以通过设置环境变量来启用调试日志:
mcp dev firebase.py -v MCP_LOG_LEVEL=debug
-
生命周期管理
为了调试初始化和清理,请实现生命周期 API:
from contextlib import asynccontextmanager from collections.abc import AsyncIterator from mcp.server import Server @asynccontextmanager async def server_lifespan(server: Server) -> AsyncIterator[dict]: # 启动时初始化 Firebase firebase_app = initialize_firebase() try: yield {"firebase": firebase_app} finally: # 关闭时清理 await firebase_app.delete() # 将生命周期传递给服务器 server = Server("firebase-tools", lifespan=server_lifespan)
-
工具测试
您可以使用 MCP CLI 测试单个工具:
# 测试特定工具 mcp test firebase.py --tool create_user # 使用特定参数进行测试 mcp test firebase.py --tool create_user --args '{"email": "test@example.com"}'
-
集成测试
为了测试完整的服务器集成:
# 在测试模式下启动服务器 mcp dev firebase.py --test # 在另一个终端中,运行集成测试 mcp test-integration firebase.py
使用示例
身份验证操作
# 创建一个新用户
await create_user(email="user@example.com", password="securepassword123")
# 更新用户属性
await update_user(
user_id="user123",
email="newemail@example.com",
display_name="New Name"
)
# 发送电子邮件验证
await verify_email(
user_id="user123",
action_url="https://yourapp.com/verified"
)
# 生成密码重置链接
await reset_password(
email="user@example.com",
action_url="https://yourapp.com/reset-complete"
)
Firestore 操作
# 创建一个文档
await create_document(
collection_id="users",
document_id="user123",
data={
"name": "John Doe",
"age": 30
}
)
# 更新一个文档
await update_document(
collection_id="users",
document_id="user123",
data={
"age": 31
}
)
# 获取文档数据
await get_document(
collection_id="users",
document_id="user123"
)
# 执行原子批量操作
await batch_write(operations=[
{
"type": "create",
"collection_id": "users",
"document_id": "user1",
"data": {
"name": "John Doe",
"email": "john@example.com"
}
},
{
"type": "update",
"collection_id": "profiles",
"document_id": "profile1",
"data": {
"age": 30,
"occupation": "Developer"
}
},
{
"type": "delete",
"collection_id": "temp",
"document_id": "temp1"
}
])
响应格式
所有工具都以一致的格式返回响应:
# 成功响应
{
"success": True,
"data": {...} # 或相关的成功数据
"message": "操作已成功完成"
}
# 错误响应
{
"success": False,
"error": "错误消息详情"
}
安全注意事项
-
服务帐户密钥
- 永远不要将您的
service-account-key.json
提交到版本控制 - 将其添加到
.gitignore
- 在生产中使用环境变量
- 永远不要将您的
-
身份验证
- 始终验证用户输入
- 实施适当的错误处理
- 遵循 Firebase 安全最佳实践
贡献
- Fork 存储库
- 创建一个功能分支
- 提交您的更改
- 推送到分支
- 创建一个 Pull Request
许可证
该项目根据 MIT 许可证获得许可 - 有关详细信息,请参见 LICENSE 文件。
支持
对于问题和功能请求,请在 GitHub 存储库中创建一个 issue。
推荐服务器
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。
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。
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。
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)。
@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。
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。
Jira-Context-MCP
MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

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。

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。
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。