GitHub Trending Service

GitHub Trending Service

Provides access to GitHub trending projects through MCP, allowing AI assistants to query popular repositories filtered by language and time range (daily/weekly/monthly).

Category
访问服务器

README

🚀 GitHub Trending Service

一个部署在 Cloudflare Pages 上的 GitHub 热门项目服务,提供 REST API 和 MCP 协议支持,让 AI 助手能够实时获取 GitHub 热门项目数据。

✨ 功能特性

  • 🔥 REST API - 标准 HTTP API,获取 GitHub Trending 项目数据
  • 🤖 MCP Server - 支持 Model Context Protocol,让 AI 助手(Claude Desktop/Kiro)直接查询
  • 📄 OpenAPI Spec - 完整的 OpenAPI 3.0 规范,支持 GPT/Gemini Function Calling
  • KV 缓存 - 使用 Cloudflare KV 缓存数据,减少 GitHub 请求,提升响应速度
  • 🌍 全球 CDN - 部署在 Cloudflare 边缘网络,全球访问快速
  • 🔄 自动部署 - GitHub 推送自动触发部署,无需手动操作

🌐 在线服务

  • 主页: https://cloudflare-mcp1.zx1993.top
  • REST API: https://cloudflare-mcp1.zx1993.top/api/trending
  • OpenAPI 规范: https://cloudflare-mcp1.zx1993.top/api/openapi.json
  • MCP 端点: https://cloudflare-mcp1.zx1993.top/mcp/message

项目结构

├── functions/
│   ├── api/
│   │   ├── trending.ts      # GET /api/trending
│   │   └── openapi.json.ts  # GET /api/openapi.json
│   ├── mcp/
│   │   ├── sse.ts           # GET /mcp/sse (MCP 连接)
│   │   └── message.ts       # POST /mcp/message (MCP 消息)
│   └── _middleware.ts       # 全局中间件
├── public/
│   └── index.html           # 首页
├── wrangler.toml
└── package.json

部署方式

方式 1: GitHub 自动部署 (推荐)

  1. 将代码推送到 GitHub 仓库
  2. 登录 Cloudflare Dashboard
  3. 进入 Workers & PagesCreatePagesConnect to Git
  4. 选择你的 GitHub 仓库
  5. 配置构建设置:
    • Build command: npm run build
    • Build output directory: public
  6. 点击 Save and Deploy

每次 push 到 main 分支会自动部署。

方式 2: 命令行部署

npm install
npx wrangler pages deploy public --project-name=github-trending-service

📖 使用指南

1️⃣ REST API 使用

基础请求

# 获取今日热门项目(所有语言)
curl https://cloudflare-mcp1.zx1993.top/api/trending

按语言筛选

# Python 项目
curl "https://cloudflare-mcp1.zx1993.top/api/trending?language=python"

# JavaScript 项目
curl "https://cloudflare-mcp1.zx1993.top/api/trending?language=javascript"

# Go 项目
curl "https://cloudflare-mcp1.zx1993.top/api/trending?language=go"

# Rust 项目
curl "https://cloudflare-mcp1.zx1993.top/api/trending?language=rust"

按时间范围筛选

# 今日热门
curl "https://cloudflare-mcp1.zx1993.top/api/trending?since=daily"

# 本周热门
curl "https://cloudflare-mcp1.zx1993.top/api/trending?since=weekly"

# 本月热门
curl "https://cloudflare-mcp1.zx1993.top/api/trending?since=monthly"

组合使用

# Rust 本月热门
curl "https://cloudflare-mcp1.zx1993.top/api/trending?language=rust&since=monthly"

# TypeScript 本周热门
curl "https://cloudflare-mcp1.zx1993.top/api/trending?language=typescript&since=weekly"

响应示例

{
  "data": [
    {
      "rank": 1,
      "username": "owner",
      "reponame": "repo-name",
      "url": "https://github.com/owner/repo-name",
      "description": "项目描述",
      "language": "Python",
      "stars": 12345,
      "forks": 678,
      "starsToday": 1234
    }
  ],
  "cached": true,
  "language": "python",
  "since": "daily"
}

2️⃣ MCP 配置(AI 客户端使用)

Kiro IDE

.kiro/settings/mcp.json 中添加:

{
  "mcpServers": {
    "github-trending": {
      "type": "sse",
      "url": "https://cloudflare-mcp1.zx1993.top/mcp/message"
    }
  }
}

注意:虽然 type 设置为 sse,但 Kiro 会自动检测并使用 StreamableHTTP 传输方式。

Claude Desktop

claude_desktop_config.json 中添加:

{
  "mcpServers": {
    "github-trending": {
      "type": "sse",
      "url": "https://cloudflare-mcp1.zx1993.top/mcp/message"
    }
  }
}

配置后,AI 助手可以直接调用 get_trending_repos 工具查询热门项目。

3️⃣ GPT/Gemini Function Calling

获取 OpenAPI 规范

curl https://cloudflare-mcp1.zx1993.top/api/openapi.json

Python 示例(OpenAI GPT)

import openai
import requests

# 定义工具
tools = [{
    "type": "function",
    "function": {
        "name": "get_trending_repos",
        "description": "获取 GitHub 热门项目",
        "parameters": {
            "type": "object",
            "properties": {
                "language": {
                    "type": "string",
                    "description": "编程语言,如 python, javascript"
                },
                "since": {
                    "type": "string",
                    "enum": ["daily", "weekly", "monthly"],
                    "description": "时间范围"
                }
            }
        }
    }
}]

# 调用 GPT
response = openai.chat.completions.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "最近有什么热门的 Python 项目?"}],
    tools=tools
)

# 当 GPT 调用 function 时,请求 API
if response.choices[0].message.tool_calls:
    result = requests.get(
        "https://cloudflare-mcp1.zx1993.top/api/trending",
        params={"language": "python"}
    ).json()
    # 将结果返回给 GPT 继续对话

JavaScript 示例

const response = await fetch(
  'https://cloudflare-mcp1.zx1993.top/api/trending?language=python&since=weekly'
);
const data = await response.json();

console.log(`找到 ${data.data.length} 个热门项目`);
data.data.forEach(repo => {
  console.log(`${repo.rank}. ${repo.username}/${repo.reponame} - ⭐ ${repo.starsToday}`);
});

🛠️ 本地开发

安装依赖

npm install

启动开发服务器

npm run dev

访问 http://localhost:8788 查看效果。

本地测试 API

# 测试 REST API
curl http://localhost:8788/api/trending

# 测试 OpenAPI
curl http://localhost:8788/api/openapi.json

🔧 技术栈

  • 运行时: Cloudflare Pages Functions
  • 语言: TypeScript
  • 协议: HTTP REST API + MCP (Model Context Protocol)
  • 缓存: Cloudflare KV
  • 部署: GitHub Actions 自动部署

📊 API 参数说明

GET /api/trending

参数 类型 必填 默认值 说明
language string all 编程语言(如 python, javascript, go, rust, typescript 等)
since string daily 时间范围:daily(今日)、weekly(本周)、monthly(本月)

响应字段

字段 类型 说明
data array 热门项目列表
data[].rank number 排名
data[].username string 项目所有者
data[].reponame string 项目名称
data[].url string 项目 URL
data[].description string 项目描述
data[].language string 主要编程语言
data[].stars number 总星标数
data[].forks number 总 Fork 数
data[].starsToday number 时间段内新增星标数
cached boolean 是否来自缓存
language string 筛选的语言
since string 时间范围

🎯 MCP 工具说明

配置 MCP 后,AI 助手可以使用以下工具:

get_trending_repos

获取 GitHub 热门项目。

参数:

  • language (可选): 编程语言筛选
  • since (可选): 时间范围(daily/weekly/monthly)

示例对话:

  • "最近有什么热门的 Python 项目?"
  • "本周 JavaScript 有哪些热门仓库?"
  • "给我看看本月 Rust 的热门项目"

🚀 部署到你自己的 Cloudflare

详细部署步骤请查看 DEPLOY.md

快速部署

  1. Fork 本仓库
  2. 在 Cloudflare Dashboard 连接你的 GitHub 仓库
  3. 配置构建命令:npm run build
  4. 部署完成!

🔐 可选配置

KV 缓存(推荐)

启用 KV 缓存可以:

  • 减少对 GitHub 的请求频率
  • 提升 API 响应速度
  • 避免触发 GitHub 速率限制

配置步骤:

  1. Cloudflare Dashboard → Workers & Pages → KV
  2. 创建 Namespace,名称:TRENDING_CACHE
  3. 进入 Pages 项目 → Settings → Functions → KV namespace bindings
  4. 添加绑定:Variable name = TRENDING_CACHE

缓存时效:1 小时

自定义域名

  1. 进入 Pages 项目 → Custom domains
  2. 添加你的域名
  3. 按提示配置 DNS 记录

📝 常见问题

Q: API 返回空数据或错误?

A: 可能是 GitHub 临时限制了请求。建议配置 KV 缓存,或稍后重试。

Q: MCP 连接失败?

A: 确认 URL 正确使用 https:// 协议,路径为 /mcp/message。如果遇到 CORS 或超时问题,请检查服务端的 CORS 配置是否正确。

Q: 如何查看日志?

A: Cloudflare Dashboard → 你的项目 → Functions → Logs

Q: 支持哪些编程语言?

A: 支持 GitHub 上所有编程语言,常见的如:python, javascript, typescript, go, rust, java, c++, c#, php, ruby, swift, kotlin 等。

Q: 数据更新频率?

A: 启用缓存后每小时更新一次,未启用缓存则实时获取。

🤝 贡献

欢迎提交 Issue 和 Pull Request!

📄 License

MIT License - 详见 LICENSE 文件

🔗 相关链接


Made with ❤️ | Powered by Cloudflare Pages

推荐服务器

Baidu Map

Baidu Map

百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。

官方
精选
JavaScript
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
Audiense Insights MCP Server

Audiense Insights MCP Server

通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

官方
精选
本地
TypeScript
VeyraX

VeyraX

一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。

官方
精选
本地
graphlit-mcp-server

graphlit-mcp-server

模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。

官方
精选
TypeScript
Kagi MCP Server

Kagi MCP Server

一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

官方
精选
Python
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

Exa MCP Server

模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。

官方
精选