Hello MCP Server
cjavier
README
Hello MCP Server
这是一个模型上下文协议 (MCP) 服务器的实现,它使 AI 助手能够与外部服务和数据源进行交互。 该服务器旨在与 Claude 和其他 MCP 兼容的 AI 助手一起使用。
前提条件
- Node.js (v18 或更高版本)
- pnpm 包管理器
- force CLI,使用
pnpm i -g @forgehive/forge-cli
安装
安装
克隆存储库并安装依赖项:
git clone <repository-url>
cd hello-mcp-server
pnpm install
构建
使用以下命令构建项目:
pnpm run build
这会将 TypeScript 编译为 dist
目录中的 JavaScript。
直接运行任务
您可以使用 Forge 运行器直接运行单个任务:
# 使用股票代码参数运行股票价格任务
forge task:run stock:price --ticker AAPL
添加到 Claude Desktop
要将服务器与 Claude Desktop 一起使用:
- 使用
pnpm run build
构建项目 - 修改 Claude Desktop 配置文件:
使用 nano: ~/Library/Application Support/Claude/claude_desktop_config.json
{
"mcpServers": {
"hello-mcp-server": {
"command": "node",
"args": [
"ABSOLUTE_PATH_TO_PROJECT/hello-mcp-server/dist/index.js"
]
}
}
}
将 ABSOLUTE_PATH_TO_PROJECT
替换为您的项目目录的实际绝对路径。
使用 MCP Inspector
为了调试和测试您的 MCP 服务器,您可以使用 MCP Inspector 工具:
npx @modelcontextprotocol/inspector ABSOLUTE_PATH_TO_PROJECT/hello-mcp-server/dist/index.js
该检查器提供了一个 Web 界面来测试服务器的工具并查看其响应。
开发
要添加新任务:
-
使用 Forge CLI 创建一个新任务:
forge task:create MODULE:TASK_NAME
这将在
src/tasks/MODULE/TASK_NAME.ts
中生成一个任务模板文件。 -
使用 Forge Task API 在生成的文件中实现您的任务。
-
在运行器中注册任务 (src/runner.ts):
import { yourTask } from './tasks/module/your-task'; // 将您的任务添加到运行器 runner.load('your_task_name', yourTask);
-
使用
pnpm run build
构建项目
服务器将自动从运行器注册所有任务作为 MCP 工具,而无需手动将它们添加到 src/index.ts
文件中。
附加资源
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。