MCP 服务器

hzy9981

https://github.com/hzy9981/vertex-ai-mcp-bridge

README

Vertex AI & DashScope Bridge MCP Server

这是一个全能型的 Model Context Protocol (MCP) 服务器，旨在连接 Google Vertex AI 的强大能力与您的本地 AI 助手。它不仅支持提示词管理与自动化优化，还集成了跨平台的工具代理（如阿里云 DashScope）。

✨ 核心特性

多传输协议支持:
- stdio: 最适合 Cursor, VS Code 等本地 IDE。
- sse: 标准 Server-Sent Events，适用于 Web 客户端。
- streamable-http: (New) 更健壮的流式 HTTP 协议，适合云端长连接。
- hybrid: (New) 同时启动多种协议，适配不同集成需求。
远程 SSE 代理模式: 即使您的本地工具（如 Cursor）不支持远程 SSE，您也可以通过 remote_sse 传输方式将云端服务透明地桥接到本地。
全方位提示词工程: 内置 Vertex AI Prompt Management 的 CRUD 及其最前沿的数据驱动优化工具。
跨云工具代理: 支持通过 call_dashscope_mcp 直接调用远程 DashScope 服务。

🛠 提供的工具

工具类别	工具名称	功能描述
Prompt CRUD	`create_prompt`, `read_prompt`, `update_prompt`, `list_prompts`, `delete_prompt`	Vertex AI 提示词的全生命周期管理
Optimization	`run_few_shot_optimization`, `run_data_driven_optimize`, `analyze_data_driven_optimize_results`	少样本及数据驱动的提示词自动调优
Proxy	`call_dashscope_mcp`	代理调用远程 DashScope MCP 工具

🚀 部署与运行

1. 云端部署 (Cloud Run)

直接运行我们提供的全自动部署脚本：

chmod +x deploy_cloud_run.sh
./deploy_cloud_run.sh

2. 本地代理模式 (连接到已部署的服务)

如果您的客户端（如 Cursor）只支持本地 Stdio 命令行，但您希望使用云端部署好的服务：

python -m vertex.server --transport remote_sse --remote_sse_url https://YOUR-CLOUD-RUN-URL/sse

💻 客户端集成示例

Cursor / Claude Desktop (Stdio)

{
  "mcpServers": {
    "vertex-bridge": {
      "command": "python",
      "args": ["-m", "vertex.server", "--transport", "stdio"],
      "env": {
        "GOOGLE_CLOUD_PROJECT": "your-project-id",
        "DASHSCOPE_API_KEY": "your-key"
      }
    }
  }
}