MCP Research Router

MCP Research Router

Aggregates and routes multiple MCP servers with intelligent tool recommendation and batch parallel execution, enabling unified access and efficient tool usage.

Category
访问服务器

README

MCP Research Router

<div align="center"> <img src="logo.svg" alt="MCP Research Router Logo" width="200" height="200"/> </div>

📖 引言

你是否遇到过这些问题?

  • 有多个 MCP 服务器,每次都要逐个添加到客户端,很麻烦?
  • 工具太多,不知道该用哪个?
  • 需要同时调用多个工具,但只能一个一个来?

MCP Research Router 就是为你准备的。

它是一个 MCP 聚合器和智能路由器,帮你:

  • 一次连接,访问所有 MCP 服务器
  • 自动推荐最适合的工具
  • 批量并行执行,性能提升 3-5 倍

🎯 这个工具适合你吗?

✅ 适合使用

  • 有多个 MCP 服务器需要统一管理
  • 工具数量多,不知道该用哪个
  • 需要批量调用多个工具
  • 想通过 LLM 智能推荐工具

❌ 不适合使用

  • 只有一个 MCP 服务器
  • 工具数量少,能直接选择
  • 不需要智能推荐功能

如果你的客户端已经支持添加多个 MCP,并且你只有少量工具,那么你不需要这个工具。

⚡ 特点

1. 统一管理多个 MCP 服务器

聚合多个 MCP 服务器,一次连接即可访问所有工具。无需在每个客户端中逐个添加。

2. 智能工具推荐

根据你的需求,通过 LLM 自动推荐最合适的工具。不用再翻阅长长的工具列表。

3. 批量并行执行

同时调用多个相关工具,性能提升 3-5 倍。适合需要综合多个工具结果的场景。

🚀 快速开始

1. 安装

npm install -g mcp-research-router
# 或直接运行
npx mcp-research-router

2. 配置

推荐:使用环境变量

在 MCP 客户端中添加环境变量:

MCP_LLM_ENABLED=true
MCP_LLM_API_KEY=your-api-key-here
MCP_LLM_BASE_URL=https://open.bigmodel.cn/api/paas/v4
MCP_LLM_MODEL=glm-4.7-flash
MCP_SERVER_URL=http://127.0.0.1:3000/mcp/your-group-id

3. 连接到客户端

编辑配置文件(适用于 Claude Desktop、Cursor 等支持 MCP 的客户端):

  • Claude Desktop:
    • Windows: %APPDATA%\Claude\claude_desktop_config.json
    • Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Cursor:
    • Windows: %APPDATA%\Cursor\User\globalStorage\mcp_settings.json
    • Mac: ~/Library/Application Support/Cursor/User/globalStorage/mcp_settings.json

最小配置(仅连接服务):

{
  "mcpServers": {
    "mcp-research-router": {
      "command": "npx",
      "args": ["mcp-research-router"]
    }
  }
}

包含环境变量:

{
  "mcpServers": {
    "mcp-research-router": {
      "command": "npx",
      "args": ["mcp-research-router"],
      "env": {
        "MCP_LLM_ENABLED": "true",
        "MCP_LLM_BASE_URL": "https://ark.cn-beijing.volces.com/api/coding/v3",
        "MCP_LLM_API_KEY": "your-api-key-here",
        "MCP_LLM_MODEL": "ark-code-latest",
        "MCP_SERVER_ENABLED": "true",
        "MCP_SERVER_URL": "http://your-server-url/mcp/endpoint",
        "MCP_SERVER_NAME": "my-server",
        "MCP_SERVER_HEADERS": "{\"Authorization\": \"Bearer your-token\"}"
      }
    }
  }
}

📖 使用方法

获取工具列表

{
  "name": "get_tool_list"
}

智能工具推荐

{
  "name": "get_tool_list",
  "arguments": {
    "user_query": "搜索关于人工智能的最新新闻",
    "max_tools": 3
  }
}

系统会根据你的需求推荐最合适的工具。

批量执行工具

{
  "name": "execute_tools",
  "arguments": {
    "tools": [
      {
        "tool_name": "server-name-metaso-metaso_web_search",
        "arguments": {"q": "人工智能最新发展"}
      }
    ]
  }
}

⚙️ 配置说明

环境变量(推荐)

环境变量 说明 默认值
MCP_LLM_ENABLED 是否启用 LLM 推荐 false
MCP_LLM_API_KEY LLM API 密钥 -
MCP_LLM_BASE_URL LLM 基础 URL https://api.siliconflow.cn/v1
MCP_LLM_MODEL LLM 模型名称 Qwen/Qwen2.5-7B-Instruct
MCP_LLM_TIMEOUT LLM 调用超时时间(毫秒) 90000
MCP_SERVER_ENABLED 是否启用 MCP 服务器 false
MCP_SERVER_URL MCP 服务器 URL -
MCP_SERVER_NAME MCP 服务器名称(工具名前缀) default
MCP_SERVER_HEADERS MCP 服务器请求头(JSON 格式) {}
MCP_PROMPTS_PATH 自定义提示词目录路径 包内 prompts 目录
MCP_MAX_RECOMMENDATIONS 最大推荐数 5
MCP_MAX_ITERATIONS 最大迭代次数 3
MCP_MIN_CONFIDENCE 最小置信度 0.7

MCP_SERVER_HEADERS 使用方法

需要填写 JSON 格式的字符串:

MCP_SERVER_HEADERS={"Authorization": "Bearer your-token"}

示例:

  • Bearer Token 认证:{"Authorization": "Bearer your-token"}
  • API Key 认证:{"X-API-Key": "your-api-key"}
  • 多个请求头:{"Authorization": "Bearer your-token", "X-Custom-Header": "value"}

配置文件方式

如果需要使用配置文件,编辑 config.json

{
  "subAgent": {
    "enabled": true,
    "type": "openai",
    "baseUrl": "https://open.bigmodel.cn/api/paas/v4",
    "apiKey": "your-api-key-here",
    "model": "glm-4.7-flash",
    "timeout": 90000
  },
  "mcpServers": {
    "enabled": true,
    "servers": [
      {
        "name": "my-favorites",
        "type": "streamable-http",
        "url": "http://127.0.0.1:3000/mcp/your-group-id"
      }
    ]
  }
}

完整配置示例请参考 config.full.example.json

🎨 提示词模式

系统支持多种提示词模式,你可以根据需求选择:

预定义模式

  • tool_recommendation(默认):快速工具推荐
  • deep_research:深度研究模式,适合复杂任务

自定义模式

prompts/ 文件夹中创建新文件夹:

prompts/
└── my_mode/
    ├── system.txt
    └── user.txt

使用时传入 prompt_mode: "my_mode"

详细说明请查看 prompts/README.md

❓ 常见问题

Q: 如何配置 MCPHub 分组?

  1. 在 MCPHub 网页端创建分组
  2. 添加常用的 MCP 服务器到分组
  3. 复制分组 ID
  4. 配置环境变量:MCP_SERVER_URL=http://127.0.0.1:3000/mcp/分组ID

⚠️ 不要把 MCP Research Router 自己添加到分组里,否则会无限套娃。

Q: 不配置 LLM 能使用吗?

可以,但功能受限:

  • ✅ 可以获取工具列表
  • ✅ 可以执行工具
  • ❌ 无法使用智能推荐功能

🛠️ 开发

# 安装依赖
pnpm install

# 开发模式(支持热重载)
pnpm dev

# 构建
pnpm build

# 运行
pnpm start

📄 许可证

MIT

🙏 赞赏

如果你觉得这个项目对你有帮助,欢迎通过微信赞赏支持我的开发工作:

<div align="center"> <img src="appreciation.png" alt="赞赏码" width="300"/> </div>

🔗 相关链接

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