openapi-md-mcp
Enables efficient exploration of OpenAPI specs via markdown, with progressive disclosure of endpoints, schemas, and batch operations to minimize AI context usage.
README
openapi-md-mcp
把 OpenAPI spec 渐进披露(progressive disclosure)为 markdown 的 MCP server。
为什么
- Swagger UI(
/docs)是 JS 壳,AI 抓不到内容 /openapi.json全量动辄几十 K tokens,整塞上下文太贵- 本工具让 AI 常驻上下文只有「键 + 摘要」端点表(~1k tokens), 按键下钻取单端点 / 单 schema 的 markdown 详情,实测省 ~90% 上下文
工具面(渐进披露,输出均为 markdown)
| tool | 输入 | 输出 |
|---|---|---|
list_endpoints |
tag? |
端点表 方法 / 路径 / 摘要(键+摘要)+ 数据源标注 |
get_endpoint |
method, path |
端点详情:鉴权、参数表、request body($ref 只内联一层)、responses |
get_schema |
name |
schema 属性表 + 嵌套 $ref 下钻键 |
select |
patterns?, security?, tag?, schema_glob? |
批量选中:含鉴权列的端点键表 + 匹配 schema 名(横向聚合,如「所有鉴权端点」) |
get_batch |
keys, include_refs? |
批量下探:混合键一次取回全部详情,引用的 schema 自动整合为去重附录 |
下钻键 = METHOD /path 或 schema 名,从上层输出直接获得。
键与 pattern 的完整文法(判定顺序、大小写 / 空白语义、可用正则独立复现, 供其他项目复用这套键)见 KEYS.md。
批量模式(select + get_batch)
单键下钻回答不了横向问题(「所有鉴权端点」得逐个 get_endpoint 几十次),
批量层补齐:
select(patterns=["GET /v1/auth/*", "* /v1/scoring/*"], security="X-Service-Token", tag="scoring", schema_glob="Credit*")- patterns 元素形如
"METHOD /path/glob":方法可为*(大小写不敏感);路径 glob 大小写敏感 - 路径段可含空格:首空格分隔方法与路径,其余空格归入路径(如
"GET /v1/reports/week report") security为 scheme 名;patterns 之间 OR、与 security/tag 之间 AND- 零匹配返回成功文本(可用 scheme / tag + 放宽建议),不是错误
- patterns 元素形如
get_batch(["POST /v1/scoring/credit", "CreditBatchRequest"])- 键混合
"METHOD /path"端点键与 schema 名;名字含空格的 schema 用"schema:Credit Request"前缀键(裸名向后兼容) - 键去重保序,上限 40 个;渲染总字符上限 100k,超出建议
include_refs=False或分批 include_refs=True把渲染中引用的$ref自动整合为「共享 schema 附录」(每名只渲染一次)
- 键混合
使用引导
两条路都通向同一张键表,按对路径形态的把握程度选:
- 直接筛:已知路径前缀 / tag / 鉴权 scheme → 一步
select(patterns=[...], ...)圈键 - 先全表后筛:不确定路径形态 → 先不带 patterns 调
select()(或list_endpoints)拿全表, 照表中「方法 + 路径」两列拼 pattern——表即素材 - 下钻键 = 表中方法 + 路径两列拼接(如
POST /v1/scoring/credit)
接入其他项目(OPENAPI_URL 指向它的 /docs 或 /openapi.json,见下方配置)后完整一轮:
select(patterns=["* /v1/scoring/*"]) # 1. 圈键:键表 + 匹配 schema 名
get_batch(["GET /v1/scoring/credit", # 2. 批量下探:引用 schema 自动进附录
"POST /v1/scoring/batch", "CreditBatchRequest"])
配置(env)
| 变量 | 默认 | 说明 |
|---|---|---|
OPENAPI_URL |
http://localhost:8000/openapi.json |
运行时 spec(优先)。可直接填 /docs 文档页地址:自动发现 spec(提取 Swagger UI url: / ReDoc spec-url),发现失败回退同源 /openapi.json → /openapi.yaml |
OPENAPI_FILE |
空 | 兜底 spec 文件路径(运行时不可达时使用) |
OPENAPI_TIMEOUT |
2.0 |
拉取超时(秒) |
- spec 支持 JSON 与 YAML;加载后进程内缓存 60s
- 请求直连(
trust_env=False):目标是 localhost / 内网 spec,不走系统代理(macOS 系统代理会把 localhost 劫持成 502) - 只读,不提供调用 API 能力(鉴权头不进 MCP 层)
接入任意仓库
Claude Code 用户级注册(一次注册,所有仓库可用):
claude mcp add openapi-md -s user -- \
uv run --directory /path/to/openapi-md-mcp openapi-md-mcp
需要不同数据源的仓库,在各自项目级 .mcp.json 覆盖 env 即可。
协议合规(MCP 2026-07-28,俗称 2.0)
- 工具名 / 描述 / inputSchema 符合规范 §Tools(名称字符集与长度、确定性
tools/list顺序) - 五工具均声明
annotations.readOnlyHint: true(只读) - 错误语义按规范 §Tools Error Handling:spec 加载失败、未知键(含相近键建议)、
非法筛选模式与批量超限作为 Tool Execution Error 抛
ToolError→ 线上表现为CallToolResult(isError=true),客户端会把建议喂回模型自纠;零匹配是成功文本; 不做call(调 API)能力 - 版本协商:stdio 走 initialize 握手纪元(最高 2025-11-25);2026-07-28 的无状态
信封纪元由 SDK 在 HTTP 传输层处理(
server/discover),stdio 场景不涉及
开发
uv sync # 安装依赖
uv run pytest --cov=openapi_md_mcp # 测试(fixture 为真实 OpenAPI 3.1 快照)
推荐服务器
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。
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。
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。
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。
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。
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。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
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。