
mcp-proxy MCP Server
Server mcp-proxy MCP propojuje přenosy Streamable HTTP a stdio MCP, čímž umožňuje bezproblémovou integraci mezi AI asistenty a různými servery či klienty Model ...

Agregujte více MCP serverů do jednoho sjednoceného endpointu pro zefektivnění AI workflow, s podporou streamování v reálném čase a centralizovanou konfigurací.
FlowHunt poskytuje dodatečnou bezpečnostní vrstvu mezi vašimi interními systémy a AI nástroji, čímž vám dává podrobnou kontrolu nad tím, které nástroje jsou přístupné z vašich MCP serverů. MCP servery hostované v naší infrastruktuře lze bezproblémově integrovat s chatbotem FlowHunt i s populárními AI platformami jako jsou ChatGPT, Claude a různé AI editory.
MCP Proxy Server je nástroj, který agreguje a zpřístupňuje více MCP (Model Context Protocol) resource serverů skrze jeden HTTP server. Jako proxy umožňuje AI asistentům a klientům současné připojení k několika různým MCP serverům a sjednocuje jejich nástroje, zdroje a schopnosti do jednoho rozhraní. Toto uspořádání zjednodušuje integraci, protože vývojáři a AI workflow mají přístup k různým externím datovým zdrojům, API nebo službám přes jediný endpoint. MCP Proxy Server podporuje aktualizace v reálném čase pomocí SSE (Server-Sent Events) nebo HTTP streamování a je vysoce konfigurovatelný, což usnadňuje komplexní úkoly jako jsou databázové dotazy, správu souborů nebo operace s API prostřednictvím příslušných MCP serverů na pozadí.
V repozitáři ani dokumentaci nejsou uvedeny žádné šablony promptů.
V repozitáři či ukázkové konfiguraci nejsou přímo zdokumentovány žádné explicitní zdroje. Server agreguje zdroje z připojených MCP serverů, ale žádné nejsou uvedeny přímo.
MCP Proxy Server sám o sobě žádné nástroje přímo neposkytuje; proxyuje nástroje z ostatních nakonfigurovaných MCP serverů (např. github, fetch, amap podle příkladu konfigurace).
mcpServers."mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Poznámka: API klíče zabezpečte pomocí environmentálních proměnných, jak je ukázáno výše.
mcpServers:"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Poznámka: Pro tajné tokeny používejte environmentální proměnné.
"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Poznámka: Pro citlivé údaje používejte environmentální proměnné.
"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Poznámka: API klíče zabezpečte pomocí vlastnosti env, jak je uvedeno v příkladu.
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Použití MCP ve FlowHunt
Pro integraci MCP serverů do workflow FlowHunt začněte tím, že přidáte MCP komponentu do svého flow a propojíte ji se svým AI agentem:

Klikněte na MCP komponentu pro otevření konfiguračního panelu. V sekci systémové konfigurace MCP vložte detaily vašeho MCP serveru ve formátu JSON:
{
"mcp-proxy": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
Po konfiguraci může AI agent používat tento MCP jako nástroj s přístupem ke všem jeho funkcím a schopnostem. Nezapomeňte změnit “mcp-proxy” na skutečný název vašeho MCP serveru a URL na vaši vlastní adresu MCP serveru.
| Sekce | Dostupnost | Detaily/Poznámky |
|---|---|---|
| Přehled | ✅ | |
| Seznam promptů | ⛔ | V repozitáři nejsou zdokumentované žádné šablony promptů. |
| Seznam zdrojů | ⛔ | Žádné explicitní definice zdrojů; agreguje z jiných MCP serverů. |
| Seznam nástrojů | ⛔ | Žádné přímé nástroje; proxyuje nástroje z nakonfigurovaných serverů. |
| Zabezpečení API klíčů | ✅ | Konfigurace podporuje env pro tajné údaje. |
| Podpora sampling (pro hodnocení méně důležité) | ⛔ | Není zmíněno v dostupné dokumentaci. |
Na základě výše uvedeného je MCP Proxy užitečná agregační vrstva pro MCP zdroje, ale postrádá přímé nástroje, zdroje nebo šablony promptů; je především konfiguračním a směrovacím řešením.
Tento MCP server je nejlépe hodnocen jako backendový nástroj, nevhodný pro samostatné použití, ale vynikající pro agregaci a správu více MCP serverů ve sjednoceném workflow. Dokumentace je jasná z hlediska konfigurace a bezpečnosti, ale chybí detaily o promptech, nástrojích a zdrojích. Celkově jde o solidní infrastrukturní prvek pro pokročilé uživatele. Hodnocení: 5/10.
| Má licenci | ✅ (MIT) |
|---|---|
| Má alespoň jeden nástroj | ⛔ (Pouze proxy, žádné nástroje) |
| Počet forků | 43 |
| Počet hvězd | 315 |
Sjednoťte své AI a automatizační workflow propojením více MCP serverů skrze výkonný MCP Proxy. Zjednodušte si integraci ještě dnes.

Server mcp-proxy MCP propojuje přenosy Streamable HTTP a stdio MCP, čímž umožňuje bezproblémovou integraci mezi AI asistenty a různými servery či klienty Model ...

DeepSeek MCP Server funguje jako bezpečný proxy server, který propojuje pokročilé jazykové modely DeepSeek s aplikacemi kompatibilními s MCP, jako jsou Claude D...

Prometheus MCP Server umožňuje AI asistentům pracovat s metrikami Promethea pomocí standardizovaných rozhraní Model Context Protocol (MCP). Podporuje dotazy Pro...
Souhlas s cookies
Používáme cookies ke zlepšení vašeho prohlížení a analýze naší návštěvnosti. See our privacy policy.