MCP Proxy Server

AI Infrastructure MCP Proxy

Kontaktujte nás pro hostování vašeho MCP serveru ve FlowHunt

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.

Co dělá MCP server “MCP Proxy”?

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.

Seznam promptů

V repozitáři ani dokumentaci nejsou uvedeny žádné šablony promptů.

Logo

Připraveni rozšířit své podnikání?

Začněte svou bezplatnou zkušební verzi ještě dnes a viďte výsledky během několika dní.

Seznam zdrojů

V repozitáři či ukázkové konfiguraci nejsou přímo zdokumentovány žádné explicitní zdroje. Server agreguje zdroje z připojených MCP serverů, ale žádné nejsou uvedeny přímo.

Seznam nástrojů

MCP Proxy Server sám o sobě žádné nástroje přímo neposkytuje; proxyuje nástroje z ostatních nakonfigurovaných MCP serverů (např. github, fetch, amap podle příkladu konfigurace).

Příklady použití tohoto MCP serveru

  • Agregace více MCP serverů: Vývojáři mohou připojit několik různých MCP serverů (např. pro GitHub, Fetch nebo Amap) přes jeden proxy endpoint, což zjednodušuje nastavení i správu.
  • Sjednocená API brána: Slouží jako jednotná brána pro AI asistenty k přístupu k různým externím API a datovým zdrojům prostřednictvím MCP protokolu, což snižuje složitost integrace.
  • Streamování dat v reálném čase: Podporuje SSE/HTTP streamování, umožňující aktualizace v reálném čase z resource serverů na pozadí.
  • Flexibilní podpora klientů: Může komunikovat s různými typy klientů (stdio, sse, streamable-http), a je tedy přizpůsobitelný pro různé workflow požadavky.
  • Centralizovaná autentizace a logování: Nabízí centralizovanou konfiguraci autentizačních tokenů a logování, což zvyšuje bezpečnost a dohledatelnost při přístupu k více MCP zdrojům.

Jak ho nastavit

Windsurf

  1. Ujistěte se, že máte nainstalovaný Node.js a přístup ke konfiguračním souborům Windsurf.
  2. Otevřete konfiguraci Windsurf a najděte sekci mcpServers.
  3. Přidejte MCP Proxy Server pomocí následujícího JSON úseku:
    "mcpServers": {
      "mcp-proxy": {
        "command": "npx",
        "args": ["@TBXark/mcp-proxy@latest"],
        "env": {
          "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
        }
      }
    }
    
  4. Uložte konfiguraci a restartujte Windsurf.
  5. Ověřte, že se MCP Proxy Server objevil v rozhraní Windsurf.

Poznámka: API klíče zabezpečte pomocí environmentálních proměnných, jak je ukázáno výše.

Claude

  1. Najděte konfigurační rozhraní nebo soubor Claude.
  2. Přidejte MCP Proxy Server do sekce mcpServers:
    "mcpServers": {
      "mcp-proxy": {
        "command": "npx",
        "args": ["@TBXark/mcp-proxy@latest"],
        "env": {
          "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
        }
      }
    }
    
  3. Uložte konfiguraci a restartujte Claude.
  4. Ověřte, že Claude rozpoznal MCP Proxy Server.

Poznámka: Pro tajné tokeny používejte environmentální proměnné.

Cursor

  1. Ujistěte se, že máte nainstalovaný Node.js a přístup ke konfiguraci Cursor.
  2. Upravte konfiguraci Cursor a přidejte následující:
    "mcpServers": {
      "mcp-proxy": {
        "command": "npx",
        "args": ["@TBXark/mcp-proxy@latest"],
        "env": {
          "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
        }
      }
    }
    
  3. Uložte změny a restartujte Cursor.
  4. Zkontrolujte, že je MCP Proxy Server dostupný.

Poznámka: Pro citlivé údaje používejte environmentální proměnné.

Cline

  1. Otevřete konfigurační soubor Cline.
  2. Vložte detaily MCP Proxy Serveru:
    "mcpServers": {
      "mcp-proxy": {
        "command": "npx",
        "args": ["@TBXark/mcp-proxy@latest"],
        "env": {
          "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
        }
      }
    }
    
  3. Uložte a restartujte Cline.
  4. Ověřte funkčnost v rozhraní Cline.

Poznámka: API klíče zabezpečte pomocí vlastnosti env, jak je uvedeno v příkladu.

Příklad: Zabezpečení API klíčů

"mcpServers": {
  "github": {
    "command": "npx",
    "args": ["-y", "@modelcontextprotocol/server-github"],
    "env": {
      "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
    }
  }
}

Jak používat MCP uvnitř flow

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:

FlowHunt MCP flow

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.


Přehled

SekceDostupnostDetaily/Poznámky
Přehled
Seznam promptůV repozitáři nejsou zdokumentované žádné šablony promptů.
Seznam zdrojůŽádné explicitní definice zdrojů; agreguje z jiných MCP serverů.
Seznam nástrojůŽádné přímé nástroje; proxyuje nástroje z nakonfigurovaných serverů.
Zabezpečení API klíčůKonfigurace 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.

Náš názor

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.

MCP skóre

Má licenci✅ (MIT)
Má alespoň jeden nástroj⛔ (Pouze proxy, žádné nástroje)
Počet forků43
Počet hvězd315

Často kladené otázky

Integrujte MCP Proxy Server s FlowHunt

Sjednoťte své AI a automatizační workflow propojením více MCP serverů skrze výkonný MCP Proxy. Zjednodušte si integraci ještě dnes.

Zjistit více

mcp-proxy MCP Server
mcp-proxy MCP Server

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 ...

4 min čtení
MCP AI +4
DeepSeek MCP Server
DeepSeek MCP Server

DeepSeek MCP Server

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

4 min čtení
AI MCP +5
Prometheus MCP Server
Prometheus MCP Server

Prometheus MCP Server

Prometheus MCP Server umožňuje AI asistentům pracovat s metrikami Promethea pomocí standardizovaných rozhraní Model Context Protocol (MCP). Podporuje dotazy Pro...

4 min čtení
MCP Servers Prometheus +4