
mcp-proxy MCP Server
mcp-proxy MCP Server forbinder Streamable HTTP og stdio MCP transports og muliggør problemfri integration mellem AI-assistenter og forskellige Model Context Pro...
Saml flere MCP-servere i ét samlet endpoint for strømlinede AI-arbejdsgange, med realtidsstreaming og centraliseret konfiguration.
MCP Proxy Server er et værktøj, der samler og udstiller flere MCP (Model Context Protocol)-ressourceservere via én HTTP-server. Ved at fungere som proxy gør den det muligt for AI-assistenter og klienter at forbinde sig til flere forskellige MCP-servere på én gang og kombinere deres værktøjer, ressourcer og funktioner i én samlet grænseflade. Denne opsætning forenkler integration, da udviklere og AI-arbejdsgange kan tilgå forskellige eksterne datakilder, API’er eller tjenester gennem ét endpoint. MCP Proxy Server understøtter realtidsopdateringer via SSE (Server-Sent Events) eller HTTP-streaming og er meget konfigurerbar, hvilket gør det nemmere at udføre komplekse opgaver såsom databaseforespørgsler, filhåndtering eller API-interaktioner ved at dirigere dem gennem de relevante underliggende MCP-servere.
Der er ingen oplysninger om promptskabeloner i arkivet eller dokumentationen.
Der er ingen eksplicitte ressourcer dokumenteret i arkivet eller eksempelkonfigurationen. Serveren samler ressourcer fra tilsluttede MCP-servere, men ingen er angivet direkte.
Der leveres ikke værktøjer direkte af MCP Proxy Server selv; den fungerer som proxy til værktøjer fra andre konfigurerede MCP-servere (såsom github, fetch, amap som vist i konfigurationseksemplet).
mcpServers
."mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Bemærk: Beskyt dine API-nøgler ved brug af miljøvariabler som vist ovenfor.
mcpServers
:"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Bemærk: Brug miljøvariabler til hemmelige tokens.
"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Bemærk: Brug miljøvariabler til følsomme legitimationsoplysninger.
"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Bemærk: Beskyt API-nøgler ved at bruge env
-egenskaben som i eksemplet.
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Brug af MCP i FlowHunt
For at integrere MCP-servere i din FlowHunt-arbejdsgang skal du starte med at tilføje MCP-komponenten til dit flow og forbinde den til din AI-agent:
Klik på MCP-komponenten for at åbne konfigurationspanelet. I sektionen for system-MCP-konfiguration skal du indsætte dine MCP-serverdetaljer i dette JSON-format:
{
"mcp-proxy": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
Når det er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre “mcp-proxy” til det navn, din MCP-server faktisk har, og erstat URL’en med din egen MCP-server-URL.
Sektion | Tilgængelighed | Detaljer/Noter |
---|---|---|
Oversigt | ✅ | |
Liste over Prompts | ⛔ | Ingen promptskabeloner dokumenteret i repo. |
Liste over Ressourcer | ⛔ | Ingen eksplicitte ressource-definitioner; samler fra andre MCP-servere. |
Liste over Værktøjer | ⛔ | Ingen direkte værktøjer; proxy for værktøjer fra konfigurerede servere. |
Sikring af API-nøgler | ✅ | Konfiguration understøtter env til hemmeligheder. |
Sampling Support (mindre vigtigt ved vurdering) | ⛔ | Ikke nævnt i tilgængelig dokumentation. |
På baggrund af ovenstående er MCP Proxy et nyttigt aggregeringslag for MCP-ressourcer, men mangler direkte værktøjer, ressourcer eller promptskabeloner; det er primært en konfigurations- og routingløsning.
Denne MCP-server vurderes bedst som et backend-værktøj, der ikke egner sig til selvstændig brug, men er fremragende til at samle og administrere flere MCP-servere i ét samlet workflow. Dokumentationen er tydelig i forhold til konfiguration og sikkerhed, men mangler detaljer om prompts, værktøjer og ressourcer. Samlet set er det et solidt infrastrukturstykke for avancerede brugere. Score: 5/10.
Har en LICENSE | ✅ (MIT) |
---|---|
Har mindst ét værktøj | ⛔ (Kun proxy, ingen værktøjer) |
Antal forks | 43 |
Antal stjerner | 315 |
MCP Proxy Server er et backend-værktøj, der samler flere MCP (Model Context Protocol)-ressourceservere i én HTTP-server. Det gør det muligt for AI-assistenter og udviklere at tilgå værktøjer, API'er og datakilder fra flere MCP-servere via ét samlet endpoint, hvilket forenkler integration og administration.
Vigtige anvendelser inkluderer: at samle flere MCP-servere for forenklet adgang, fungere som samlet API-gateway for forskellige datakilder, understøtte realtidsdatastreaming via SSE/HTTP, muliggøre fleksibel klientintegration samt centralisere godkendelse og logning for øget sikkerhed.
Nej, MCP Proxy Server leverer ikke direkte værktøjer eller ressourcer. I stedet videresender og samler den værktøjer og ressourcer fra de underliggende MCP-servere, der er konfigureret i dit miljø.
Brug altid miljøvariabler (egenskaben `env` i din konfiguration) til at gemme hemmeligheder som API-tokens, som vist i opsætningseksemplerne for hver klient. Dette hjælper med at sikre, at dine legitimationsoplysninger forbliver sikre og ikke eksponeres i konfigurationsfiler.
Tilføj en MCP-komponent til dit flow, og indsæt dine MCP Proxy Server-detaljer i systemets MCP-konfiguration i JSON-format. Dette gør det muligt for din AI-agent at få adgang til alle samlede værktøjer og ressourcer via ét endpoint. Husk at opdatere servernavn og URL til din opsætning.
Foren dine AI- og automatiseringsarbejdsgange ved at forbinde flere MCP-servere gennem den kraftfulde MCP Proxy. Forenkl din integration i dag.
mcp-proxy MCP Server forbinder Streamable HTTP og stdio MCP transports og muliggør problemfri integration mellem AI-assistenter og forskellige Model Context Pro...
DeepSeek MCP Server fungerer som en sikker proxy, der forbinder DeepSeeks avancerede sprogmodeller med MCP-kompatible applikationer som Claude Desktop eller Flo...
DeepSeek MCP Server integrerer DeepSeeks avancerede sprogmodeller med MCP-kompatible applikationer og giver sikker, anonymiseret API-adgang samt muliggør skaler...