
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.
FlowHunt giver et ekstra sikkerhedslag mellem dine interne systemer og AI-værktøjer, hvilket giver dig granulær kontrol over hvilke værktøjer der er tilgængelige fra dine MCP-servere. MCP-servere hostet i vores infrastruktur kan problemfrit integreres med FlowHunts chatbot samt populære AI-platforme som ChatGPT, Claude og forskellige AI-editorer.
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 |
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...

Slack MCP Server muliggør problemfri integration mellem AI-assistenter og Slack Workspaces, så du kan automatisere beskeder, integrere arbejdsgange og oprette s...
Cookie Samtykke
Vi bruger cookies til at forbedre din browsingoplevelse og analysere vores trafik. See our privacy policy.