MCP GraphQL Server

Was macht der „MCP GraphQL“-MCP-Server?

MCP GraphQL ist ein Model Context Protocol (MCP) Server, der eine standardisierte Schnittstelle für die Interaktion mit GraphQL-APIs bereitstellt. Durch die Introspektion eines Ziel-GraphQL-Endpunkts stellt er jede verfügbare GraphQL-Abfrage automatisch als dediziertes MCP-Tool bereit. So können KI-Assistenten und Entwickler nahtlos mit externen GraphQL-Datenquellen interagieren. Dies ermöglicht Aufgaben wie Datenbankabfragen, Datenabruf und die Integration mit Drittanbieterdiensten direkt über einen MCP-kompatiblen Workflow. MCP GraphQL übernimmt das Mapping der Tool-Parameter, die dynamische Generierung von JSON-Schemata und die Authentifizierung (inklusive Bearer-, Basic- oder benutzerdefinierter Header) – und das alles ohne manuelle Schemadefinition. Das Hauptziel ist, Entwicklungs-Workflows zu beschleunigen, indem GraphQL-APIs für KI-basierte Assistenten und menschliche Nutzer über ein einheitliches Protokoll zugänglich und nutzbar gemacht werden.

Liste der Prompts

In den bereitgestellten Materialien werden keine Prompt-Vorlagen erwähnt.

Liste der Ressourcen

In der Dokumentation sind keine expliziten MCP-Ressourcen beschrieben.

Liste der Tools

• GraphQL Query Tools
  Jede von der Ziel-API bereitgestellte GraphQL-Abfrage wird als separates MCP-Tool verfügbar gemacht. Der Server erstellt für jede Abfrage dynamisch ein Tool, dessen Parameter exakt denen der GraphQL-Abfrage entsprechen. Dadurch können Clients alle vom API unterstützten Queries direkt via MCP ausführen.
  • Parameter: Automatisch aus dem GraphQL-Schema generiert
  • Input-Schema: Dynamisch entsprechend den Anforderungen der Abfrage aufgebaut

Anwendungsfälle für diesen MCP-Server

• Datenbankverwaltung per GraphQL
  Entwickler können komplexe Abfragen gegen GraphQL-fähige Datenbanken ausführen und strukturierte Daten direkt in ihre Entwicklungsumgebung oder KI-Workflows holen.
• Integration von Drittanbieter-APIs
  Integrieren Sie nahtlos SaaS-Produkte oder Dienste, die GraphQL-Endpunkte anbieten. So können KI-Assistenten entfernte Daten abrufen, aggregieren oder bearbeiten.
• Schnelles Prototyping und Datenexploration
  Introspektieren Sie sofort die verfügbaren Abfragen einer neuen GraphQL-API und experimentieren oder analysieren Sie Daten, ohne manuelles Schemamapping.
• Automatisiertes Reporting
  Lassen Sie KI-Agenten Daten aus GraphQL-APIs automatisch extrahieren und Berichte oder Dashboards auf Abruf erstellen.
• Erweiterte Datei- oder Inhaltsverwaltung
  Falls ein Dienst Datei- oder Inhaltsmanagement per GraphQL bietet, können diese Funktionen als Tools für eine automatisierte Prozesskette genutzt werden.

Einrichtung

Windsurf

1. Stellen Sie sicher, dass Python 3.11+ installiert ist.
2. Installieren Sie mcp-graphql per pip oder verwenden Sie uvx nach Bedarf.
3. Bearbeiten Sie Ihre Windsurf-Konfigurationsdatei.
4. Fügen Sie den MCP GraphQL Server im Abschnitt mcpServers hinzu:

   "mcpServers": {
     "graphql": {
       "command": "uvx",
       "args": ["mcp-graphql", "--api-url", "https://api.example.com/graphql"]
     }
   }
   

5. Speichern Sie die Konfiguration und starten Sie Windsurf neu.
6. Überprüfen Sie die Verbindung, indem Sie eine Testabfrage ausführen.
7. API-Schlüssel absichern: Verwenden Sie Umgebungsvariablen.

   "mcpServers": {
     "graphql": {
       "command": "uvx",
       "args": [
         "mcp-graphql",
         "--api-url", "https://api.example.com/graphql",
         "--auth-token", "${GRAPHQL_TOKEN}"
       ],
       "env": {
         "GRAPHQL_TOKEN": "your-token"
       }
     }
   }
   

Claude

1. Öffnen Sie die Einstellungen/Konfiguration von Claude.
2. Installieren Sie uvx oder mcp-graphql bzw. stellen Sie deren Verfügbarkeit sicher.
3. Ergänzen Sie Ihre mcpServers-Konfiguration:

   "mcpServers": {
     "graphql": {
       "command": "uvx",
       "args": ["mcp-graphql", "--api-url", "https://api.example.com/graphql"]
     }
   }
   

4. Alternativ können Sie pip oder Docker wie folgt verwenden:

   "mcpServers": {
     "graphql": {
       "command": "python",
       "args": ["-m", "mcp_graphql", "--api-url", "https://api.example.com/graphql"]
     }
   }
   

   oder

   "mcpServers": {
     "graphql": {
       "command": "docker",
       "args": ["run", "-i", "--rm", "mcp/graphql", "--api-url", "https://api.example.com/graphql"]
     }
   }
   

5. Speichern Sie die Änderungen und starten Sie Claude neu.

Cursor

1. Installieren Sie mcp-graphql per pip oder uvx.
2. Öffnen Sie Ihre Cursor-Konfigurationsdatei.
3. Ergänzen Sie im Abschnitt mcpServers:

   "mcpServers": {
     "graphql": {
       "command": "uvx",
       "args": ["mcp-graphql", "--api-url", "https://api.example.com/graphql"]
     }
   }
   

4. Speichern Sie die Konfiguration und laden Sie Cursor neu.
5. Testen Sie die Verbindung mit einer Beispielabfrage über das MCP-Interface.

Cline

1. Stellen Sie sicher, dass Python 3.11+ und mcp-graphql installiert sind.
2. Suchen Sie Ihre Cline-Konfigurationsdatei.
3. Fügen Sie den MCP GraphQL Server zu Ihren mcpServers-Einstellungen hinzu:

   "mcpServers": {
     "graphql": {
       "command": "uvx",
       "args": ["mcp-graphql", "--api-url", "https://api.example.com/graphql"]
     }
   }
   

4. Speichern Sie und starten Sie Cline neu.
5. Verwenden Sie Umgebungsvariablen für Tokens wie oben zum Schutz.

API-Schlüssel absichern

Verwenden Sie für sensible Daten wie Tokens Umgebungsvariablen:

"mcpServers": {
  "graphql": {
    "command": "uvx",
    "args": [
      "mcp-graphql",
      "--api-url", "https://api.example.com/graphql",
      "--auth-token", "${GRAPHQL_TOKEN}"
    ],
    "env": {
      "GRAPHQL_TOKEN": "your-token"
    }
  }
}

Nutzung dieses MCP-Servers in Flows

Nutzung von MCP in FlowHunt

Um MCP-Server in Ihren FlowHunt-Workflow einzubinden, fügen Sie die MCP-Komponente Ihrem Flow hinzu und verbinden Sie sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Abschnitt „System-MCP-Konfiguration“ geben Sie Ihre MCP-Serverdaten wie folgt im JSON-Format an:

{
  "graphql": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool mit Zugriff auf alle Funktionen verwenden. Passen Sie „graphql“ gegebenenfalls an den tatsächlichen Namen Ihres MCP-Servers an und tragen Sie Ihre eigene MCP-Server-URL ein.

Übersicht

Eine solide, praxisnahe MCP-Implementierung für GraphQL-APIs, aber ohne explizite Prompts/Ressourcen und ohne Sampling oder Roots. Gut zur Tool-Exposition und für schnellen Einstieg. Bewertung: 7/10 hinsichtlich Vollständigkeit und Nutzen für Entwickler.

MCP Score