
mcp-proxy MCP-Server
Der mcp-proxy MCP-Server verbindet Streamable HTTP und stdio MCP-Transporte und ermöglicht so eine nahtlose Integration zwischen KI-Assistenten und verschiedene...
Bündeln Sie mehrere MCP-Server zu einem einzigen, einheitlichen Endpunkt für optimierte KI-Workflows – mit Echtzeit-Streaming und zentraler Konfiguration.
Der MCP Proxy Server ist ein Tool, das mehrere MCP (Model Context Protocol) Ressourcenserver über einen einzigen HTTP-Server bündelt und bereitstellt. Als Proxy ermöglicht er KI-Assistenten und Clients die gleichzeitige Verbindung zu verschiedenen MCP-Servern, deren Tools, Ressourcen und Fähigkeiten in einer einheitlichen Oberfläche zusammengeführt werden. Diese Architektur vereinfacht die Integration, da Entwickler und KI-Workflows verschiedenste externe Datenquellen, APIs oder Services über einen einzigen Endpunkt erreichen können. Der MCP Proxy Server unterstützt Echtzeit-Updates via SSE (Server-Sent Events) oder HTTP-Streaming und ist hoch konfigurierbar. So lassen sich komplexe Aufgaben wie Datenbankabfragen, Dateimanagement oder API-Interaktionen einfach lösen, indem sie an die jeweils passenden MCP-Server weitergeleitet werden.
Im Repository oder in der Dokumentation sind keine Informationen zu Prompt-Vorlagen enthalten.
Im Repository oder in den Beispielkonfigurationen sind keine expliziten Ressourcen dokumentiert. Der Server bündelt Ressourcen der angebundenen MCP-Server, listet diese aber nicht direkt auf.
Der MCP Proxy Server stellt selbst keine eigenen Tools zur Verfügung, sondern fungiert als Proxy für Tools anderer konfigurierter MCP-Server (wie github, fetch, amap – siehe Konfigurationsbeispiel).
mcpServers
."mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Hinweis: Sichern Sie Ihre API-Schlüssel wie oben gezeigt mit Umgebungsvariablen ab.
mcpServers
hinzu:"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Hinweis: Verwenden Sie Umgebungsvariablen für geheime Tokens.
"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Hinweis: Nutzen Sie Umgebungsvariablen für sensible Zugangsdaten.
"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Hinweis: Sichern Sie API-Schlüssel mit der env
-Eigenschaft wie im Beispiel.
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
MCP in FlowHunt nutzen
Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie diese mit Ihrem KI-Agenten:
Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Abschnitt System-MCP-Konfiguration tragen Sie Ihre MCP-Server-Details im folgenden JSON-Format ein:
{
"mcp-proxy": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
Nach der Konfiguration kann der KI-Agent diesen MCP als Tool mit allen zugehörigen Funktionen und Möglichkeiten nutzen. Denken Sie daran, “mcp-proxy” durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL entsprechend anzupassen.
Abschnitt | Verfügbar | Details/Notizen |
---|---|---|
Übersicht | ✅ | |
Liste der Prompts | ⛔ | Keine Prompt-Vorlagen im Repo dokumentiert. |
Liste der Ressourcen | ⛔ | Keine expliziten Ressourcen; bündelt von anderen MCP-Servern. |
Liste der Tools | ⛔ | Keine direkten Tools; proxied Tools von konfigurierten Servern. |
API-Schlüssel absichern | ✅ | Konfiguration unterstützt env für Geheimnisse. |
Sampling Support (weniger relevant) | ⛔ | In der Dokumentation nicht erwähnt. |
Basierend auf diesen Informationen ist der MCP Proxy eine nützliche Aggregationsschicht für MCP-Ressourcen, stellt aber keine eigenen Tools, Ressourcen oder Prompt-Vorlagen bereit – er dient hauptsächlich als Konfigurations- und Routing-Lösung.
Dieser MCP-Server ist am besten als Backend-Utility zu bewerten – nicht für den Standalone-Einsatz, aber hervorragend geeignet, um mehrere MCP-Server in einem einheitlichen Workflow zu bündeln und zu verwalten. Die Dokumentation ist hinsichtlich Konfiguration und Sicherheit klar, bietet aber keine Details zu Prompts, Tools oder Ressourcen. Insgesamt ein solides Infrastrukturelement für fortgeschrittene Nutzer. Wertung: 5/10.
Lizenz vorhanden | ✅ (MIT) |
---|---|
Mind. ein Tool vorhanden | ⛔ (Nur Proxy, keine Tools) |
Anzahl Forks | 43 |
Anzahl Stars | 315 |
Der MCP Proxy Server ist ein Backend-Tool, das mehrere MCP (Model Context Protocol) Ressourcenserver in einem einzigen HTTP-Server bündelt. So können KI-Assistenten und Entwickler Tools, APIs und Datenquellen mehrerer MCP-Server über einen einheitlichen Endpunkt nutzen. Das vereinfacht Integration und Verwaltung.
Zentrale Anwendungsfälle sind: Aggregation mehrerer MCP-Server für vereinfachten Zugriff, Einsatz als einheitliches API-Gateway für verschiedene Datenquellen, Unterstützung von Echtzeit-Datenstrom via SSE/HTTP, flexible Integration unterschiedlicher Clients sowie zentrale Authentifizierung und Protokollierung für mehr Sicherheit.
Nein, der MCP Proxy Server stellt nicht direkt eigene Tools oder Ressourcen zur Verfügung. Stattdessen werden Tools und Ressourcen von den in Ihrer Umgebung konfigurierten MCP-Servern gebündelt und weitergeleitet.
Verwenden Sie immer Umgebungsvariablen (die `env`-Eigenschaft in Ihrer Konfiguration), um geheime Schlüssel wie API-Tokens zu speichern – wie im Beispiel-Setup für jeden Client gezeigt. So bleiben Ihre Zugangsdaten sicher und werden nicht in Konfigurationsdateien offengelegt.
Fügen Sie Ihrem Flow ein MCP-Element hinzu und tragen Sie in der systemweiten MCP-Konfiguration die MCP Proxy Server-Details im JSON-Format ein. So kann Ihr KI-Agent alle gebündelten Tools und Ressourcen über einen Endpunkt nutzen. Vergessen Sie nicht, Servername und URL an Ihre Umgebung anzupassen.
Vereinheitlichen Sie Ihre KI- und Automatisierungsworkflows, indem Sie mehrere MCP-Server über den leistungsstarken MCP Proxy verbinden. Vereinfachen Sie noch heute Ihre Integration.
Der mcp-proxy MCP-Server verbindet Streamable HTTP und stdio MCP-Transporte und ermöglicht so eine nahtlose Integration zwischen KI-Assistenten und verschiedene...
Der Model Context Protocol (MCP) Server verbindet KI-Assistenten mit externen Datenquellen, APIs und Diensten und ermöglicht so eine optimierte Integration komp...
Der Kubernetes MCP Server verbindet KI-Assistenten mit Kubernetes-/OpenShift-Clustern und ermöglicht die programmatische Verwaltung von Ressourcen, Pod-Operatio...