
mcp-proxy MCP-server
mcp-proxy MCP-serveren bygger bro mellom Streamable HTTP og stdio MCP-transporter, og muliggjør sømløs integrasjon mellom AI-assistenter og ulike Model Context ...
Samle flere MCP-servere til ett samlet endepunkt for strømlinjeformede KI-arbeidsflyter, med sanntidsstrømming og sentralisert konfigurasjon.
MCP Proxy Server er et verktøy som samler og serverer flere MCP (Model Context Protocol) ressursservere via én enkelt HTTP-server. Ved å fungere som en proxy gjør den det mulig for KI-assistenter og klienter å koble til flere forskjellige MCP-servere samtidig, og kombinerer deres verktøy, ressurser og funksjoner i ett samlet grensesnitt. Denne løsningen forenkler integrasjonen, ettersom utviklere og KI-arbeidsflyter får tilgang til ulike eksterne datakilder, API-er eller tjenester gjennom ett enkelt endepunkt. MCP Proxy Server støtter sanntidsoppdateringer via SSE (Server-Sent Events) eller HTTP-strømming og er svært konfigurerbar, noe som gjør det enklere å utføre komplekse oppgaver som databaseforespørsler, filhåndtering eller API-interaksjoner ved å sende dem til de riktige underliggende MCP-serverne.
Ingen informasjon om promptmaler finnes i depotet eller dokumentasjonen.
Ingen eksplisitte ressurser er dokumentert i depotet eller eksempelkonfigurasjonen. Serveren samler ressurser fra tilkoblede MCP-servere, men ingen er oppført direkte.
Ingen verktøy leveres direkte av MCP Proxy Server selv; den fungerer som en proxy til verktøy fra andre konfigurerte MCP-servere (som github, fetch, amap som vist i konfigurasjonseksempelet).
mcpServers
."mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Merk: Sikre API-nøklene dine ved å bruke miljøvariabler som vist over.
mcpServers
:"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Merk: Bruk miljøvariabler for hemmelige nøkler.
"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Merk: Bruk miljøvariabler for sensitive legitimasjoner.
"mcpServers": {
"mcp-proxy": {
"command": "npx",
"args": ["@TBXark/mcp-proxy@latest"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Merk: Sikre API-nøkler med env
-egenskapen som i eksempelet.
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
}
}
}
Bruke MCP i FlowHunt
For å integrere MCP-servere i din FlowHunt-arbeidsflyt, starter du med å legge til MCP-komponenten i flyten din og koble den til KI-agenten din:
Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon setter du inn MCP-serverdetaljene dine med dette JSON-formatet:
{
"mcp-proxy": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
Når dette er konfigurert, kan KI-agenten nå bruke denne MCP-en som et verktøy med tilgang til alle dens funksjoner og muligheter. Husk å endre “mcp-proxy” til det faktiske navnet på din MCP-server og bytt ut URL-en med din egen MCP-server-URL.
Seksjon | Tilgjengelig | Detaljer/merknader |
---|---|---|
Oversikt | ✅ | |
Liste over promptmaler | ⛔ | Ingen promptmaler dokumentert i repo. |
Liste over ressurser | ⛔ | Ingen eksplisitte ressursdefinisjoner; samler fra andre MCP-servere. |
Liste over verktøy | ⛔ | Ingen direkte verktøy; proxyer verktøy fra konfigurerte servere. |
Sikring av API-nøkler | ✅ | Konfigurasjon støtter env for hemmeligheter. |
Sampling-støtte (mindre viktig i vurdering) | ⛔ | Ikke omtalt i tilgjengelig dokumentasjon. |
Basert på dette er MCP Proxy et nyttig aggregeringslag for MCP-ressurser, men mangler direkte verktøy, ressurser eller promptmaler; det er hovedsakelig en konfigurasjons- og ruteløsning.
Denne MCP-serveren vurderes best som et backend-verktøy, ikke egnet for bruk alene, men utmerket for å samle og administrere flere MCP-servere i én samlet arbeidsflyt. Dokumentasjonen er tydelig for konfigurasjon og sikkerhet, men mangler detaljer om promter, verktøy og ressurser. Alt i alt er det et solid infrastrukturverktøy for avanserte brukere. Score: 5/10.
Har en LISENS | ✅ (MIT) |
---|---|
Har minst ett verktøy | ⛔ (Kun proxy, ingen verktøy) |
Antall forks | 43 |
Antall stjerner | 315 |
MCP Proxy Server er et backend-verktøy som samler flere MCP (Model Context Protocol) ressursservere i én HTTP-server. Den gjør det mulig for KI-assistenter og utviklere å få tilgang til verktøy, API-er og datakilder fra flere MCP-servere via ett samlet endepunkt, og forenkler integrasjon og administrasjon.
Viktige bruksområder inkluderer: å samle flere MCP-servere for enklere tilgang, fungere som en samlet API-gateway for ulike datakilder, støtte sanntidsdatastreaming via SSE/HTTP, muliggjøre fleksibel klientintegrasjon, samt sentralisere autentisering og logging for økt sikkerhet.
Nei, MCP Proxy Server tilbyr ikke direkte egne verktøy eller ressurser. I stedet proxer og samler den verktøy og ressurser fra de underliggende MCP-serverne som er konfigurert i ditt miljø.
Bruk alltid miljøvariabler (egenskapen `env` i konfigurasjonen) for å lagre hemmeligheter som API-nøkler, som vist i eksempelt oppsett for hver klient. Dette bidrar til å sikre at legitimasjonen din forblir trygg og ikke eksponeres i konfigurasjonsfiler.
Legg til en MCP-komponent i flyten din, og sett inn MCP Proxy Server-detaljene dine i systemets MCP-konfigurasjon i JSON-format. Dette lar KI-agenten din få tilgang til alle samlede verktøy og ressurser via ett endepunkt. Husk å oppdatere servernavn og URL tilpasset ditt oppsett.
Samle dine KI- og automatiseringsarbeidsflyter ved å koble flere MCP-servere gjennom den kraftige MCP Proxy. Forenkle integrasjonen din i dag.
mcp-proxy MCP-serveren bygger bro mellom Streamable HTTP og stdio MCP-transporter, og muliggjør sømløs integrasjon mellom AI-assistenter og ulike Model Context ...
JetBrains MCP Server kobler AI-agenter med JetBrains IDE-er som IntelliJ, PyCharm, WebStorm og Android Studio, og muliggjør automatiserte arbeidsflyter, kodenav...
Model Context Protocol (MCP) Server fungerer som en bro mellom AI-assistenter og eksterne datakilder, API-er og tjenester, og muliggjør sømløs integrasjon av ko...