MCP Proxy-server

Vad gör “MCP Proxy” MCP-servern?

MCP Proxy-servern är ett verktyg som samlar och tillhandahåller flera MCP (Model Context Protocol) resursservrar genom en enda HTTP-server. Genom att agera som proxy möjliggör den för AI-assistenter och klienter att ansluta till flera olika MCP-servrar samtidigt, och kombinerar deras verktyg, resurser och funktioner i ett enhetligt gränssnitt. Denna uppsättning förenklar integrationen, eftersom utvecklare och AI-arbetsflöden kan komma åt olika externa datakällor, API:er eller tjänster via en enda slutpunkt. MCP Proxy-servern stödjer realtidsuppdateringar via SSE (Server-Sent Events) eller HTTP-streaming och är mycket konfigurerbar, vilket gör det enklare att utföra komplexa uppgifter som databasfrågor, filhantering eller API-interaktioner genom att routa dessa till rätt underliggande MCP-servrar.

Lista över Promptar

Ingen information om promptmallar finns i arkivet eller dokumentationen.

Lista över Resurser

Inga explicita resurser dokumenterade i arkivet eller exempelkonfigurationen. Servern samlar resurser från anslutna MCP-servrar, men inga listas direkt.

Lista över Verktyg

Inga verktyg tillhandahålls direkt av MCP Proxy-servern själv; den fungerar som proxy till verktyg från andra konfigurerade MCP-servrar (t.ex. github, fetch, amap enligt konfigurationsexemplet).

Användningsområden för denna MCP-server

• Samla flera MCP-servrar: Utvecklare kan ansluta flera olika MCP-servrar (t.ex. för GitHub, Fetch eller Amap) via en proxy-slutpunkt, vilket förenklar installation och hantering.
• Enhetlig API-gateway: Fungerar som en enhetlig gateway för AI-assistenter för att få tillgång till olika externa API:er och datakällor via MCP-protokollet, vilket minskar integrationskomplexiteten.
• Realtidsdata-strömning: Stödjer SSE/HTTP-streaming, vilket möjliggör realtidsuppdateringar från underliggande MCP-resursservrar.
• Flexibelt klientsstöd: Kan anslutas till olika typer av klienter (stdio, sse, streamable-http), vilket gör den anpassningsbar för olika arbetsflödeskrav.
• Centraliserad autentisering & loggning: Erbjuder centraliserad konfiguration för autentiseringstokens och loggning, vilket förbättrar säkerhet och spårbarhet vid åtkomst till flera MCP-resurser.

Så här sätter du upp det

Windsurf

1. Säkerställ att du har Node.js och tillgång till Windsurf-konfigurationsfiler.
2. Öppna din Windsurf-konfiguration och lokalisera avsnittet mcpServers.
3. Lägg till MCP Proxy-servern med följande JSON-snutt:

   "mcpServers": {
     "mcp-proxy": {
       "command": "npx",
       "args": ["@TBXark/mcp-proxy@latest"],
       "env": {
         "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
       }
     }
   }
   

4. Spara din konfiguration och starta om Windsurf.
5. Kontrollera att MCP Proxy-servern visas i Windsurf-gränssnittet.

Obs: Säkra dina API-nycklar med miljövariabler enligt ovan.

Claude

1. Lokalisera Claudes konfigurationsgränssnitt eller fil.
2. Lägg till MCP Proxy-servern i avsnittet mcpServers:

   "mcpServers": {
     "mcp-proxy": {
       "command": "npx",
       "args": ["@TBXark/mcp-proxy@latest"],
       "env": {
         "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
       }
     }
   }
   

3. Spara konfigurationen och starta om Claude.
4. Kontrollera att MCP Proxy-servern känns igen av Claude.

Obs: Använd miljövariabler för hemliga tokens.

Cursor

1. Säkerställ att du har Node.js installerat och tillgång till Cursor-konfigurationen.
2. Redigera Cursor-konfigurationen och lägg till följande:

   "mcpServers": {
     "mcp-proxy": {
       "command": "npx",
       "args": ["@TBXark/mcp-proxy@latest"],
       "env": {
         "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
       }
     }
   }
   

3. Spara ändringarna och starta om Cursor.
4. Kontrollera att MCP Proxy-servern är tillgänglig.

Obs: Använd miljövariabler för känsliga inloggningsuppgifter.

Cline

1. Öppna Cline-konfigurationsfilen.
2. Lägg in detaljerna för MCP Proxy-servern:

   "mcpServers": {
     "mcp-proxy": {
       "command": "npx",
       "args": ["@TBXark/mcp-proxy@latest"],
       "env": {
         "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
       }
     }
   }
   

3. Spara och starta om Cline.
4. Bekräfta funktionalitet i Cline-gränssnittet.

Obs: Säkra API-nycklar med egenskapen env som i exemplet ovan.

Exempel: Säkra API-nycklar

"mcpServers": {
  "github": {
    "command": "npx",
    "args": ["-y", "@modelcontextprotocol/server-github"],
    "env": {
      "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
    }
  }
}

Så här använder du denna MCP i flöden

Använd MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I avsnittet för systemets MCP-konfiguration lägger du in dina MCP-serverdetaljer med detta JSON-format:

{
  "mcp-proxy": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med åtkomst till alla dess funktioner och möjligheter. Kom ihåg att byta ut “mcp-proxy” mot det faktiska namnet på din MCP-server och ersätt URL:en med din egen MCP-server-URL.

Översikt

Utifrån ovanstående är MCP Proxy ett användbart aggregeringslager för MCP-resurser men saknar egna verktyg, resurser eller promptmallar; det är främst en konfigurations- och routningslösning.

Vår åsikt

Denna MCP-server är bäst klassad som ett backend-verktyg, inte lämpad för fristående användning men utmärkt för att samla och hantera flera MCP-servrar i ett enhetligt arbetsflöde. Dokumentationen är tydlig för konfiguration och säkerhet, men saknar detaljer kring promptar, verktyg och resurser. Sammantaget är det en stabil infrastrukturdel för avancerade användare. Betyg: 5/10.

MCP-poäng