MCP GraphQL 服务器

“MCP GraphQL” MCP 服务器能做什么？

MCP GraphQL 是一种模型上下文协议（MCP）服务器，旨在为 GraphQL API 交互提供标准化接口。它通过自动解析目标 GraphQL 端点，将每一个可用的 GraphQL 查询暴露为专用的 MCP 工具，使 AI 助手和开发者能够与外部 GraphQL 数据源无缝交互。这一过程支持数据库查询、数据检索，以及与第三方服务的直接集成，全部通过兼容 MCP 的工作流实现。MCP GraphQL 负责工具参数映射、动态 JSON schema 生成和认证（支持 Bearer、Basic 或自定义头），无需手动定义 schema。其核心目标是通过统一协议，让 AI 助手和人类用户都能轻松访问和操作 GraphQL API，极大地简化开发流程。

提示词列表

所提供材料中未提及提示模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

所提供文档中未描述具体的 MCP 资源。

工具列表

• GraphQL 查询工具
  由目标 API 暴露的每个 GraphQL 查询都被呈现为一个独立的 MCP 工具。服务器会为每个查询动态创建一个工具，工具参数与 GraphQL 查询参数一致。这允许客户端直接通过 MCP 执行 API 支持的任意查询。
  • 参数：自动从 GraphQL schema 生成
  • 输入 schema：根据查询需求动态构建

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

典型用例

• 通过 GraphQL 进行数据库管理
  开发者可对支持 GraphQL 的数据库执行复杂查询，将结构化数据直接拉取至开发环境或 AI 工作流。
• 第三方 API 集成
  无缝集成暴露 GraphQL 端点的 SaaS 产品或服务，使 AI 助手能够获取、聚合或操作远程数据。
• 快速原型开发与数据探索
  能即时分析新 GraphQL API 的可用查询，无需手动映射 schema，即可快速实验和数据分析。
• 自动化报表
  利用 AI 代理自动提取 GraphQL API 数据，按需生成报表或仪表盘。
• 增强的文件或内容管理
  若某服务通过 GraphQL 暴露文件或内容管理功能，也可作为工具接入以实现工作流自动化。

如何配置

Windsurf

1. 确保已安装 Python 3.11+。
2. 通过 pip 安装 mcp-graphql，或按需使用 uvx。
3. 编辑你的 Windsurf 配置文件。
4. 在 mcpServers 部分添加 MCP GraphQL 服务器：

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

5. 保存配置并重启 Windsurf。
6. 运行测试查询以验证连接。
7. API 密钥安全：使用环境变量。

   "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. 打开 Claude 的设置或配置文件。
2. 安装或确保有 uvx 或 mcp-graphql。
3. 在你的 mcpServers 配置中添加：

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

4. 或者，也可如下面这样用 pip 或 Docker：

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

   或

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

5. 保存更改并重启 Claude 以生效。

Cursor

1. 通过 pip 或 uvx 安装 mcp-graphql。
2. 打开你的 Cursor 配置文件。
3. 在 mcpServers 部分添加如下配置：

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

4. 保存配置并重载 Cursor。
5. 通过 MCP 接口运行示例查询进行测试。

Cline

1. 确保已安装 Python 3.11+ 和 mcp-graphql。
2. 找到你的 Cline 配置文件。
3. 在 mcpServers 设置中添加 MCP GraphQL 服务器：

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

4. 保存并重启 Cline。
5. 如上所示，使用环境变量配置 Token，以确保安全。

API 密钥安全

对于 token 等敏感信息，请使用环境变量：

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

在流程中如何使用 MCP

FlowHunt 中的 MCP 集成

要在 FlowHunt 工作流中集成 MCP 服务器，请首先将 MCP 组件添加到你的流程，并与 AI 代理连接：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填写你的 MCP 服务器信息：

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

配置完成后，AI 代理即可作为工具使用该 MCP，拥有其全部功能。请记得将 “graphql” 替换为你实际的 MCP 服务器名称，并将 URL 替换为你自己的服务器地址。

概览

一个扎实实用的 GraphQL API MCP 实现，但缺乏显式的提示/资源，也未提及采样或根节点。适合工具暴露与便捷部署。按完整性和开发者实用性评价为 7/10。

MCP 评分