MCP Creator MCP

🚀 MCP-Creator-MCP 🚀

MCP-Creator-MCP 是一個元 MCP 服務器，它通過 AI 引導的工作流程和智能模板，讓 MCP 服務器的創建變得民主化。它能以最小的認知負擔和最大的結構優雅性，將模糊的想法轉化為可投入生產的 MCP 服務器。

🚀 快速開始

前提條件

• Python 3.10 或更高版本
• uv 包管理器
• Claude Desktop（用於 MCP 集成）

安裝

# 克隆並設置項目
git clone https://github.com/angrysky56/mcp-creator-mcp.git
cd mcp-creator-mcp

# 創建並激活虛擬環境
uv venv --python 3.12 --seed
source .venv/bin/activate

# 安裝依賴項
uv add -e .

# 配置環境
cp .env.example .env
# 使用您的 API 密鑰編輯 .env（請參閱配置部分）

基本用法

選項 1：作為 MCP 服務器（推薦）

1. 配置 Claude Desktop：

   # 複製示例配置
   cp example_mcp_config.json ~/path/to/claude_desktop_config.json
   # 根據需要編輯路徑和 API 密鑰
   

2. 在 Claude Desktop 中開始使用：

   • 重啟 Claude Desktop
   • 使用 create_mcp_server、list_templates、get_ai_guidance 等工具

選項 2：獨立界面

# 啟動 Gradio 界面
uv run gradio_interface.py

# 或者使用 CLI
uv run mcp-creator-gui

✨ 主要特性

• 🤖 AI 引導創建：根據您的用例獲得智能建議和最佳實踐
• 📚 模板庫：精心策劃的經過驗證的 MCP 服務器模式集合
• 🔄 工作流引擎：保存和重用創建工作流以獲得一致的結果
• 🎨 Gradio 界面：用戶友好的 Web 界面，用於可視化服務器管理
• 🔧 多語言支持：支持 Python、Gradio，並不斷擴展語言生態系統
• 📊 內置監控：服務器健康檢查和操作可見性
• 🛡️ 最佳實踐：自動驗證和安全建議

📖 詳細文檔

配置

環境變量

創建一個 .env 文件並設置您的配置：

# AI 模型提供商（AI 引導至少需要一個）
ANTHROPIC_API_KEY=your_anthropic_key_here
OPENAI_API_KEY=your_openai_key_here
OLLAMA_BASE_URL=http://localhost:11434

# MCP 創建器設置
DEFAULT_OUTPUT_DIR=./mcp_servers
LOG_LEVEL=INFO

# Gradio 界面
GRADIO_SERVER_PORT=7860
GRADIO_SHARE=false

Claude Desktop 集成

1. 編輯您的 Claude Desktop 配置（通常位於 ~/.config/Claude/claude_desktop_config.json）：

{
  "mcpServers": {
    "mcp-creator": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/mcp-creator-mcp",
        "run",
        "python",
        "main.py"
      ],
      "env": {
        "ANTHROPIC_API_KEY": "your_key_here"
      }
    }
  }
}

2. 重啟 Claude Desktop

💻 使用示例

創建您的第一個 MCP 服務器

# 在 Claude Desktop 中詢問：
"Create an MCP server called 'weather_helper' that provides weather data and forecasts"

# 或者直接使用工具：
create_mcp_server(
    name="weather_helper",
    description="Provides weather data and forecasts",
    language="python",
    template_type="basic",
    features=["tools", "resources"]
)

獲取 AI 指導

# 詢問特定指導：
get_ai_guidance(
    topic="security",
    server_type="database"
)

# 或者訪問指導資源：
# 使用資源: mcp-creator://guidance/sampling

管理模板

# 列出可用模板
list_templates()

# 按語言過濾
list_templates(language="python")

🔧 技術細節

架構

核心原則

• 簡單性：每個組件都有單一、明確的職責
• 可預測性：一致的模式減少認知負擔
• 可擴展性：模塊化設計便於輕鬆定製
• 可靠性：全面的錯誤處理和優雅降級

組件概述

├── src/mcp_creator/
│   ├── core/              # 核心服務器功能
│   │   ├── config.py      # 簡潔的配置管理
│   │   ├── template_manager.py  # 模板系統
│   │   └── server_generator.py # 服務器創建引擎
│   ├── workflows/         # 工作流管理
│   ├── ai_guidance/       # AI 輔助系統
│   └── utils/             # 共享實用工具
├── templates/             # 模板庫
├── ai_guidance/           # 指導內容
└── mcp_servers/          # 生成的服務器（默認）

模板系統

可用模板

• Python 基礎：簡潔、結構良好的基礎模板
• 帶資源的 Python：數據庫和 API 集成模式
• 帶採樣的 Python：具有 AI 增強功能的服務器能力
• Gradio 界面：與 MCP 集成的交互式用戶界面

創建自定義模板

模板使用 Jinja2 並具有簡潔的抽象：

# 模板結構
templates/languages/{language}/{template_name}/
├── metadata.json          # 模板配置
├── template.py.j2        # 主模板文件
└── README.md.j2          # 文檔模板

工作流系統

保存工作流

save_workflow(
    name="Database MCP Server",
    description="Complete database integration workflow",
    steps=[
        {
            "id": "collect_requirements",
            "type": "input",
            "config": {"fields": ["db_type", "connection_string"]}
        },
        {
            "id": "security_review",
            "type": "ai_guidance",
            "config": {"topic": "database_security"}
        },
        {
            "id": "generate_server",
            "type": "generation",
            "config": {"template": "python:database"}
        }
    ]
)

開發

項目結構

代碼庫遵循簡潔的架構原則：

• 關注點分離：每個模塊都有單一的職責
• 依賴注入：組件之間松耦合
• 錯誤邊界：整個系統具有優雅的故障處理
• 類型安全：全面的類型提示和驗證

添加新模板

1. 創建模板目錄：templates/languages/{lang}/{name}/
2. 添加 metadata.json 並配置模板
3. 使用 Jinja2 創建 template.{ext}.j2 模板
4. 使用模板管理器進行測試

貢獻

1. 分叉倉庫
2. 創建一個具有描述性名稱的功能分支
3. 遵循現有的代碼模式和風格
4. 為新功能添加測試
5. 提交一個帶有清晰描述的拉取請求

安全與最佳實踐

內置保護

• 輸入驗證：所有用戶輸入都經過驗證和清理
• 進程管理：正確清理以防止資源洩漏
• 錯誤處理：優雅失敗並提供有用的消息
• 日誌記錄：全面的操作可見性

推薦實踐

• 使用環境變量存儲敏感數據
• 為生產部署實現速率限制
• 定期對生成的服務器進行安全審計
• 監控服務器性能和資源使用情況

故障排除

常見問題

服務器無法啟動：

# 檢查依賴項
uv add -e .

# 驗證配置
cat .env

# 檢查日誌
tail -f logs/mcp-creator.log

Claude Desktop 集成問題：

# 驗證配置文件語法
python -m json.tool claude_desktop_config.json

# 檢查服務器連接性
python main.py --test

模板錯誤：

# 列出可用模板
uv run python -c "from src.mcp_creator import TemplateManager; print(TemplateManager().list_templates())"

監控與操作

健康檢查

服務器提供內置的健康監控：

• 資源使用跟蹤
• 錯誤率監控
• 性能指標
• 模板驗證

日誌記錄

所有操作都記錄到 stderr（符合 MCP 規範）：

# 實時查看日誌
python main.py 2>&1 | tee mcp-creator.log

🚀 未來規劃

• 多語言擴展：支持 TypeScript、Go、Rust 模板
• 雲部署：與主要雲平臺集成
• 協作功能：團隊工作流和模板共享
• 高級 AI：增強代碼生成和優化
• 市場：社區模板和工作流生態系統

📄 許可證

本項目採用 MIT 許可證，詳情請參閱 LICENSE。

🤝 貢獻

我們歡迎貢獻！請參閱 CONTRIBUTING.md 瞭解貢獻指南。

💬 支持

• 問題反饋：GitHub Issues
• 討論交流：GitHub Discussions
• 文檔資料：Wiki

為 MCP 社區用心打造 ❤️

MCP Creator 讓複雜的 AI 集成對從愛好者到企業團隊的每個人都變得觸手可及。