MCP Creator MCP

🚀 MCP-Creator-MCP 🚀

MCP-Creator-MCP 是一个元 MCP 服务器，它通过 AI 引导的工作流程和智能模板，让 MCP 服务器的创建变得民主化。它能以最小的认知负担和最大的结构优雅性，将模糊的想法转化为可投入生产的 MCP 服务器。

🚀 快速开始

前提条件

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

安装

# 克隆并设置项目
git clone https://github.com/angrysky56/mcp-creator-mcp.git
cd mcp-creator-mcp

# 创建并激活虚拟环境
uv venv --python 3.12 --seed
source .venv/bin/activate

# 安装依赖项
uv add -e .

# 配置环境
cp .env.example .env
# 使用您的 API 密钥编辑 .env（请参阅配置部分）

基本用法

选项 1：作为 MCP 服务器（推荐）

1. 配置 Claude Desktop：

   # 复制示例配置
   cp example_mcp_config.json ~/path/to/claude_desktop_config.json
   # 根据需要编辑路径和 API 密钥
   

2. 在 Claude Desktop 中开始使用：

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

选项 2：独立界面

# 启动 Gradio 界面
uv run gradio_interface.py

# 或者使用 CLI
uv run mcp-creator-gui

✨ 主要特性

• 🤖 AI 引导创建：根据您的用例获得智能建议和最佳实践
• 📚 模板库：精心策划的经过验证的 MCP 服务器模式集合
• 🔄 工作流引擎：保存和重用创建工作流以获得一致的结果
• 🎨 Gradio 界面：用户友好的 Web 界面，用于可视化服务器管理
• 🔧 多语言支持：支持 Python、Gradio，并不断扩展语言生态系统
• 📊 内置监控：服务器健康检查和操作可见性
• 🛡️ 最佳实践：自动验证和安全建议

📖 详细文档

配置

环境变量

创建一个 .env 文件并设置您的配置：

# AI 模型提供商（AI 引导至少需要一个）
ANTHROPIC_API_KEY=your_anthropic_key_here
OPENAI_API_KEY=your_openai_key_here
OLLAMA_BASE_URL=http://localhost:11434

# MCP 创建器设置
DEFAULT_OUTPUT_DIR=./mcp_servers
LOG_LEVEL=INFO

# Gradio 界面
GRADIO_SERVER_PORT=7860
GRADIO_SHARE=false

Claude Desktop 集成

1. 编辑您的 Claude Desktop 配置（通常位于 ~/.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. 重启 Claude Desktop

💻 使用示例

创建您的第一个 MCP 服务器

# 在 Claude Desktop 中询问：
"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"]
)

获取 AI 指导

# 询问特定指导：
get_ai_guidance(
    topic="security",
    server_type="database"
)

# 或者访问指导资源：
# 使用资源: mcp-creator://guidance/sampling

管理模板

# 列出可用模板
list_templates()

# 按语言过滤
list_templates(language="python")

🔧 技术细节

架构

核心原则

• 简单性：每个组件都有单一、明确的职责
• 可预测性：一致的模式减少认知负担
• 可扩展性：模块化设计便于轻松定制
• 可靠性：全面的错误处理和优雅降级

组件概述

├── src/mcp_creator/
│   ├── core/              # 核心服务器功能
│   │   ├── config.py      # 简洁的配置管理
│   │   ├── template_manager.py  # 模板系统
│   │   └── server_generator.py # 服务器创建引擎
│   ├── workflows/         # 工作流管理
│   ├── ai_guidance/       # AI 辅助系统
│   └── utils/             # 共享实用工具
├── templates/             # 模板库
├── ai_guidance/           # 指导内容
└── mcp_servers/          # 生成的服务器（默认）

模板系统

可用模板

• Python 基础：简洁、结构良好的基础模板
• 带资源的 Python：数据库和 API 集成模式
• 带采样的 Python：具有 AI 增强功能的服务器能力
• Gradio 界面：与 MCP 集成的交互式用户界面

创建自定义模板

模板使用 Jinja2 并具有简洁的抽象：

# 模板结构
templates/languages/{language}/{template_name}/
├── metadata.json          # 模板配置
├── template.py.j2        # 主模板文件
└── README.md.j2          # 文档模板

工作流系统

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"}
        }
    ]
)

开发

项目结构

代码库遵循简洁的架构原则：

• 关注点分离：每个模块都有单一的职责
• 依赖注入：组件之间松耦合
• 错误边界：整个系统具有优雅的故障处理
• 类型安全：全面的类型提示和验证

添加新模板

1. 创建模板目录：templates/languages/{lang}/{name}/
2. 添加 metadata.json 并配置模板
3. 使用 Jinja2 创建 template.{ext}.j2 模板
4. 使用模板管理器进行测试

贡献

1. 分叉仓库
2. 创建一个具有描述性名称的功能分支
3. 遵循现有的代码模式和风格
4. 为新功能添加测试
5. 提交一个带有清晰描述的拉取请求

安全与最佳实践

内置保护

• 输入验证：所有用户输入都经过验证和清理
• 进程管理：正确清理以防止资源泄漏
• 错误处理：优雅失败并提供有用的消息
• 日志记录：全面的操作可见性

推荐实践

• 使用环境变量存储敏感数据
• 为生产部署实现速率限制
• 定期对生成的服务器进行安全审计
• 监控服务器性能和资源使用情况

故障排除

常见问题

服务器无法启动：

# 检查依赖项
uv add -e .

# 验证配置
cat .env

# 检查日志
tail -f logs/mcp-creator.log

Claude Desktop 集成问题：

# 验证配置文件语法
python -m json.tool claude_desktop_config.json

# 检查服务器连接性
python main.py --test

模板错误：

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

监控与操作

健康检查

服务器提供内置的健康监控：

• 资源使用跟踪
• 错误率监控
• 性能指标
• 模板验证

日志记录

所有操作都记录到 stderr（符合 MCP 规范）：

# 实时查看日志
python main.py 2>&1 | tee mcp-creator.log

🚀 未来规划

• 多语言扩展：支持 TypeScript、Go、Rust 模板
• 云部署：与主要云平台集成
• 协作功能：团队工作流和模板共享
• 高级 AI：增强代码生成和优化
• 市场：社区模板和工作流生态系统

📄 许可证

本项目采用 MIT 许可证，详情请参阅 LICENSE。

🤝 贡献

我们欢迎贡献！请参阅 CONTRIBUTING.md 了解贡献指南。

💬 支持

• 问题反馈：GitHub Issues
• 讨论交流：GitHub Discussions
• 文档资料：Wiki

为 MCP 社区用心打造 ❤️

MCP Creator 让复杂的 AI 集成对从爱好者到企业团队的每个人都变得触手可及。