MCP 工具开发脚手架
这是一个用于开发 Model Context Protocol (MCP) 工具的脚手架项目，基于 Bun 运行时和 Express 框架构建。本项目提供了基础架构和示例工具，帮助开发者快速开始构建自己的 MCP 工具。
什么是 MCP？
Model Context Protocol (MCP) 是一种允许 AI 模型调用外部工具和服务的协议。通过 MCP，AI 可以执行各种操作，如发送邮件、推送通知、查询数据库等，从而扩展其能力范围。
脚手架特点
- 完整的 MCP 服务器实现，支持流式响应
- 基于 API 密钥的身份验证机制
- 工具注册和管理系统
- 包含 3 个示例工具（回显、邮件发送、微信通知）供参考
快速开始
环境要求
安装
# 克隆脚手架仓库
git clone
cd
# 安装依赖
bun install
运行
# 开发模式，支持热重载
bun dev
# 生产模式
bun start
服务器将在指定端口上启动（默认为 3000）。
MCP 工具开发指南
本脚手架的主要目的是帮助开发者快速开始构建自己的 MCP 工具。以下是开发自定义 MCP 工具的完整指南。
MCP 工具的基本结构
一个 MCP 工具通常包含以下组件：
- 参数模式（Schema）：定义工具接受的参数及其验证规则
- 实现逻辑：执行工具功能的代码
- 响应格式化：将工具执行结果格式化为 MCP 兼容的响应
开发自定义 MCP 工具的步骤
1. 创建工具定义文件
在 src/tools/ 目录下创建一个新文件，例如 src/tools/my-tool.ts：
import { z } from "zod";
import { formatToolResponse } from "../utils/response";
export const myToolSchema = z.object({
// 定义您的工具需要的参数
param1: z.string().min(1, "参数1不能为空"),
param2: z.number().optional(),
// 添加更多参数...
});
interface MyToolArgs extends z.infer {
apiKey?: string; // 如果您的工具需要 API 密钥
// 其他上下文信息...
}
export async function myTool({ param1, param2, apiKey }: MyToolArgs) {
try {
console.log(`执行工具，参数1: ${param1}`);
// 实现您的工具逻辑
// 例如：调用外部 API、处理数据、执行计算等
const result = await someOperation(param1, param2);
// 返回成功响应
return formatToolResponse(`操作成功: ${result}`);
} catch (error) {
console.error("工具执行错误:", error);
return formatToolResponse(
`执行失败: ${error instanceof Error ? error.message : String(error)}`,
true // 标记为错误
);
}
}
// 辅助函数示例
async function someOperation(param1: string, param2?: number) {
// 实现具体操作...
return "操作结果";
}
2. 在工具注册器中注册您的工具
修改 src/services/tools-registry.ts 文件，导入并注册您的新工具：
// 添加导入
import { myTool, myToolSchema } from "../tools/my-tool";
export function registerTools(server: McpServer, req: Request): void {
const { sendKey, scKey } = extractApiKeys(req);
// 其他工具注册...
// 注册您的自定义工具
server.tool(
"my-tool", // 工具名称（AI 将用此名称调用工具）
"这是我的工具描述", // 工具描述（帮助 AI 理解工具用途）
myToolSchema.shape, // 参数 schema
async (args: z.infer) => myTool({
...args,
apiKey: sendKey // 或其他上下文信息
})
);
}
MCP 工具开发最佳实践
工具设计原则
- 单一职责：每个工具应专注于完成一个特定任务
- 简单明了：工具名称和描述应清晰表达其功能
- 可组合性：工具应易于与其他工具组合使用
- 错误处理：妥善处理所有可能的错误情况
- 安全性：不暴露敏感信息，谨慎处理认证凭据
参数验证
- 使用 Zod 库定义严格的参数 schema
- 对所有必填参数进行类型和值的验证
- 为验证错误提供明确的错误消息
- 考虑参数的边界条件和特殊情况
// 良好的参数验证示例
export const userToolSchema = z.object({
userId: z.string().uuid("用户ID必须是有效的UUID"),
action: z.enum(["create", "update", "delete"], {
errorMap: () => ({ message: "操作必须是 create、update 或 delete" })
}),
data: z.record(z.string(), z.any()).optional(),
limit: z.number().int().positive().optional(),
});
错误处理
- 使用 try/catch 块捕获所有可能的错误
- 区分不同类型的错误（验证错误、API 错误、网络错误等）
- 记录详细的错误信息以便调试
- 向用户返回有帮助的错误消息
try {
// 操作代码...
} catch (error) {
if (error instanceof NetworkError) {
console.error("网络错误:", error);
return formatToolResponse("连接服务失败，请检查网络", true);
} else if (error instanceof ValidationError) {
console.error("验证错误:", error);
return formatToolResponse(`输入数据无效: ${error.message}`, true);
} else {
console.error("未知错误:", error);
return formatToolResponse("发生未预期的错误", true);
}
}
日志记录
- 记录工具的调用信息和参数（注意不要记录敏感数据）
- 使用不同的日志级别（info、warning、error）
- 在生产环境中控制日志的详细程度
- 记录响应时间和性能指标
console.info(`开始执行工具 ${toolName}，参数:`, sanitizeParams(args));
const startTime = Date.now();
// 工具逻辑...
const duration = Date.now() - startTime;
console.info(`工具 ${toolName} 执行完成，耗时: ${duration}ms`);
响应格式化
- 使用一致的响应格式
- 提供结构化和易于理解的结果
- 对于复杂数据，考虑如何最好地呈现给AI和用户
- 明确区分成功和错误响应
// 成功响应示例
return {
content: [
{ type: "text", text: "操作成功" },
{
type: "json",
json: {
id: result.id,
status: result.status,
timestamp: new Date().toISOString()
}
}
],
isError: false
};
// 错误响应示例
return {
content: [{ type: "text", text: `操作失败: ${errorMessage}` }],
isError: true
};
高级开发技巧
1. 工具链式调用
设计工具时考虑它们如何协同工作，一个工具的输出可以作为另一个工具的输入。
2. 上下文共享
通过请求对象传递上下文信息（如API密钥、用户信息等）。
3. 流式响应
对于长时间运行的操作，考虑使用流式响应提供进度更新。
4. 缓存策略
对频繁请求的数据实现缓存，提高性能并减少外部API调用。
5. 超时和重试逻辑
对外部API调用实现超时和重试逻辑，提高可靠性。
async function callWithRetry(fn, maxRetries = 3, delay = 1000) {
let lastError;
for (let i = 0; i setTimeout(resolve, delay));
delay *= 2; // 指数退避
}
}
throw lastError;
}
示例工具参考
本脚手架包含三个示例工具，您可以参考它们的实现来开发自己的工具：
1. Echo 工具 (简单示例)
一个简单的回显工具，接收消息并返回相同的消息。
// src/tools/echo.ts
import { z } from "zod";
import { formatToolResponse } from "../utils/response";
export const echoSchema = z.object({
message: z.string(),
});
export async function echo(args: z.infer) {
return formatToolResponse(`Tool echo: ${args.message}`);
}
2. 发送电子邮件工具 (API调用示例)
展示如何调用外部API发送电子邮件的示例。
// src/tools/send-email.ts (简化版)
import { z } from "zod";
import { formatToolResponse } from "../utils/response";
export const emailSchema = z.object({
to: z.string().email("必须是有效的电子邮件地址"),
subject: z.string().min(1, "主题不能为空"),
body: z.string().min(1, "邮件正文不能为空"),
});
interface SendEmailArgs extends z.infer {
apiKey: string;
}
export async function sendEmail({ to, subject, body, apiKey }: SendEmailArgs) {
// 实现电子邮件发送逻辑...
return formatToolResponse("电子邮件发送成功");
}
3. 微信通知工具 (错误处理示例)
展示如何处理外部API响应和错误情况的示例。
// src/tools/wechat-push.ts (简化版)
import { z } from "zod";
import { formatToolResponse } from "../utils/response";
export const wechatPushSchema = z.object({
title: z.string(),
description: z.string(),
});
interface WechatPushArgs extends z.infer {
apiKey: string;
}
export async function sendWechatNotification({ title, description, apiKey }: WechatPushArgs) {
try {
// 调用外部API发送通知...
// 处理响应...
if (success) {
return formatToolResponse("微信通知发送成功");
} else {
return formatToolResponse(`发送失败: ${errorMessage}`, true);
}
} catch (error) {
return formatToolResponse(`发送错误: ${error.message}`, true);
}
}
测试您的工具
使用 cURL 或 Postman 向 /mcp 端点发送请求来测试您的工具：
curl -X POST http://localhost:3000/mcp \
-H "Content-Type: application/json" \
-H "mcp-send-key: sk_your_key" \
-H "mcp-sc-key: SC_your_key" \
-d '{
"jsonrpc": "2.0",
"method": "tool",
"params": {
"tool": "my-tool",
"arguments": {
"param1": "测试值",
"param2": 123
}
},
"id": "test-1"
}'
贡献指南
我们欢迎您为这个MCP工具开发脚手架做出贡献！请参考以下步骤：
- Fork 本仓库
- 创建您的特性分支 (
git checkout -b feature/amazing-feature)
- 提交您的更改 (
git commit -m 'Add some amazing feature')
- 推送到分支 (
git push origin feature/amazing-feature)
- 打开一个 Pull Request
