vMCP-虚拟模型上下文协议
用于AI工作流程和代理的乐高: 一个开源工具，用于将多个MCP服务器组合、定制和扩展为一个逻辑虚拟MCP服务器
专为细粒度上下文工程而构建
- 创建vMCP，添加MCP服务器并微调
- 使用您自己的提示、工具和资源进行扩展
- 将任何客户端（Claude、ChatGPT、Gemini、Cursor、VScode、自定义代理）连接到vMCP
- 根据您的工作流程和代理需求创建多个逻辑vMCP
vMCP（虚拟模型上下文协议）是一个基于 模型上下文协议。两者都是：
- 基于并扩展MCP的规范： Vmcp.sson
- 创建和部署vMCP服务器的平台：
我们为什么建造这个
模型上下文协议为人工智能集成解锁了令人难以置信的可能性，但用户和开发人员很快就会遇到限制：
- 配置地狱：跨多个客户端（Claude、ChatGPT、VSCode、Cursor、Gemini）管理MCP配置是乏味的
- 认证：每个mcp客户端都需要对所有mcp进行自己的身份验证
- 缺乏定制化：无法根据特定的工作流程需求修改或扩展现有的MCP-“上下文腐烂/混淆”
- 无成分：构建复杂的工作流程需要将多个MCP中的多个工具拼凑在一起
vMCP通过在标准MCP之上提供抽象层和无代码配置接口来解决这些问题。
突出显示功能
- 灵活的vMCP创建：通过简单的无代码接口将不同的MCP服务器组合成一个统一的MCP服务器。
- MCP的上下文工程：
- 🛠️ 可定制工具：从上游MCP中选择并覆盖工具名称/描述，并预填充工具参数。 - ✨ 可扩展工具：使用Python、REST API或纯文本（提示工具）创建新工具。 - 🗣️ 可编程提示：定义可以调用其他工具和资源的提示，启用用户控制的工具链。 - 🔗 将文件添加为资源：选择MCP资源并添加自己的知识库文件
- MCP服务器身份验证：授权MCP服务器一次，并在客户端之间重复使用（Claude、Cursor、ChatGPT、VSCode、Gemini、AI代理）
- 使用统计：使用完整的MCP协议级日志记录跟踪和分析vMCP使用模式
- Docker和PyPi就绪：官方Docker镜像，便于部署。uv和pip命令快速试用
🚀 快速入门
先决条件
安装
要安装vMCP，请运行：
选项1：使用uvx（推荐）
uvx --from 1xn-vmcp@latest vmcp run或使用紫外线
选项2：使用pip
pip install 1xn-vmcp
vmcp run选项3：使用Docker
docker pull onexn/vmcp:latest
docker run -it onexn/vmcp:latest vmcp run这将启动vMCP服务器 http://localhost:8000.
🛠️ 发展
项目结构
vmcp/
├── src/vmcp/ # Main package
│ ├── backend/ # FastAPI backend
│ │ ├── mcps/ # MCP server management
│ │ ├── vmcps/ # Virtual MCP management
│ │ ├── storage/ # Database models
│ │ ├── proxy_server/ # Main app
│ │ └── utilities/ # Logging & tracing
│ └── cli/ # CLI commands
├── frontend/ # React frontend (Vite)设置开发环境
# Clone the repository
git clone https://github.com/1xn-labs/1xn-vmcp
cd 1xn-vmcp
make build-frontend
make run📊 使用示例
创建vMCP
本指南将引导您完成使用vMCP创建和管理虚拟MCP服务器的过程。按照以下步骤开始将多个MCP服务器聚合到一个统一的界面中。
步骤1：访问vMCP主页
使用启动vMCP后 vmcp run，导航到 http://localhost:8000 在您的浏览器中。vMCP主页提供了一个集中的仪表板，您可以在其中管理虚拟MCP配置
步骤2：创建新的vMCP
点击 “+创建您的第一个vMCP” 按钮开始构建虚拟MCP。在创建对话框中，为vMCP提供名称和描述。vMCP允许您将来自多个MCP服务器的工具、资源和提示组合到一个统一的端点中。您可以稍后添加服务器和配置工具，因此对于以开发为重点的vMCP，请使用“Coding_assistant”这样的描述性名称。
步骤3：使用MCP服务器扩展vMCP
创建vMCP后，您将看到“添加MCP连接器”按钮，该按钮显示了一个众所周知的远程MCP服务器网格。您可以浏览服务器并将其添加到Vmcp
步骤4：添加自定义服务器
如果需要连接到不在社区库中的自定义MCP服务器，请单击 “添加自定义服务器” 或使用自定义服务器选项。在对话框中，提供服务器名称，选择传输类型（HTTP、SSE），输入服务器URL，并可选择添加环境变量和标头。这允许您连接到任何兼容MCP的服务器，包括您自己的自定义实现。
步骤5：过滤和编辑现有工具
将MCP服务器添加到vMCP后，导航到 “工具” vMCP编辑器中的选项卡。在这里，您可以从连接的MCP服务器查看所有可用的工具。使用搜索和筛选选项查找特定工具，启用或禁用它们，并覆盖工具名称和描述。您还可以测试单个工具，或一次从特定MCP服务器中选择/取消选择所有工具。
步骤6：添加自定义工具和提示
除了来自MCP服务器的工具外，您还可以直接在vMCP中创建自定义工具和提示。导航到 “提示” 选项卡创建可调用其他工具的可编程提示，启用用户控制的工具链。您可以定义提示参数、描述，并使用 @ 语法，包括参数、配置、工具和资源。同样，您可以使用Python代码段或REST API创建自定义工具。
步骤7：使用vMCP
配置并保存vMCP后，您可以将其与任何兼容MCP的客户端一起使用。从编辑器复制vMCP URL（例如。， http://localhost:8000/private/Coding_asstistant/vmcp)并使用MCP Inspector等工具或直接从Claude、Cursor或Copilot等AI应用程序连接到它。vMCP将把您选择的所有工具、资源和提示聚合到一个统一的端点中。
📚 文档
有关全面的文档、指南和API参考资料，请访问 vMCP文档.
🤝 贡献
我们欢迎捐款！请看 贡献.md 作为指导方针。
运行测试
# start test mcp server and rest api server.
make test-servers
# run test with pytest
make run-tests📄 许可证
vMCP是根据 MIT许可证.
🙏 致谢
我们想对Anthropic和整个 模型上下文协议社区 创造了如此令人难以置信的基础。MCP从根本上改变了我们对人工智能集成的看法
📞 支持
- 🐛 报告问题
- 📧 电子邮件：contact@1xn.ai
______________________________________________________________________
由以下材料制成❤️ 1xn团队