MCP机库
  
模型上下文协议的生产级基础设施。
MCP机库是MCP服务器的控制平面。它管理MCP服务器生命周期、并行工具执行、安全治理和可观察性，所以您不必这样做。
快速开始
30秒到MCP服务器工作：
curl -sSL https://mcp-hangar.io/install.sh | bash && mcp-hangar init -y && mcp-hangar serve就是这样。文件系统、获取和内存MCP服务器现在可供Claude使用。
What just happened?
- 安装 -已下载并安装
mcp-hangar通过pip/uv - 初始化 -已创建
~/.config/mcp-hangar/config.yaml使用启动器MCP服务器 - 服务 -启动MCP服务器（Claude Desktop的stdio模式）
这 init -y flag使用合理的默认值：
- 检测可用运行时（首选uvx，npx回退）
- 配置启动器包：文件系统、获取、内存
- 运行冒烟测试以验证MCP服务器是否正确启动
- 自动更新Claude Desktop配置
手动设置
# 1. Install
pip install mcp-hangar
# or: uv pip install mcp-hangar
# 2. Initialize with wizard
mcp-hangar init
# 3. Start server
mcp-hangar serveHTTP模式
# Start with HTTP transport and REST API
mcp-hangar serve --http --port 8000
# REST API: http://localhost:8000/api/它的作用
并行执行。 你的AI代理按顺序调用5个工具——每个工具需要200毫秒，即1秒的等待时间。 hangar_call 并行运行它们。总共200毫秒。
hangar_call(calls=[
{"mcp_server": "github", "tool": "search_repos", "arguments": {"query": "mcp"}},
{"mcp_server": "slack", "tool": "post_message", "arguments": {"channel": "#dev"}},
{"mcp_server": "internal-api", "tool": "get_status", "arguments": {}}
])单MCP工具调用。并行执行。所有结果一起返回。
生命周期管理。 延迟加载、健康检查、自动重启、优雅关机。MCP服务器首次使用时启动，活动时保持温暖，空闲TTL后关闭。
单程冷启动。 当10个并行调用碰到冷MCP服务器时，它初始化一次，而不是10次。
断路器。 一个失败的MCP服务器不会杀死您的批处理。自动隔离和恢复。
配置
mcp_servers:
github:
mode: subprocess
command: [uvx, mcp-server-github]
env:
GITHUB_TOKEN: ${GITHUB_TOKEN}
slack:
mode: subprocess
command: [uvx, mcp-server-slack]
internal-api:
mode: remote
endpoint: "http://localhost:8080"
custom-server:
mode: docker
image: my-registry/mcp-server:latest
container:
command: ["python", "-m", "custom_entrypoint"]Claude桌面集成
mcp-hangar init 自动配置Claude Desktop。对于手动设置，请添加到您的Claude Desktop配置中：
macOS： ~/Library/Application Support/Claude/claude_desktop_config.json Linux： ~/.config/Claude/claude_desktop_config.json 窗户： %APPDATA%\Claude\claude_desktop_config.json
{
"mcpServers": {
"hangar": {
"command": "mcp-hangar",
"args": ["serve", "--config", "~/.config/mcp-hangar/config.yaml"]
}
}
}重新启动克劳德桌面。完成。
Python API
对于程序化使用（脚本、管道、自定义集成）：
from mcp_hangar import Hangar, HangarConfig
# Async
async with Hangar.from_config("config.yaml") as hangar:
result = await hangar.invoke("math", "add", {"a": 1, "b": 2})
# Sync wrapper
from mcp_hangar import SyncHangar
with SyncHangar.from_config("config.yaml") as hangar:
result = hangar.invoke("math", "add", {"a": 1, "b": 2})
# Programmatic config
config = (
HangarConfig()
.add_mcp_server("math", command=["python", "-m", "math_server"])
.add_mcp_server("fetch", mode="docker", image="mcp/fetch:latest")
.build()
)
hangar = Hangar(config)安全与治理（1.0）
- 能力声明。 声明每个MCP服务器可以访问的内容（网络、文件系统、环境）。发现并报告违规行为。
- 行为分析。 基线MCP服务器行为，检测偏差（新目的地、协议漂移、频率异常）。学习和执行模式。
- 工具模式漂移检测。 跨MCP服务器更新跟踪工具架构更改。
- 网络连接监控。
/proc/net/tcp解析、Docker和Kubernetes使用审计事件进行监控。 - RBAC。 基于角色的访问控制，具有工具级策略。API密钥和JWT/OIDC身份验证。
- 审批门。 对敏感工具调用的人工在线审批。
可观测性
- 开放遥测。 通过W3C跟踪上下文在MCP服务器之间传播的分布式跟踪。
- 普罗米修斯指标。 MCP服务器状态、工具调用、健康检查、断路器、并发性、批处理执行。
- Grafana仪表板。 预构建的概述和每个MCP服务器的深入仪表板。
- 结构化日志记录。 并行调用之间的关联ID。JSON日志格式用于生产。
- 审计追踪。 事件源审计日志，用于安全相关事件的OTLP导出。
高级配置
mcp_servers:
fast-mcp-server:
mode: subprocess
command: ["python", "fast.py"]
idle_ttl_s: 300 # Shutdown after 5min idle
health_check_interval_s: 60 # Check health every minute
max_consecutive_failures: 3 # Circuit breaker threshold
max_concurrency: 5 # Per-MCP server concurrency limit
tools:
deny_list: [delete_*] # Tool access filtering
execution:
max_concurrency: 50 # Global concurrency limit
default_mcp_server_concurrency: 10
truncation:
enabled: true
max_batch_size_bytes: 950000 # Under Claude's 1MB limit
config_reload:
enabled: true # Live config reload via file watch与你一起成长
- 家庭实验室： 2台MCP服务器，配置复杂性为零
- 团队设置： 共享MCP服务器、Docker容器、热重载
- 企业： 50+MCP服务器、行为分析、RBAC、审批门、Kubernetes操作员
API相同。同样的可靠性。不同的规模。
文档
许可证
根据以下许可 麻省理工学院.
______________________________________________________________________