Token导航 LogoToken导航TokenDH.com
Mcpmanagement logo
开发工具stdio官方级别未说明来源级核验

Mcpmanagement

MCP Server

一个全面的后端服务平台,用于管理模型上下文协议(MCP)工具,集成AI分析、知识库服务、GitHub集成和动态服务器部署功能。

工具数

0

提示词数

0

GitHub Stars

1

资源数

0
AI分析Python开发工具

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

maskljz19

提供方

maskljz19

最后核验

2026/5/17 20:22

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

python -m venv venv

详细介绍

MCP 工具管理平台 - 后端服务

一个全面的、生产就绪的后端服务,用于管理模型上下文协议(MCP)工具,集成AI分析、知识库服务、GitHub集成和动态服务器部署功能。

🚀 核心功能

基础功能

  • MCP工具管理:完整的CRUD操作,支持版本历史追踪
  • 工具执行:同步/异步执行、批量执行、定时执行
  • 知识库:文档存储和文本搜索(MongoDB)
  • AI分析:可行性分析、改进建议和自动配置生成
  • GitHub集成:仓库同步和Webhook处理
  • 动态部署:按需MCP服务器实例,支持健康监控
  • 实时通信:WebSocket和Server-Sent Events支持

企业级功能

  • 认证授权:基于JWT的认证和基于角色的访问控制(RBAC)
  • API密钥管理:安全的API密钥生成和验证
  • 异步任务处理:基于Celery的后台任务处理
  • 缓存层:基于Redis的缓存提升性能
  • 速率限制:可配置的端点速率限制
  • 监控:Prometheus指标和结构化日志
  • 数据库迁移:基于Alembic的模式版本控制
  • 执行队列:优先级队列和资源配额管理
  • 成本追踪:执行成本统计和分析
  • 审计日志:完整的操作审计追踪

🏗️ 技术架构

平台采用现代化的异步优先架构,使用多语言持久化:

  • API层:FastAPI,支持async/await
  • 业务逻辑:面向服务的架构,清晰的关注点分离
  • 数据层:针对不同数据类型的专用数据库
  • 任务队列:Celery工作进程处理长时间运行的操作
  • 实时通信:WebSocket和SSE实现实时更新

技术栈

组件技术用途
API框架FastAPI 0.100+高性能异步Web框架
ORMSQLAlchemy 2.0异步数据库操作
结构化数据MySQL 8.0+用户、工具、部署
文档存储MongoDB 6.0+版本历史、任务结果、文档
缓存Redis 7.0+会话管理、缓存
日志存储Elasticsearch 8.0+执行日志、全文搜索
任务队列Celery 5.3+异步任务处理
消息代理RabbitMQ 3.12+任务队列代理
AI集成LangChain 0.1+LLM编排
认证JWT + OAuth2安全认证
监控Prometheus + Grafana指标收集和可视化

📋 前置要求

开始之前,请确保已安装以下软件:

  • Python:3.11或更高版本
  • MySQL:8.0或更高版本
  • MongoDB:6.0或更高版本
  • Redis:7.0或更高版本
  • Elasticsearch:8.0或更高版本(可选,用于日志存储)
  • RabbitMQ:3.12或更高版本
  • Docker(可选):用于容器化部署

🚀 快速开始

方式1:本地开发环境

1. 克隆仓库

git clone 
cd mcp-platform-backend

2. 创建并激活虚拟环境

# 创建虚拟环境
python -m venv venv

# Windows激活
venv\Scripts\activate

# Unix/MacOS激活
source venv/bin/activate

3. 安装依赖

pip install -r requirements.txt

4. 配置环境变量

# 复制示例环境文件
cp .env.example .env

# 编辑.env文件,更新以下配置:
# - 数据库凭据(MySQL、MongoDB、Redis、Elasticsearch)
# - SECRET_KEY(生成方式:python -c "import secrets; print(secrets.token_urlsafe(32))")
# - OPENAI_API_KEY(用于AI功能)
# - GITHUB_TOKEN(用于GitHub集成)

5. 初始化数据库

# 运行数据库迁移
alembic upgrade head

6. 启动服务

# 终端1:启动API服务器
uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

# 终端2:启动Celery工作进程
celery -A app.core.celery_app worker --loglevel=info

# 终端3:启动Celery定时任务调度器
celery -A app.core.celery_app beat --loglevel=info

7. 访问应用

  • API:http://localhost:8000
  • 交互式API文档:http://localhost:8000/api/docs
  • ReDoc文档:http://localhost:8000/api/redoc
  • 监控指标:http://localhost:8000/metrics
  • 健康检查:http://localhost:8000/health

方式2:Docker部署

使用Docker Compose快速启动所有服务:

# 启动所有服务
docker-compose up -d

# 查看日志
docker-compose logs -f

# 停止服务
docker-compose down

📚 文档导航

本项目提供完整的中文文档:

🔑 快速API示例

用户注册和登录

# 注册新用户
curl -X POST http://localhost:8000/api/v1/auth/register \
  -H "Content-Type: application/json" \
  -d '{
    "username": "developer",
    "email": "dev@example.com",
    "password": "SecurePassword123!"
  }'

# 登录获取访问令牌
curl -X POST http://localhost:8000/api/v1/auth/login \
  -H "Content-Type: application/json" \
  -d '{
    "username": "developer",
    "password": "SecurePassword123!"
  }'

使用访问令牌

# 在后续请求中使用访问令牌
curl -X GET http://localhost:8000/api/v1/mcps \
  -H "Authorization: Bearer YOUR_ACCESS_TOKEN"

详细的API使用示例请参考接口文档

🧪 测试

# 运行所有测试
pytest

# 运行测试并生成覆盖率报告
pytest --cov=app --cov-report=html --cov-report=term

# 运行特定类别的测试
pytest tests/unit/              # 仅单元测试
pytest tests/integration/       # 仅集成测试
pytest tests/property/          # 仅属性测试

# 并行运行测试(更快)
pytest -n auto

📊 监控

健康检查

curl http://localhost:8000/health

Prometheus指标

curl http://localhost:8000/metrics

Grafana仪表板

访问 http://localhost:3000 查看预配置的监控仪表板:

  • 系统概览仪表板
  • MCP执行仪表板

默认登录凭据:

  • 用户名:admin
  • 密码:admin(首次登录后请修改)

🔧 配置

所有配置通过环境变量完成。详细配置说明请参考:

🤝 贡献

欢迎贡献!请遵循以下指南:

  1. Fork本仓库
  2. 创建特性分支(git checkout -b feature/amazing-feature
  3. 提交更改(git commit -m 'Add amazing feature'
  4. 推送到分支(git push origin feature/amazing-feature
  5. 开启Pull Request

开发指南

  • 为新功能编写测试
  • 遵循PEP 8代码风格
  • 为函数和类添加文档字符串
  • 更新API变更的文档
  • 提交前运行测试和代码检查

📝 许可证

详见LICENSE文件。

🆘 支持

如有问题、疑问或贡献:

  • 问题反馈:在GitHub上开启Issue
  • 文档:查看docs/目录获取完整文档
  • API文档:访问/api/docs查看交互式API文档

🙏 致谢

本项目使用以下优秀的开源项目构建:

目录标签

目录标签

AI分析Python开发工具本地部署知识库管理GitHub集成动态部署企业级后端

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

token

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdiotoken部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP