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。

详细介绍

Omni-API MCP服务器

用于MCP生态系统的智能API网关 -一个通往30多个企业API的统一网关，内置智能、模式学习和响应大小管理。

![MCP](https://modelcontextprotocol.io/) ![TypeScript](https://www.typescriptlang.org/) ](https://nodejs.org/)

______________________________________________________________________

什么是Omni-API MCP？

Omni-API MCP公司 是一个智能MCP（模型上下文协议）服务器，它为30多个具有内置智能的企业API（DataDog、GitHub、ServiceNow等）提供统一的网关。

把它想象成 人工智能代理的API网关 -AI代理不直接连接到30多个官方MCP服务器，而是连接到一个智能编排层，该层：

🔍 发现服务 -具有功能、元数据和查询模式的动态服务目录
🛡️ 防止碰撞 -响应大小管理在执行前预测和优化API调用
🧠 学习模式 -跨会话存储成功的API交互，以实现更快的迭代
🔗 关联数据 -智能地组合来自多个服务的数据
📊 企业功能 -审计日志记录、成本跟踪、内置限速功能
🎯 服务型中小企业 -API专业知识的结构化知识库系统

为什么使用此服务器而不是官方MCP服务器？

Omni-API MCP是对官方MCP服务器的补充，而不是取代它们。

┌─────────────────────────────────────────────────────────────┐
│                      AI Agent / LLM                         │
└──────────────┬──────────────────────────────────────────────┘
               │
               ├── omni-api-mcp (Orchestration Layer) ⭐
               │   ├── 1 config vs 30+ configs
               │   ├── Response size prediction (prevents crashes)
               │   ├── Cross-service data correlation
               │   ├── Pattern learning across sessions
               │   ├── Enterprise audit logging
               │   └── Cost tracking & rate limiting
               │
               ├── @modelcontextprotocol/server-github
               ├── @modelcontextprotocol/server-datadog
               └── ... 30+ other official MCP servers

需要时使用omni api mcp：

多服务协调（关联DataDog+GitHub数据）
响应大小安全（DataDog查询可以返回200k+令牌）
跨课程模式学习
企业审计跟踪
成本跟踪和优化

看文档/架构/战略_价值_分析.md 以进行详细比较。

______________________________________________________________________

主要特点

🔍 数据集发现和服务目录

具有丰富元数据的智能服务发现：

动态发现所有已配置的服务（30+API）
按类别（监控、代码、财务等）和标签过滤
自动能力检测（查询、变异、聚合、流、搜索）
丰富的元数据：数据模型、关系、查询模式
具有索引查找功能的快速内存目录

🛡️ 响应规模管理（碰撞预防）

预测API响应大小之前呼叫和自动优化以防止崩溃：

根据查询参数估计大小（限制、时间范围）
如果响应太大，自动会减少限制或缩小时间范围
中止超过25000个令牌的请求
跟踪实际尺寸，以便更好地预测未来

🧠 模式学习系统

从成功的API交互和重用模式中学习：

SQLite支持的成功模式存储
按服务、标签或描述进行模糊搜索
基于使用频率的加权评分
跨会话内存，实现更快的迭代

🔗 跨军种情报

自动关联来自多个API的数据：

结合DataDog指标和GitHub部署
检测服务之间的数据不一致
从多个来源生成统一的摘要
基于时间的事件分析相关性

📊 企业功能

企业使用的生产就绪功能：

全面的审计日志记录（谁、什么、何时）
按服务/用户进行成本跟踪
可配置的速率限制
断路器的回弹模式
带有自动令牌刷新功能的OAuth2

🎯 服务主题专业知识（SME）

每个API的结构化知识库：

端点目录及其示例
查询语法和过滤模式
常见用例和最佳实践
实现API智能指导

______________________________________________________________________

快速开始

MCP服务器使用（连接到克劳德桌面）

1.安装和构建

git clone https://github.com/your-org/omni-api-mcp.git
cd omni-api-mcp
npm install
npm run build

2.配置服务

编辑 config/services.json 启用服务：

{
  "services": {
    "datadog": {
      "enabled": true,
      "baseUrl": "https://api.datadoghq.com",
      "auth": {
        "type": "custom",
        "headers": {
          "DD-API-KEY": "${DATADOG_API_KEY}",
          "DD-APPLICATION-KEY": "${DATADOG_APP_KEY}"
        }
      }
    }
  }
}

3.向添加凭据 .env

DATADOG_API_KEY=your_api_key
DATADOG_APP_KEY=your_app_key

4.连接到克劳德桌面

添加到 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "omni-api": {
      "command": "node",
      "args": ["/absolute/path/to/omni-api-mcp/dist/index.js"]
    }
  }
}

5.重新启动克劳德桌面并开始使用！

______________________________________________________________________

用于开发（为omni-api-mcp做出贡献）

我们使用a 防弹克劳德代码开发工作流程 具有防撞上下文保护功能。

阅读快速启动.md -它解释说：

✅ 如何使用Claude Code开始开发
✅ 崩溃恢复检查点系统
✅ 会话管理和进度跟踪
✅ 测试驱动的开发工作流程

关键开发文件：

CLAUDE.md -自动加载项目上下文（人类最佳实践）
.claude代码/CHECKPOINT.md -当前发展状况
docs/开发/开发_战略.md -完整的开发工作流程

______________________________________________________________________

文档

所有文件均以 docs/ -从开始 docs/INDEX.md.

🏗️ 架构（理解系统）

位置\_ STANDALONE_GENT_MVP.md -桌面应用架构（全代理）
PROVEN_TECH_STACK_RESEARCH.md -技术栈决策
战略价值_分析.md -为什么omni-api-mcp与官方mcp服务器

💻 发展（建设与贡献）

快速启动.md -立即开始开发
发展战略.md -防弹克劳德代码工作流程
天线_交通_实践.md -人类最佳实践
PARALLEL_DEVELOPMENT.md -并行开发omni-api-mcp+omni代理

🎯 功能（实施规范）

数据集发现.md -数据集发现和服务目录⭐
增强_存储_大小_管理.md -响应规模安全系统
功能_服务_SME_SYSTEM.md -服务专业知识库
IMPLEMENTATION_EXAMPLE.md -功能实现示例

📊 示例（真实世界用例）

DataDog调查 -真实事件调查示例

______________________________________________________________________

项目结构

omni-api-mcp/
├── CLAUDE.md ⭐                   # Auto-loaded project context
├── QUICK_START.md ⭐              # Development quick start
├── README.md                      # You are here
│
├── .claude-code/ ⭐               # Bulletproof dev infrastructure
│   ├── CHECKPOINT.md              # Current development status
│   ├── PROGRESS.md                # Progress dashboard
│   └── checkpoints/               # Detailed task breakdowns
│
├── docs/ ⭐                       # Organized documentation
│   ├── INDEX.md                   # Documentation map
│   ├── architecture/              # System architecture
│   ├── development/               # Development guides
│   ├── features/                  # Feature specifications
│   └── examples/                  # Real-world examples
│
├── knowledge/ ⭐                  # Service SME knowledge base
│   └── datadog/                   # DataDog API expertise
│
├── src/                           # Source code
│   ├── tools/                     # MCP tool implementations
│   ├── engine/                    # Core API engine
│   ├── safety/                    # Response size management
│   ├── learning/                  # Pattern learning system
│   └── config/                    # Configuration system
│
├── config/                        # Service configurations
│   └── services.json              # 30+ API service configs
│
├── tests/                         # Test suite
├── data/                          # Runtime data (patterns DB)
└── archive/                       # Historical files

______________________________________________________________________

技术栈

运行时和语言：

Node.js 20+/TypeScript 5
MCP-SDK(@modelcontextprotocol/sdk)

核心依赖关系：

axios -REST API的HTTP客户端
better-sqlite3 -模式学习存储
zod -架构验证
graphql / graphql-request -GraphQL客户端

经过战斗测试的库：

fuse.js -模糊模式搜索（65k+星）
cache-manager -生产缓存

______________________________________________________________________

开发阶段

第一阶段：基础（当前）

集中： 增强omni-api-mcp服务器

\[\]响应大小管理（1A）- 关键的
\[\]模式学习系统（1B）
\[\]API响应助手（1C）
\[\]测试和文件（1D）

第二阶段：桌面应用

集中： 构建全代理（独立仓库）

\[\]电子+MCP客户端（2A）
\[\]法学硕士集成+OAuth2（2B）
\[\]React UI组件（2C）

阶段3：代理编排

集中： 智能代理工作流

\[\]安全代理编排器
\[\]用于常见任务的预构建代理

第四阶段：波兰和分销

集中： 生产准备就绪

\[\]综合测试
\[\]文档润色
\[\]包装和分销

看 .claude代码/PROGRESS.md 对于当前状态。

______________________________________________________________________

提供的MCP工具

通用API工具

call_rest_api -使用自动身份验证调用任何REST API
call_graphql -执行GraphQL查询/突变

发现工具

discover_datasets -发现具有功能和元数据的可用服务⭐
introspect_graphql_schema -发现GraphQL模式
explore_rest_patterns -查找REST端点
analyze_rest_response -分析响应结构

情报工具

interpret_api_response -从回答中提取意义
summarize_multi_api_results -关联多服务数据

学习工具

save_api_pattern -保存成功的模式
search_learned_patterns -查找已知模式
get_service_stats -模式学习统计和成功率
get_system_health -系统健康检查

______________________________________________________________________

贡献

我们跟随 Anthropic的官方Claude Code最佳实践 为了发展。

入门指南：

阅读快速启动.md
阅读 docs/开发/开发_战略.md
从中选择任务 .claude代码/CHECKPOINT.md
跟随探索→ Plan → Code → 提交工作流

开发工作流程：

# Start new feature
git checkout -b feature/response-size-manager

# Claude Code will auto-load CLAUDE.md for context
# Follow checkpoint tasks in .claude-code/checkpoints/

# Run tests
npm test

# Commit with checkpoint reference
git commit -m "feat: add response size estimator [Checkpoint 1A.1]"

______________________________________________________________________

许可证

MIT许可证-请参阅许可证

______________________________________________________________________

支持与社区

📖 文档： docs/INDEX.md
🐛 问题：
💬 讨论：

______________________________________________________________________

致谢

遵循以下行业标准和最佳实践：

______________________________________________________________________

版本： 2.0.0 最后更新时间： 2025-10-23 状态： 第一阶段开发（基础）

内置❤️ 用于MCP生态系统中的API智能编排。

目录标签

API网关TypeScriptClaude本地部署企业集成模式学习响应管理服务编排

支持客户端

Claude

接入字段

传输方式（transport，传输协议）

未说明

鉴权方式（authType，认证方式）

none

工具数量（toolCount，工具数）

12

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

未说明none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。

仍需确认：installCommand

来源信息

MCP World

mcpworld.com

/detail/6395e1d618f010b091ac65cc7ef7854a

Omni-API MCP是一个智能API网关，为MCP生态系统提供统一的企业API接入、模式学习和响应大小管理。

继续浏览同类 MCP

更多AI代理 MCP（18,706）返回 MCP 目录

上一个 MCP

Omni 2f5b1c4a

全面解析OMNI SalesMCP Server的核心功能、安装配置和实用案例。作为顶级Model Context Protocol服务器，OMNI Sales能让AI助手访问实时数据、执行操作，为您提供更智能的工作体验和自动化解决方案。

下一个 MCP

omnibot (Coldxiangyu163)

OmniBot是一个轻量级的AI代理框架，围绕模型上下文协议（MCP）构建，支持快速集成MCP服务器工具，实现无代码更改的代理功能。

Omni API MCP

快速接入

详细介绍

Omni-API MCP服务器

什么是Omni-API MCP？

为什么使用此服务器而不是官方MCP服务器？

主要特点

🔍 数据集发现和服务目录

🛡️ 响应规模管理（碰撞预防）

🧠 模式学习系统

🔗 跨军种情报

📊 企业功能

🎯 服务主题专业知识（SME）

快速开始

MCP服务器使用（连接到克劳德桌面）

用于开发（为omni-api-mcp做出贡献）

文档

🏗️ 架构（理解系统）

💻 发展（建设与贡献）

🎯 功能（实施规范）

📊 示例（真实世界用例）

项目结构

相关项目

omni代理（桌面应用程序）

技术栈

开发阶段

第一阶段：基础（当前）

第二阶段：桌面应用

阶段3：代理编排

第四阶段：波兰和分销

提供的MCP工具

通用API工具

发现工具

情报工具

学习工具

贡献

许可证

支持与社区

致谢

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP