Tool Hub MCP

工具中心mcp

无服务器MCP聚合器 -减少AI上下文令牌消耗

问题

当将多个MCP服务器与AI客户端（Claude Code、OpenCode等）一起使用时，每个服务器都会将其所有工具暴露给AI上下文窗口。更多的服务器=在您开始工作之前消耗的令牌更多。

解决方案

tool-hub-mcp 充当仅公开的单个MCP网关 2元工具:

人工智能调用这些元工具来按需发现和执行工具，而不是预先加载所有工具定义。

基准

使用Claude Code v2.1.6进行测量 --output-format json 为了准确 input_tokens 计数。

测试：6台MCP服务器 （jira，剧作家，mcp大纲，shadcn，chrome开发工具，Figma）

更大的测试：7台MCP服务器 （共98个工具）

令牌优化（v1.2.0）:

• 紧凑型JSON（无缩进）：减少约35%
• 删除冗余字段：每个搜索结果约40%
• 结果：2个结果节省43.7%，10个结果节省约70%

安装

# Zero-install (recommended) - works with npx, bunx, pnpm dlx, yarn dlx
npx @khanglvm/tool-hub-mcp setup

# Alternative: Go install
go install github.com/khanglvm/tool-hub-mcp/cmd/tool-hub-mcp@latest

快速开始

# 1. Import your existing MCP configs
tool-hub-mcp setup

# 2. Add to your AI client
# Claude Code:
claude mcp add -s user tool-hub -- npx -y @khanglvm/tool-hub-mcp serve

用法

从AI工具导入配置

# Auto-detect and import from Claude Code, OpenCode, etc.
tool-hub-mcp setup

手动添加MCP服务器

# Paste any MCP config format (auto-detected)
tool-hub-mcp add --json '{
  "mcpServers": {
    "jira": {"command": "npx", "args": ["-y", "@lvmk/jira-mcp"]},
    "outline": {"command": "uvx", "args": ["mcp-outline"]}
  }
}'

# Or use flags
tool-hub-mcp add jira --command npx --arg -y --arg @lvmk/jira-mcp

管理服务器

# List all servers
tool-hub-mcp list

# Remove a server
tool-hub-mcp remove jira

# Verify configuration
tool-hub-mcp verify

运行MCP服务器

# Start server (stdio transport)
tool-hub-mcp serve

# Via AI client (already configured)
claude mcp add tool-hub -- tool-hub-mcp serve

Bash/Grep导出工具索引

生成用于离线工具搜索的本地索引文件，而无需MCP开销：

# Export to default location (~/.tool-hub-mcp-index.jsonl)
tool-hub-mcp export-index

# Custom output path
tool-hub-mcp export-index --output ./my-tools.jsonl

# JSON array format (instead of JSONL)
tool-hub-mcp export-index --format json

自动再生：运行时索引会自动更新 setup, add，或 remove 命令。

Bash/Grep使用示例:

# Find tools by server
grep '"jira"' ~/.tool-hub-mcp-index.jsonl

# Search tool descriptions
grep -i "search" ~/.tool-hub-mcp-index.jsonl | jq -r '.tool'

# List all tools
cat ~/.tool-hub-mcp-index.jsonl | jq -r '.tool'

# Count tools per server
cat ~/.tool-hub-mcp-index.jsonl | jq -r '.server' | sort | uniq -c

# Complex query: Find Jira tools with "issue" in description
grep '"jira"' ~/.tool-hub-mcp-index.jsonl | grep -i "issue" | jq .

为什么要使用bash/grep？

• 零MCP开销（无进程生成）
• 脱机工作（本地文件）
• 标准Unix工具（无依赖关系）
• 可编写脚本和可组合

基准性能

# Compare token consumption
tool-hub-mcp benchmark

# Measure latency
tool-hub-mcp benchmark speed

命令

支持的配置源

• 克劳德代码(~/.claude.json, .mcp.json)
• OpenCode(~/.opencode.json)
• 谷歌反重力(~/.gemini/antigravity/mcp_config.json)
• Gemini CLI(~/.gemini/settings.json)
• 光标(~/.cursor/mcp.json)
• 风帆冲浪(~/.codeium/windsurf/mcp_config.json)

运作原理

┌─────────────────────────────────────────────────────────┐
│                     AI Client                           │
│              (Claude Code, OpenCode, etc.)              │
└───────────────────────┬─────────────────────────────────┘
                        │ 2 meta-tools
                        ▼
┌─────────────────────────────────────────────────────────┐
│                   tool-hub-mcp                          │
│           hub_search │ hub_execute                      │
└───────────────────────┬─────────────────────────────────┘
                        │ On-demand spawning
        ┌───────────────┼───────────────┐
        ▼               ▼               ▼
   ┌─────────┐    ┌─────────┐    ┌─────────┐
   │  Jira   │    │ Outline │    │  Figma  │
   │  MCP    │    │   MCP   │    │   MCP   │
   └─────────┘    └─────────┘    └─────────┘

AI工作流程：

1. 呼叫 hub_search("what I need") 查找具有排名结果的工具
2. 呼叫 hub_execute(server, tool, args, searchId) 执行（学习跟踪使用情况）

结果： 按需加载工具定义，智能排名会随着时间的推移而提高。

建筑

技术栈：

• 语言： 转到1.22+（0.88ms启动）
• 分布： 零安装npm+Go二进制
• 运输： 基于stdio的JSON-RPC 2.0
• 协议： MCP 2024-11-05

关键设计决策：

• 懒惰产卵： 进程仅在访问工具时启动
• 进程池： 重用生成的进程（默认值：3）
• 安全请求ID: 原子计数器（非UnixNano）与JS兼容
• 标准排水： 防止管道缓冲区死锁

演出

令牌效率：

• 与传统方法相比减少38-97%
• v1.2.0：每次搜索可额外节省43-70%
• 使用更多服务器可以更好地扩展
• Bash/grep替代方案：零令牌（离线）

速度：

• 冷启动：约845ms（第一次工具调用）
• 热启动：~50ms（过程重复使用）
• 平均：5台服务器上307毫秒

内存：

• 配置：每台服务器约1KB
• 进程：每台活动服务器~5-10MB
• 池：~15-30MB（3个进程）

配置

配置位置： ~/.tool-hub-mcp.json

格式：

{
  "servers": {
    "serverName": {
      "command": "npx",
      "args": ["-y", "@package/name"],
      "env": {"KEY": "value"},
      "source": "claude-code"
    }
  },
  "settings": {
    "cacheToolMetadata": true,
    "processPoolSize": 3,
    "timeoutSeconds": 30
  }
}

开发工作流程

设置

安装git挂钩进行自动测试：

make setup-hooks

测试

# Run all tests
make test

# Run tests with race detector
make test-race

# Run fast tests (pre-commit)
make test-fast

# Run full suite with coverage check (pre-push)
make test-coverage

Git挂钩

• 预承诺： 对更改的包运行快速测试（约10秒）
• 预推： 运行全套保险检查（~60s，需要80%的保险）
• 旁路： 使用 git commit --no-verify 或 git push --no-verify 紧急情况

钩子可以防止失败的代码到达远程存储库。覆盖率阈值强制为80%。

文档

全面的文档可在 /docs/:

• 项目概述和初步设计评审： /docs/project-overview-pdr.md
• 规范标准： /docs/code-standards.md
• 代码库摘要： /docs/codebase-summary.md
• 系统架构： /docs/system-architecture.md
• 设计指南： /docs/design-guidelines.md
• 部署指南： /docs/deployment-guide.md
• 项目路线图： /docs/project-roadmap.md

贡献

欢迎投稿！请参阅：

• /docs/ 架构和设计指南
• /CLAUDE.md 用于开发工作流
• GitHub错误报告和功能请求问题

许可证

麻省理工学院

链接

• npm： https://www.npmjs.com/package/@khanglvm/工具中心mcp
• github： https://github.com/khanglvm/tool-hub-mcp
• MCP协议： https://modelcontextprotocol.io/