mcpField
T
TRMX MCP Playground

TRMX MCP Playground

github.com/rosaboyle框架与 SDK3376 周前更新

关于 TRMX MCP Playground

TRMX MCP Playground 是开源的桌面工具,用于探索、调试和监控 MCP 服务,并内置 LLM 集成。它面向开发者,类似于用于 MCP 的 API 调试工具。该工具支持同时连接多个 MCP 服务,并可接入 Fireworks AI 和 Groq。

主要功能

  1. 01连接 MCP 服务并查看工具、资源和提示词
  2. 02同时连接并监控多个 MCP 服务
  3. 03内置 Fireworks AI 与 Groq 集成
  4. 04保存本地操作日志
  5. 05提供图形界面和命令行探索方式

适用场景

  1. 01调试和测试自己开发的 MCP 服务
  2. 02测试不同大模型如何调用 MCP 工具
  3. 03学习 Model Context Protocol

MCP 相关

该项目是 MCP 客户端,可连接任意 MCP 服务,列出其工具、资源和提示词,并将其交由已配置的大模型调用。

详细介绍

TRMX MCP Playground

MCPs 的 Postman
一款功能强大的开源桌面工具,用于探索、调试和监控 Model Context Protocol (MCP) 服务——内置大模型集成。
在 trmx.ai 了解更多信息并加入我们的社区。


目录

  1. 什么是 TRMX MCP Playground?
  2. 我们为什么构建它
  3. 欢迎:开源与开发者社区
  4. 主要功能
  5. 安装
  6. 使用指南
  7. 集成示例
  8. 使用场景
  9. 故障排除
  10. 命令行探索
  11. 许可证与致谢

什么是 TRMX MCP Playground?

TRMX MCP Playground 是您构建、测试、调试和监控 MCP 服务的首选工具。
可以把它看作是"MCPs 的 Postman"。
它为使用 Model Context Protocol (MCP) 的开发者而设计——这是一项标准,让大模型能够以一致的方式发现和使用外部工具、资源和提示词。


我们为什么构建它

我们发现了 MCP 的开发者体验存在问题——测试、调试和监控 MCP 服务很痛苦。
我们的愿景分为两个阶段:

  1. **第一阶段:**构建本地 MCP playground,让开发者能够轻松构建、测试、调试和监控他们的本地 MCPs。
  2. **第二阶段:**推出无服务器 MCP 平台,让任何人都能部署、扩展和共享 MCPs,而无需管理基础设施。

了解更多关于我们的动机和路线图:


欢迎:开源与开发者社区

我们开源了 TRMX MCP Playground,因为我们相信 MCP 的未来应该由社区构建、为社区服务。
我们不仅在寻找用户——我们在寻找合作者、贡献者和先驱者。

  • 官方工作组:
    我们运营一个开放的官方工作组来指导项目方向、设定优先级,并一起构建下一代 MCP 工具。
  • 周会:
    加入我们的常规会议,讨论功能、分享反馈,帮助塑造路线图。日历更新即将推出!
  • 开放协作:
    欢迎所有贡献——代码、文档、想法和反馈。
    如果你想帮助定义 MCP 服务的构建和使用方式,你就在正确的地方。

加入我们:


主要功能

  • MCP 服务调试:连接到任何 MCP 服务并探索其工具、资源和提示词。
  • 内置大模型集成:直接与 Fireworks AI 和 Groq 等大模型提供商连接(更多即将推出)。
  • 工具与资源探索:列出并检查来自 MCP 服务的所有可用工具、资源和提示词。
  • 多个并行连接:同时连接到多个 MCP 服务并进行监控。
  • 全面日志记录:所有操作和响应的详细本地日志。
  • 现代界面:简洁直观的 UI,易于交互。
  • 开源:100% 开源、MIT 许可证、并基于社区反馈构建。

MCP Playground 应用

安装

先决条件

  • Node.js (v20.16.0 或更高版本)
  • npm (10.8.1 或更高版本)
安装步骤
# Clone the repository
git clone https://github.com/rosaboyle/mcp-playground.git

# Navigate to the project directory
cd mcp-playground

# Install dependencies
npm install

# Build the project
npm run build

# Start the application
npm start

使用指南

设置 API 密钥

您可以通过应用程序的用户界面轻松设置 API 密钥:

  1. 打开应用程序并导航到"Providers"部分
  2. 为您想要配置的提供商点击"Set API Key"
  3. 在对话框中输入您的 API 密钥并保存

设置 API 密钥

添加 MCP 服务

通过用户界面添加新的 MCP 服务:

  1. 在应用程序中导航到"MCP Playground"
  2. 点击"Add Server"并填写服务详情
  3. 点击"Save"来保存服务配置

添加 MCP 服务 - 步骤 1 添加 MCP 服务 - 步骤 2

添加新的 MCP 服务

要添加新的 MCP 服务:

  1. 在 MCP Playground 部分使用"Add Server"按钮
  2. 指定服务名称、命令、参数和环境变量
  3. 保存配置

开发

# Start the application in development mode
npm run dev
测试

运行测试套件:

npm test

有关测试的详细信息,请参阅 TESTING.md。

集成示例

Fireworks AI 集成

MCP Playground 允许 Fireworks AI 模型:

  1. 发现来自 MCP 服务的可用工具
  2. 在适当的时候调用这些工具
  3. 处理工具调用的结果
  4. 基于工具输出生成连贯的响应

有关更多详情,请参阅 FIREWORKS_MCP_INTEGRATION.md。

Groq 集成

Groq 集成支持:

  • 使用 API 密钥初始化 Groq 客户端
  • 向 Groq API 进行实际的 API 调用
  • 从 Groq AI 模型流式传输聊天补全
  • 将流中的事件转发到渲染器进程

有关更多详情,请参阅 GROQ_INTEGRATION.md。

用例

  • API 测试: 调试和测试您的 MCP 服务实现
  • 工具开发: 开发和测试 MCP 服务的新工具
  • 大模型集成: 测试不同的大模型如何与 MCP 工具交互
  • 教育: 学习关于 Model Context Protocol
  • 开发: 构建利用 MCP 和大模型的应用程序

故障排除

常见问题
  • 连接错误: 确保您的 MCP 服务正在运行,并且 mcp.json 中的命令/参数正确
  • API 密钥问题: 验证您已在 .env 文件中设置了正确的 API 密钥
  • 工具调用失败: 检查服务器日志中的工具实现错误

对于特定的集成问题:

有关已知问题和限制的列表,请参阅 KNOWN_ISSUES.md。

命令行探索

对于高级用户或故障排除,您也可以通过命令行探索 MCP 服务:

npm run mcp-client

这将:

  • 连接到配置的 MCP 服务
  • 列出所有可用的工具
  • 列出所有可用的资源
  • 列出所有可用的提示词
通过命令行测试大模型集成

该应用程序支持通过命令行使用 MCP 服务测试各种大模型提供商:

Fireworks AI + MCP
# Test the Fireworks MCP integration
npx ts-node src/test_fireworks_mcp.ts

# Run in interactive mode
npx ts-node src/test_fireworks_mcp.ts --interactive
Groq + MCP
# Test the Groq integration
npx ts-node src/test_groq.ts

贡献

欢迎贡献!请随时提交 Pull Request。

有关如何为该项目做出贡献的详细指南,请参阅 CONTRIBUTING.md。

  1. Fork 该仓库
  2. 创建您的功能分支(git checkout -b feature/amazing-feature)
  3. 提交您的更改(git commit -m 'Add some amazing feature')
  4. 推送到分支(git push origin feature/amazing-feature)
  5. 打开 Pull Request

许可证

MIT 许可证 - 详见 LICENSE 文件。

致谢

  • 感谢所有帮助构建和改进这个工具的贡献者
  • 特别感谢 MCP 社区为开发和推广这个标准所做的工作

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。