MCP Server

MCP 服务

MCP 服务提供了一套全面的框架，支持 AI 驱动的命令执行、基于插件的工具，以及同步脚本执行、安全的 Python 求值和知识管理等高级功能。它既可以作为独立服务运行，也可以嵌入其他项目，以便提供一致的 API 来调用工具和管理任务。

项目结构

• mcp_tools/ – 插件框架和内置工具，并支持增强的并发管理
• server/ – 基于 Starlette 的服务实现，包含 HTTP/SSE 端点和 DataFrame UI
• plugins/ – 可扩展插件（Azure DevOps、Git 工具、知识索引、Kusto、CircleCI）
• config/ – 环境管理器和配置辅助工具
• utils/ – 核心工具（异步作业、图接口、内存管理、向量存储、PyEval）
• scripts/ – 安装、实用脚本和自动化提交工作流
• assets/ – 图片和文档资源

安装

本项目使用 uv 管理依赖。使用以下命令安装依赖：

uv sync

也可以使用 pip 以开发模式安装：

pip install -e .

环境设置

配置由 .env 文件控制。根据模板创建文件，并编辑其中的设置：

cp config/env.template .env

重要变量包括仓库路径（GIT_ROOT）、Azure Repo 详细信息（AZREPO_ORG、AZREPO_PROJECT、AZREPO_REPO），以及用于外部工具配置的可选变量 PRIVATE_TOOL_ROOT。环境管理器会自动从仓库根目录、当前目录和主目录加载 .env 文件。

在代码中通过以下方式访问设置：

from config import env_manager
env_manager.load()
root = env_manager.get_git_root()

更多信息请参阅 docs/config_overview.md。

运行服务

安装依赖并配置 .env 后，使用以下命令启动服务：

uv run server/main.py

连接到 SSE 端点 http://0.0.0.0:8000/sse，或使用 server/api.py 中的其他路由。 后台作业端点的文档见 docs/background_jobs_api.md。

Docker

项目包含用于在容器中运行服务的 Dockerfile。 使用以下命令构建镜像：

docker build -t mcp-server .

然后启动容器并开放端口 8000：

docker run -p 8000:8000 mcp-server

更多详情请参阅 docs/docker.md。

配置文件

服务会从 YAML 文件加载提示词和工具定义：

• server/prompts.yaml
• server/tools.yaml

私有覆盖配置可以放在 server/.private/ 中，或放在 PRIVATE_TOOL_ROOT 指向的文件夹中。文件按以下顺序解析：

1. PRIVATE_TOOL_ROOT
2. server/.private/
3. server/ 中的默认配置

工具系统

工具是通过 mcp_tools 注册的模块化插件。内置工具包括：

• 命令执行器 – 支持运行至完成的同步和异步命令执行
• 浏览器自动化 – 集成 Playwright，用于网页交互
• PyEval – 使用 RestrictedPython 安全地求值 Python 表达式
• DataFrame 服务 – 通过 Web 界面进行数据分析和可视化
• 时间辅助工具 – 基于时间的实用工具和调度功能
• YAML 工具加载器 – 从 YAML 文件动态定义工具

plugins/ 目录中的其他插件包括 Azure DevOps 集成、Git 操作、知识索引、Kusto 查询和 CircleCI 工作流。有关构建自定义工具的详情，请参阅 mcp_tools/docs/creating_tools.md。

Web 界面提供全面的仪表板：

• /tools – 浏览所有已注册工具并查看其详情
• /dataframes – 交互式管理和可视化 DataFrame
• /knowledge – 浏览和管理知识图谱
• /pyeval – 安全的 Python 求值界面

插件管理

通过在 plugin_config.yaml 中声明插件，可以安装外部插件。每个条目都应指定格式为 owner/repository 的 plugin_repo，如果插件位于子文件夹中，还可以指定可选的 sub_dir。示例：

plugins:
   - plugin_repo: "github_owner/repo"
     sub_dir: "path/to/plugin"
     type: "python"

运行 mcp_admin 工具并使用 refresh_plugins 操作，根据此配置克隆或更新插件。传入 force=true 可在重新安装前移除所有已安装的插件。

运行测试

使用以下命令执行所有测试套件：

scripts/run_tests.sh

或者直接对 mcp_tools/tests、plugins/*/tests 或 server/tests 运行 pytest。

主要功能（v0.2.0）

• 运行至完成的执行 – 同步执行脚本并全面捕获输出
• PyEval 安全性 – 使用 RestrictedPython 安全地评估 Python 表达式
• 增强的 DataFrame UI – 响应式 Web 界面，用于数据分析和可视化

后续步骤

1. 浏览 mcp_tools/docs/ 和 docs/ 下的文档，了解工具创建、依赖注入和高级功能。
2. 查看 server/ 中的示例配置文件，并尝试添加自己的工具。
3. 探索 plugins/ 目录中的插件，了解具体实现。
4. 查看 utils/ 目录中的高级实用工具，例如向量存储、图接口和内存管理。
5. 查看 CHANGELOG.md，了解详细的发行说明和近期更新。

编辑器集成

Cursor/VSCode 等编辑器可通过在设置中添加以下内容来使用 SSE 端点：

{
  "mcpServers": {
    "mymcp-sse": { "url": "http://0.0.0.0:8000/sse" }
  }
}

演示截图