mcpField
M
MCP Server

MCP Server

本地服务
github.com/cbwinslow开发工具074 周前更新
代码仓库

关于 MCP Server

面向 AI 工具集成的 MCP 服务实现，可部署在 CloudFlare 上。它结合 WebSocket 通信、REST 管理端点和 React 监控面板。

主要功能

  1. 01WebSocket 实时通信
  2. 02REST 系统管理端点
  3. 03AI 工具集成
  4. 04JWT 身份验证与角色访问控制
  5. 05监控与分析面板

适用场景

  1. 01部署 AI 工具集成服务
  2. 02通过 REST 端点管理系统设置
  3. 03监控用量、健康状况和错误

MCP 相关

该项目实现了用于 AI 工具集成的 MCP 服务。README 未说明向 MCP 客户端提供哪些工具或资源。

#mcp-server#cloudflare#ai-integration

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
  "mcpServers": {
    "cbwinslow": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "build"
      ]
    }
  }
}
启动命令docker run -i --rm build

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包
ocibuild

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

MCP Server

Version License Build Status

这是一个托管在 CloudFlare 基础设施上的稳健消息控制协议（MCP）服务实现，可提供无缝的 AI 工具集成能力。

概述

MCP Server 项目实现了一个高性能消息控制协议服务，专为 AI 工具集成而设计。它托管于 mcp.cloudcurio.cc，提供了一个可扩展且安全的平台，用于管理 AI 通信协议。

主要功能
  • 实时 WebSocket 通信
  • 用于系统管理的 REST API 端点
  • 全面的 AI 工具集成
  • 高级安全功能
  • 可扩展的 CloudFlare 基础设施
  • 监控与分析仪表板

如需查看详细的项目规格，请参阅：

快速开始

前提条件
  • Node.js 18.x 或更高版本
  • 拥有 Workers/Pages 访问权限的 CloudFlare 账户
  • cloudcurio.cc 的域名访问权限
  • Docker（可选）
安装
  1. 克隆仓库：
git clone https://github.com/cbwinslow/mcp-server.git
cd mcp-server
  1. 安装依赖项：
npm install
  1. 配置环境：
cp .env.example .env
# Edit .env with your configurations
  1. 运行开发服务：
npm run dev

CloudFlare 设置

域名配置
  1. 登录 CloudFlare 控制面板
  2. 添加子域名 mcp.cloudcurio.cc
  3. 配置 DNS 设置：
Type    Name    Content             Proxy status
A       mcp     192.0.2.1          Proxied
CNAME   www     mcp.cloudcurio.cc  Proxied
Workers 设置
  1. 安装 Wrangler CLI：
npm install -g @cloudflare/wrangler
  1. 配置 Wrangler：
wrangler login
wrangler init
  1. 部署到 CloudFlare：
wrangler publish

开发环境设置

本地开发
  1. 设置开发环境：
npm run setup-dev
  1. 启动开发服务：
npm run dev
  1. 运行测试：
npm test
Docker 开发
  1. 构建容器：
docker build -t mcp-server .
  1. 运行容器：
docker run -p 3000:3000 mcp-server

贡献

欢迎贡献！详情请参阅我们的贡献指南。

开发流程
  1. 复刻仓库
  2. 创建功能分支
  3. 提交更改
  4. 推送到你的复刻仓库
  5. 提交拉取请求
代码规范
  • 遵循 ESLint 配置
  • 为新功能编写测试
  • 更新文档
  • 遵循语义化版本规范

文档

系统架构

该系统基于 CloudFlare 基础设施构建，使用：

  • CloudFlare Workers 实现无服务器计算
  • CloudFlare Pages 提供静态内容
  • WebSocket 协议实现实时通信
  • JWT 进行身份验证
  • React 构建管理界面

监控与分析

访问监控仪表板： https://mcp.cloudcurio.cc/admin

功能包括：

  • 实时指标
  • 系统运行状况监控
  • 使用情况分析
  • 错误跟踪
  • 性能指标

安全

安全功能包括：

  • SSL/TLS 加密
  • DDoS 防护
  • 速率限制
  • JWT 身份验证
  • 基于角色的访问控制

如有安全问题，请参阅我们的安全策略。

许可证

本项目采用 MIT 许可证授权，详情请参阅 LICENSE 文件。

支持

路线图

详细的开发路线图请参阅我们的项目计划。

致谢

  • 感谢 CloudFlare 提供基础设施
  • 感谢贡献者和维护者
  • 感谢开源社区

版本历史

发布历史请参阅 CHANGELOG.md。

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。