Settlemint

SettleMint SDK

✨ https://settlemint.com ✨
轻松将 SettleMint 集成到您的应用程序中。

目录

• 关于
• 模型上下文协议（MCP）简介
  • MCP 为什么重要？
  • 主要特性和优势
• MCP 的工作原理
  • 核心概念
  • 技术工作流
  • 主要组件
• SettleMint 对 MCP 的实现
  • 功能和特性
  • 在 AI 和区块链中的应用
• 实际示例
  • 在开发工作流中实现 MCP
    • 在 Cursor 中使用 SettleMint MPC
    • 在 Claude Desktop 中使用 SettleMint MPC
    • 在 Cline 中使用 SettleMint MPC
    • 在 Windsurf 中使用 SettleMint MPC
  • AI 驱动的区块链应用或 Agent
• 参与贡献
• 许可证

关于

SettleMint Model Context Provider 提供了一种简单的方式，可将大模型、AI IDE 或 AI Agent 与 SettleMint 平台及您已部署的用例集成。

模型上下文协议（MCP）简介

模型上下文协议（MCP）是一种框架，旨在通过提供对外部数据的结构化、上下文感知访问，增强 AI Agent 和大模型（LLM）的能力。它充当 AI 模型与各种数据源之间的桥梁，例如区块链网络、外部 API、数据库和开发环境。从本质上说，MCP 允许 AI 模型从外部世界获取相关上下文，从而做出更充分的推理并进行交互。

MCP 并非单一工具，而是一种标准化协议。这意味着它定义了 AI 应如何请求信息，以及外部系统应如何响应。遵循这一标准后，不同的工具和系统就能以一致的方式与 AI Agent 通信。这样一来，AI 模型便能超越训练所得的知识，无缝地与实时数据和真实世界应用交互。

MCP 为何重要？

现代 AI 模型功能强大，但传统上以封闭系统的方式运行——它们根据从训练数据中学到的模式生成回答，却不了解外部系统的当前状态。缺乏实时上下文可能会成为一种局限。MCP 的重要性在于它弥合了这一差距，让 AI 能够实时感知上下文并采取行动。

以下是 MCP 的几个重要原因：

• 动态数据访问：MCP 让 AI 模型能够与外部生态系统（例如区块链网络或 Web API）无缝交互。这意味着 AI Agent 可以在运行时查询数据库或区块链账本以获取最新信息，而不是仅仅依赖过时的训练数据。
• 实时上下文：通过提供对数据（例如智能合约状态或应用状态）的结构化实时访问，MCP 确保 AI 的决策和回答基于世界的当前状态。这种上下文感知能力能带来更准确、更相关的结果。
• 扩展能力：借助 MCP，AI Agent 不仅能检索数据，还能执行操作。例如，AI 可以使用 MCP 触发区块链交易或更新记录。这能以精确的领域专属上下文增强 Agent 的决策能力，并赋予其据此采取行动的能力。
• 降低复杂性：MCP 为各种数据源提供统一接口，让开发者受益。AI Agent 无需为每个外部系统编写自定义集成代码，而是可以通过 MCP 这一统一通道访问多个数据源。这简化了开发流程并减少了错误。

总的来说，MCP 将 AI 与实时数据连接起来，并使其能够在外部系统中执行任务，从而让 AI 更了解情况、更灵活、更实用。这是迈向真正理解并与周围世界交互的 AI 的重要一步。

主要特性和优势

MCP 引入了几项关键特性，为 AI 开发者和终端用户带来了显著优势：

• 上下文感知：AI 模型能够按需访问实时信息和上下文。AI Agent 不再孤立运行，而是可以请求特定数据（例如“区块链上的最新区块是什么？”或“从数据库获取用户资料”），并利用这些上下文调整回答。这能带来更准确、更符合具体情况的结果。
• 区块链集成：MCP 可直接连接链上数据和智能合约功能。AI Agent 可以查询区块链状态（例如检查代币余额或读取合约变量），甚至通过 MCP 调用合约方法。这为 AI 管理区块链操作、DeFi 自动化等开启了更多可能，而且这一切都通过标准化接口实现。
• 自动化能力：借助对外部系统的结构化访问，AI Agent 不仅可以读取数据，还可以采取行动。例如，AI 可以自动调整智能合约参数、发起交易，或更新代码库中的配置文件。这些自动化能力使得创建智能 Agent 成为可能，让它们能够在指定准则下自主管理基础设施或应用。
• 安全与控制：MCP 在设计时就考虑了安全性（后文将进一步介绍）。它提供了一个受控环境，可以监控对外部数据和操作的访问，并将其置于沙盒中。这确保 AI Agent 只执行获准的操作，并可通过 MCP 框架中的身份验证和权限管理来保护敏感数据。

这些特性相结合，大幅拓展了 AI Agent 的能力。它让被动的模型转变为能够感知并影响外部系统的主动参与者——所有操作都以安全、结构化的方式进行。

MCP 的工作原理

核心概念

MCP 的核心作用是充当 AI 模型与外部数据源之间的中间件。MCP 不会将所有可能的知识和工具都嵌入 AI，而是让 AI 模型保持精简，并将数据获取和执行任务交给外部服务。AI 与 MCP 通过定义好的协议进行通信：

1. AI Agent（客户端）：AI Agent（例如大模型或任何由 AI 驱动的应用）会提出信息请求或操作请求。该请求采用 MCP 能够理解的标准格式。例如，AI 可能会询问：“获取区块链 Z 上智能合约 Y 中变量 X 的值”，或“从项目目录中获取文件 ABC 的内容。”
2. MCP 服务（中介）：MCP 服务接收并解析请求。它充当中介，负责连接各种外部系统。服务会确定请求需要哪个外部来源（区块链、API、文件系统等），并使用相应的连接器或处理程序来满足查询。
3. 外部数据源：可以是区块链节点、API 端点、数据库，甚至是本地开发环境。MCP 服务会与外部数据源通信，例如发起 API 调用、查询区块链节点或读取磁盘上的文件。
4. 上下文响应：外部数据源会返回请求的数据（或操作结果）。然后，MCP 服务将这些信息整理成结构化响应，方便 AI Agent 理解。这可能涉及将原始数据转换为更简单的 JSON 结构或文本格式。
5. 返回给 AI：MCP 服务将整理后的数据发送回 AI Agent。AI 随后可以将这些数据纳入推理，或基于这一新上下文继续工作流。从 AI 模型的角度来看，这就像是刚刚扩展了自身知识，或成功执行了一项外部操作。

MCP 的优势在于，它屏蔽了不同数据源之间的差异。AI Agent 无需了解如何调用区块链或查询数据库，只需发出通用请求，剩下的工作由 MCP 处理。这种模块化方法意味着，可以为 MCP 添加新的连接器以支持更多数据源，而无需更改 AI 构造请求的方式。

技术工作流

让我们逐步了解使用 MCP 的典型技术工作流：

1. AI 发出请求：AI Agent 使用 MCP SDK 或 API 发送请求。例如，在代码中，它可能会调用类似 mcp.fetch("settlemint", "getContractState", params) 的方法，其中 "settlemint" 可以指定目标 MCP 服务或上下文。
2. MCP 解析请求：MCP 服务（在本例中可能是 SettleMint MCP 服务）接收请求。请求将包含所需操作的标识符，以及必要的参数（例如所需的区块链网络、合约地址或文件路径）。
3. 激活连接器：MCP 根据请求类型选择合适的连接器或模块。对于区块链查询，它可能会使用配置了网络访问权限和凭据的区块链连接器。对于文件系统查询，则会使用指定路径的文件连接器。
4. 检索数据／执行操作：MCP 执行操作。如果是检索数据，它会获取数据：例如，调用区块链节点的 API 获取合约状态，或读取本地文件。如果是执行操作（例如执行交易或写入文件），则会使用其拥有的凭据和上下文来执行该操作。
5. 格式化数据：原始结果通常采用特定于来源的格式（例如 Web API 返回的 JSON、文件中的二进制数据等）。MCP 会将结果格式化或序列化为标准格式（通常是 JSON 或文本表示），以便 AI 模型轻松处理。它还可能包含元数据，例如时间戳或成功／失败状态。
6. 向 AI 返回响应：MCP 将格式化后的响应发送回 AI Agent。在实践中，这可以是 SDK 函数调用的返回值，也可以是在联网设置下通过 WebSocket 或 HTTP 发送的消息。
7. AI 继续处理：借助新数据，AI 可以调整计划、生成信息更充分的回答，或触发后续操作。例如，如果有人询问 AI 某位用户的区块链余额，AI 现在就能从 MCP 获取该余额，并在回答中提及。如果 AI 正在自主管理某项事务，则可能会根据数据决定下一步操作。

此工作流执行迅速，通常在后台进行。从宏观角度来看，MCP 可即时扩展 AI 的能力。AI 继续专注于决策和语言生成，而 MCP 则负责从外部系统获取数据并执行命令等繁重工作。

核心组件

MCP 由几个协同工作的核心组件组成，共同实现上述工作流：

flowchart LR
    A[AI Agent / LLM] --(1) request--> B{{MCP Server}}
    subgraph MCP Server
        B --> C1[Blockchain Connector]
        B --> C2[API Connector]
        B --> C3[File System Connector]
    end
    C1 -- fetch/query --> D[(Blockchain Network)]
    C2 -- API call --> E[(External API/Data Source)]
    C3 -- read/write --> F[(Local File System)]
    D -- data --> C1
    E -- data --> C2
    F -- file data --> C3
    B{{MCP Server}} --(2) formatted data--> A[AI Agent / LLM]

• MCP 服务：这是运行并监听 AI Agent 请求的核心服务或守护进程。可以将它视为 MCP 的大脑，负责协调一切。MCP 服务经过配置，可了解各种数据源以及如何连接到它们。实际使用中，你可以在本地或服务器上运行 MCP 服务进程，AI Agent 则通过 API（例如 HTTP 请求、RPC 调用或 SDK）与其通信。
• MCP SDK / 客户端库：为简化使用，MCP 提供了多种编程语言的 SDK。开发者会在 AI Agent 代码中引入这些 SDK。SDK 负责处理与 MCP 服务的通信细节，因此开发者只需调用函数或方法（例如 mcp.getData(...)），无需手动构造网络调用。SDK 会确保请求格式正确并将其发送到 MCP 服务，然后接收响应并交给 AI 程序。
• 连接器 / 适配器：这些是 MCP 服务中的模块或插件，了解如何与特定类型的外部系统通信。一个连接器可能负责区块链交互（包含用于 Ethereum、Hyperledger 等的子模块），另一个可能负责 Web API（执行 HTTP 调用），还有一个可能管理本地 OS 操作（文件系统访问、运行 Shell 命令）。每个连接器都了解其领域的一组操作和数据格式。连接器让 MCP 具备可扩展性——可以添加新的连接器，以支持新的系统或协议。
• 配置文件：MCP 通常使用配置（例如 JSON 或 YAML）来确定要启用哪些连接器，以及如何连接到外部服务。例如，你可以在 MCP 实例中配置区块链节点的 URL、外部服务的 API 密钥或文件路径权限。通过配置，MCP 服务在运行时就能获得安全、正确地处理请求所需的信息。
• 安全层：由于 MCP 可以访问敏感数据并执行操作，因此它包含一个安全层。这可能涉及 API 密钥（例如示例中的 --pat 个人访问令牌），或连接区块链和数据库时使用的身份验证。安全层还会强制执行权限：它可以限制 AI Agent 通过 MCP 执行的操作，以防止滥用。例如，你可以允许对某些数据进行只读访问，但不允许在未经额外批准的情况下执行任何写入或更改状态的操作。

这些组件共同使 MCP 稳健而灵活。职责分离（AI、MCP 和连接器）意味着各部分可以独立演进或维护。例如，如果出现新的区块链，你可以为其添加连接器，而无需更改 AI 请求数据的方式。或者，即使 AI 模型更新，也仍然可以像以前一样使用相同的 MCP 服务和连接器。

SettleMint 对 MCP 的实现

SettleMint 是领先的区块链集成平台，已采用并实现 MCP，赋能 AI Agent，使其具备区块链智能和基础设施控制能力。在 SettleMint 的实现中，MCP 充当 AI 驱动的应用与由 SettleMint 平台管理或监控的区块链环境之间的桥梁。这意味着 AI Agent 不仅可以深入访问区块链资源（如智能合约、交易和网络数据），还可以通过标准化接口访问底层基础设施（节点、中间件）。

借助 MCP，SettleMint 支持以下场景：

• AI 助手可以实时查询链上数据，例如获取智能合约的状态或最新区块信息。
• 自主 Agent 可以在 AI 决策的指导下，无需人工干预即可管理区块链基础设施任务（部署合约、调整配置）。
• 使用 SettleMint 的开发者可以相对轻松地将高级 AI 功能集成到区块链应用中，因为 MCP 负责处理连接这两个领域的繁重工作。

sequenceDiagram
    participant AI as AI Model (Agent)
    participant MCP as MCP Server
    participant Chain as The Graph / Portal / Node
    participant API as External API

    AI->>MCP: (1) Query request (e.g., get contract state)
    Note over AI,MCP: AI asks MCP for on-chain data
    MCP-->>AI: (2) Acknowledgement & processing

    MCP->>Chain: (3) Fetch data from blockchain
    Chain-->>MCP: (4) Return contract state

    MCP->>API: (5) [Optional] Fetch related off-chain data
    API-->>MCP: (6) Return external data

    MCP-->>AI: (7) Send combined response
    Note over AI,MCP: AI receives on-chain data (and any other context)

    AI->>MCP: (8) Action request (e.g., execute transaction)
    MCP->>Chain: (9) Submit transaction to blockchain
    Chain-->>MCP: (10) Return tx result/receipt
    MCP-->>AI: (11) Confirm action result

总而言之，SettleMint 的 MCP 版本扩展了其平台的功能，支持由 AI 驱动的区块链操作。这种结合将区块链的可信度和透明性与 AI 的适应性和智能相融合。

功能与特性

SettleMint 的 MCP 实现提供了丰富的功能，专为区块链与 AI 集成而设计：

• 无缝 IDE 集成：SettleMint 的工具可在常见的开发环境中使用，这意味着你可以在开发工作流中使用 MCP。例如，如果你正在编写智能合约或应用，AI Agent（如代码助手）可以通过 MCP 在 IDE 中直接获取区块链状态或部署合约。这让你在编写代码时即可获得实时的区块链反馈并执行操作，从而简化开发流程。
• 自动化合约管理：AI Agent 可以通过 MCP 自主与智能合约交互，甚至对其进行修改。这包括部署新合约、调用现有合约的函数或监听事件。例如，AI 运维 Agent 可以检测到 DeFi 合约中的异常，并通过 SettleMint 使用 MCP 自动触发该合约中的安全防护函数。
• AI 驱动的分析：AI 模型可以通过 MCP 分析区块链数据，从中获取洞察并作出预测。SettleMint 平台可以通过 MCP 将交易历史、代币流动或网络指标提供给专用于分析的 AI 模型。随后，AI 可以识别欺诈交易模式或预测网络拥堵，并将这些洞察反馈给区块链应用或管理员。

这些功能表明，SettleMint 对 MCP 的集成并非只是与区块链建立基本连接，而是一套全面的工具，使 AI 能够以有意义的方式访问区块链数据并进行控制。它通过让 AI 持续监控并响应链上事件，有效地赋予区块链网络智能。

AI 和区块链中的用法

通过 MCP 结合 AI 和区块链的优势，SettleMint 解锁了多个强大的用例：

• AI 驱动的智能合约管理：智能合约通常需要根据外部条件（如市场价格或使用负载）进行调整或更新。AI Agent 可以通过 SettleMint 的工具使用 MCP 监控这些条件，并主动调整智能合约参数（或建议人类进行调整）。这能打造更具适应性和韧性的区块链应用。
• 实时区块链监控：想象一下，不再使用静态仪表板，而是由 AI 监控区块链交易，并在重要事件发生时向你发出提醒。借助 MCP，AI 可以持续查询链上的特定模式（如大额转账或特定合约事件），然后分析并向用户解释这些情况，或触发自动响应。
• 自主治理：在区块链治理（例如 DAO）中，AI 洞察可以为提案和决策提供依据。借助 MCP，AI Agent 可以收集与提案影响相关的所有链上数据，模拟不同结果，甚至自动在区块链上投票或执行已批准的决策。这将 AI 决策支持与区块链的执行能力结合起来。
• 跨系统编排：SettleMint 的 MCP 不必局限于区块链数据。AI 可以使用它来编排跨越区块链和链下系统的操作。例如，AI Agent 可能会检测到供应链货运（在区块链上跟踪）延误，然后通过 MCP 更新链下数据库或向物流系统发送通知。AI 作为智能中间件，利用 MCP 确保区块链系统和传统系统保持同步。

实际上，将 MCP 与 SettleMint 的 SDK（下文将介绍）结合使用，可以更轻松地实现这些场景。开发者可以专注于 AI 应执行的高层逻辑，而 MCP 层（由 SettleMint 平台管理）则负责处理连接区块链和其他服务的复杂工作。

实际示例

为了加深理解，我们来看一些具体示例，了解如何在开发工作流和应用中使用 MCP，尤其是结合 SettleMint 的工具。

在开发工作流中实现 MCP

假设你是一名区块链项目开发者，希望使用 AI 助手帮助管理智能合约。你可以将 MCP 集成到工作流中，让 AI 助手直接访问项目上下文（代码、文件）和区块链环境。

例如，你可以使用一条命令（通过 CLI 或 npm 脚本）启动 MCP 服务，并指定项目目录，同时连接到 SettleMint 平台。命令示例如下：

npx -y @settlemint/sdk-mcp@latest --path=/Users/llm/asset-tokenization-kit/ --pat=sm_pat_xxx

这条命令的作用如下：

• 使用 npx 执行最新版本的 @settlemint/sdk-mcp 软件包，无需单独安装。
• --path=/Users/llm/asset-tokenization-kit/ 指定 MCP 服务可访问上下文的本地项目目录。这样，AI 就可以通过 MCP 查询该目录中的文件或代码，并访问 settlemint connect 中的环境设置。
• --pat=sm_pat_xxx 提供用于向 SettleMint 服务进行身份验证的个人访问令牌（PAT）。MCP 服务需要此令牌（此处将其隐藏为 xxx）才能代表你连接到 SettleMint 平台。

运行此命令后，你会启动一个本地 MCP 服务，同时连接到本地项目和 SettleMint 平台。随后，你的 AI 助手（例如基于 Claude Sonnet 的专用 Agent）便可以：

• 根据你索引的数据（例如 The Graph 中的数据），让 MCP 编写表单和列表。
• 查询实时区块链，获取你正在开发的合约的当前状态，以验证某些内容或测试更改。
• 在你的网络中部署一个额外的节点。
• 在你的稳定币合约中列出并随后铸造一些新代币。

这极大地增强了开发工作流，让 AI 成为积极参与者，能够获取真实信息并据此采取行动，而不只是被动地提供代码建议。

在 Cursor 中使用 SettleMint MPC

Cursor（0.47.0 及更高版本）提供了全局 ~/.cursor/mcp.json 文件，可用于配置 SettleMint MCP 服务。将路径指向你的程序文件夹，并设置个人访问令牌。

我们使用全局 MCP 配置文件，是因为个人访问令牌绝不应该被提交到 Git 中。而将其放在项目文件夹中（Cursor 也支持这种方式）则会带来这种风险。

{
  "mcpServers": {
    "settlemint": {
      "command": "npx",
      "args": [
        "-y",
        "@settlemint/sdk-mcp@latest",
        "--path=/Users/llm/asset-tokenization-kit/",
        "--pat=sm_pat_xxx"
      ]
    }
  }
}

打开 Cursor 并前往 Settings/MCP。服务成功连接后，你应该会看到绿色的活动状态。

在 Claude Desktop 中使用 SettleMint MPC

打开 Claude desktop 并前往 Settings。在 Developer 选项卡下，点击 Edit Config 打开配置文件，并添加以下配置：

{
  "mcpServers": {
    "settlemint": {
      "command": "npx",
      "args": [
        "-y",
        "@settlemint/sdk-mcp@latest",
        "--path=/Users/llm/asset-tokenization-kit/",
        "--pat=sm_pat_xxx"
      ]
    }
  }
}

保存配置文件并重启 Claude desktop。在新聊天界面中，你应该会看到一个锤子（MCP）图标，其中显示了新添加的 MCP 服务。

在 Cline 中使用 SettleMint MPC

在 VS Code 中打开 Cline 扩展并点击 MCP Servers 图标。点击 Configure MCP Servers 打开配置文件，并添加以下配置：

{
  "mcpServers": {
    "settlemint": {
      "command": "npx",
      "args": [
        "-y",
        "@settlemint/sdk-mcp@latest",
        "--path=/Users/llm/asset-tokenization-kit/",
        "--pat=sm_pat_xxx"
      ]
    }
  }
}

保存配置文件。Cline 应会自动重新加载配置。服务成功连接后，你应该会看到绿色的活动状态。

在 Windsurf 中使用 SettleMint MPC

打开 Windsurf 并前往 Cascade 助手。点击锤子（MCP）图标，然后点击 Configure 打开配置文件，并添加以下配置：

{
  "mcpServers": {
    "settlemint": {
      "command": "npx",
      "args": [
        "-y",
        "@settlemint/sdk-mcp@latest",
        "--path=/Users/llm/asset-tokenization-kit/",
        "--pat=sm_pat_xxx"
      ]
    }
  }
}

保存配置文件，然后在 Cascade 助手中点击 Refresh 重新加载。服务成功连接后，你应该会看到绿色的活动状态。

AI 驱动的区块链应用或 Agent

为了说明一个真实场景，我们来看一个 AI 驱动的去中心化金融（DeFi）应用。在 DeFi 中，情况变化迅速（价格、流动性、用户活动），因此必须快速响应。

场景：你有一个管理自动流动性池的智能合约。你希望确保流动性池保持平衡——如果某项资产的价格下跌或流动性池失衡，你希望自动调整费用或参数。

在此场景中使用 MCP：

1. AI Agent 通过 MCP 监控流动性池。每隔几分钟，它就会通过 MCP 服务请求最新的流动性池余额和外部价格数据（来自链上或链下预言机）。
2. MCP 获取区块链上的最新状态（流动性池储备、近期交易），也可能调用外部价格 API 获取当前市场价格，然后将这些数据返回给 AI。
3. AI 分析数据。假设它发现资产 A 在流动性池中的占比相对于资产 B 大幅增加（可能是因为资产 A 的价格急剧下跌）。
4. AI 决定，为了保护流动性池，应暂时提高兑换费（这是防止套利者抽干流动性池的常见措施）。
5. AI 通过 MCP 调用智能合约中的函数来更新费用参数。MCP 的区块链连接器负责通过 SettleMint 的基础设施创建交易并将其发送到网络。
6. 交易在链上执行，费用随之调整。MCP 捕获成功响应以及任何相关事件（例如合约可能发出的费用变更事件）。
7. AI 收到确认后，可以记录此次变更，或告知管理员它已采取行动。

在此用例中，MCP 使 AI 能够实时守护 DeFi 合约。如果没有 MCP，AI 将无法访问实时链上状态，也无法执行变更。借助 MCP，AI 成为一个强大的自主 Agent，确保区块链应用能够根据当前情况进行调整。

这只是一个示例。AI 驱动的区块链应用可以涵盖各种场景，从自动化 NFT 市场管理、DAO 提案的 AI 审核员，到能够响应传感器数据的智能供应链合约。MCP 为这些 AI Agent 提供了通信和行动的途径，让它们能够在关键之处发挥作用——在区块链及其连接的系统上。

贡献

我们欢迎社区贡献！请查看我们的贡献指南，了解如何通过提交错误报告、功能请求、文档更新或代码贡献来帮助改进 SettleMint SDK。

许可证

SettleMint SDK 根据 FSL Software License 发布。有关详情，请参阅 LICENSE 文件。