关于 Vercel MCP Integration
Vercel MCP Integration 是一个 MCP 服务,将 Vercel REST API 封装为工具,供 Claude、Cursor 等 AI 助手调用。它面向需要通过 AI 管理 Vercel 部署、项目和团队的开发者。
主要功能
- 01部署列表、查询与创建
- 02项目与环境变量管理
- 03自定义环境与域名信息查询
- 04团队列表与创建
适用场景
- 01让 AI 助手查询最近的生产环境部署
- 02通过 Agent 从 Git 分支触发新部署
- 03批量创建项目环境变量
MCP 相关
该项目是 MCP 服务,向 MCP 客户端暴露以 vercel- 为前缀的工具,例如 vercel-list-all-deployments。
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。
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
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
Vercel MCP 集成
用于 Vercel REST API 的模型上下文协议(MCP)集成,可通过 Claude 和 Cursor 等 AI 助手以编程方式管理 Vercel 部署。
📋 概述 上次更新:2025 年 5 月
此 MCP 服务将 Vercel 的核心 API 端点实现为工具,支持:
- 部署监控与管理
- 检索环境变量
- 跟踪项目部署状态
- 创建和管理团队
- 集成 CI/CD 流水线
✨ 功能
当前工具
部署管理
vercel-list-all-deployments- 列出部署并进行筛选vercel-get-deployment- 检索特定部署的详细信息vercel-list-deployment-files- 列出部署中的文件vercel-create-deployment- 创建新部署
项目管理
vercel-create-project- 创建新的 Vercel 项目vercel-list-projects- 分页列出所有项目vercel-find-project- 按 ID 或名称查找特定项目vercel-create-environment-variables- 创建多个环境变量vercel-get-project-domain- 获取项目中特定域名的信息
环境管理
vercel-get-environments- 访问项目环境变量vercel-create-custom-environment- 为项目创建自定义环境
团队管理
vercel-list-all-teams- 列出所有可访问的团队vercel-create-team- 使用自定义 slug 和名称创建新团队
🛣️ 路线图
- 部署创建工作流
- 项目管理工具
- 团队管理集成(列出和创建团队)
- 高级错误处理
📚 工具文档
如需了解每个工具的详细信息,请参阅以下文档:
🚀 入门
前提条件
- Node.js 18+
- Vercel API 令牌
- MCP 客户端(Claude、Cursor 或其他支持 MCP 的 AI 助手)
安装
git clone [your-repo-url]
cd vercel-mcp
npm install
配置
- 创建
.env文件:
VERCEL_API_TOKEN=your_api_token_here
- 启动 MCP 服务:
npm start
🔗 与 AI 助手集成
与 Claude 集成
Claude 可通过 Anthropic Console 或 Claude Code 界面使用 MCP 工具。
- 使用
npm start在本地启动 MCP 服务 - 在 Claude Code 中使用
/connect命令:
对于使用 stdio 的 CLI 服务,请指定服务可执行文件的路径/connect mcp --path [path-to-server] - Claude 会自动发现可用的 Vercel 工具
- 然后你可以让 Claude 执行 Vercel 操作,例如:
Please list my recent Vercel deployments using the vercel-list-all-deployments tool - 或者,你也可以使用
mcp-proxy等工具将 MCP 服务公开为 HTTP 服务
然后在 Claude 中连接:npm install -g @modelcontextprotocol/proxy mcp-proxy --stdio --cmd "npm start" --port 3399/connect mcp --url http://localhost:3399
与 Cursor 集成
Cursor 通过其扩展系统内置支持 MCP 工具。
- 使用
npm start启动 MCP 服务 - 在 Cursor 中,打开 Settings → Tools
- 在“Model Context Protocol (MCP)”下,点击“+ Add MCP tool”
- 配置新连接:
- 对于 stdio 传输:指定可执行文件路径
- 对于 HTTP 传输:指定 URL(例如,http://localhost:3399)
- Cursor 将自动发现可用的 Vercel 工具
- 在提示词中提及这些工具,即可使用 Cursor 的 AI 功能与 Vercel 部署交互
编程集成
你也可以在自己的应用程序中使用 Model Context Protocol SDK,以编程方式与 MCP 服务集成:
import { Client } from "@modelcontextprotocol/sdk/client";
// Create an MCP client connected to a stdio transport
const client = new Client({
transport: "stdio",
cmd: "npm --prefix /path/to/vercel-mcp start",
});
// Or connect to an HTTP transport
const httpClient = new Client({
transport: "http",
url: "http://localhost:3399",
});
// Connect to the server
await client.connect();
// List available tools
const { tools } = await client.listTools();
console.log(
"Available tools:",
tools.map((t) => t.name)
);
// Call a tool
const result = await client.callTool({
name: "vercel-list-all-deployments",
args: { limit: 5 },
});
console.log("Deployments:", result);
// You can also use this in an Express server:
app.post("/api/deployments", async (req, res) => {
try {
const result = await client.callTool({
name: "vercel-list-all-deployments",
args: req.body,
});
res.json(result);
} catch (error) {
res.status(500).json({ error: error.message });
}
});
🛠️ 工具使用示例
以下是一些快速入门示例。如需完整文档和更多示例,请参阅工具文档。
列出最近的部署
const response = await mcpClient.callTool({
name: "vercel-list-all-deployments",
args: {
limit: 5,
target: "production",
},
});
创建新项目
const project = await mcpClient.callTool({
name: "vercel-create-project",
args: {
name: "my-awesome-project",
framework: "nextjs",
teamId: "team_1a2b3c4d5e6f7g8h9i0j1k2l",
},
});
从 Git 部署
const deployment = await mcpClient.callTool({
name: "vercel-create-deployment",
args: {
project: "my-project-id",
gitSource: {
type: "github",
ref: "main",
},
},
});
有关文件部署、环境管理和团队操作等更多详细示例,请参阅文档:
🐳 Docker 部署
构建镜像
docker build -t vercel-mcp .
运行容器
docker run -it --rm \
-e VERCEL_API_TOKEN=your_token_here \
-p 3399:3399 \
vercel-mcp
生产环境部署
docker run -d \
--name vercel-mcp \
--restart unless-stopped \
-e VERCEL_API_TOKEN=your_token_here \
-p 3399:3399 \
vercel-mcp
开发时启用实时重载
docker build --target builder -t vercel-mcp-dev .
docker run -it --rm \
-e VERCEL_API_TOKEN=your_token_here \
-p 3399:3399 \
-v $(pwd)/src:/app/src \
vercel-mcp-dev
🗂️ 项目结构
src/
├── constants/ # Tool definitions
├── tools/
│ ├── deployments/ # Deployment handlers
│ │ ├── handlers.ts
│ │ ├── schema.ts
│ │ └── types.ts
│ └── environments/# Environment management
├── utils/ # API helpers
└── index.ts # Server entrypoint
🔧 配置
环境变量
| 变量 | 描述 | 必需 |
|---|---|---|
VERCEL_API_TOKEN | Vercel 访问令牌 | 是 |
🤝 贡献
- Fork 此仓库
- 创建功能分支(
git checkout -b feature/amazing-feature) - 提交更改(
git commit -m 'Add amazing feature') - 推送到分支(
git push origin feature/amazing-feature) - 创建 Pull Request
📄 许可证
MIT 许可证 - 详情请参阅 LICENSE
评论
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。