mcpField
M
MyMCP Prompt

MyMCP Prompt

本地服务
github.com/AlexJ-StL开发工具180 周前更新

关于 MyMCP Prompt

MyMCP Prompt 是面向 MCP 服务创建者的网页应用,可将自然语言描述交给 Google Gemini API,生成 Python 服务代码和对应的 JSON 配置,并显示及保存输出。

主要功能

  1. 01生成 Python MCP 服务代码
  2. 02生成 JSON 配置
  3. 03用自然语言描述服务
  4. 04显示生成内容和保存路径

适用场景

  1. 01根据描述起草 Python MCP 服务
  2. 02同时生成服务代码和配置

MCP 相关

它根据用户描述生成 Python MCP 服务代码和 JSON 配置,生成物用于 MCP。

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。

暂未收录安装方式

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。

代码仓库

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

MyMCP Prompt

描述

MyMCP Prompt 是一款工具,可根据自然语言描述生成 Model Context Protocol(MCP)服务。这个 MVP 使用 Google Gemini API 将用户描述转换为功能完整的 Python MCP 服务及相应的 JSON 配置。

项目结构

应用由以下部分组成:

  • Flask 后端(根目录):
    • app.py:Flask 应用的主要设置(CORS、蓝图注册)。
    • api.py:包含 /api/generate-mcp 端点,该端点调用 Google Gemini API 生成服务代码和配置。
    • requirements.txt:列出 Python 依赖项。
  • React 前端(/frontend-vite 目录):
    • 提供 Web 界面(frontend-vite/src/App.js),供用户输入服务描述。
    • 显示生成的 Python 代码和 JSON 配置。
    • 显示生成文件的保存路径。

设置

  1. 克隆仓库:

    git clone https://github.com/AlexJ-StL/mymcp
    cd mymcp
    
  2. 设置后端(根目录):

    创建并激活虚拟环境(推荐使用 uv):

    # 在项目根目录(mymcp)中
    uv venv
    source .venv/Scripts/activate  # 在 Windows 上
    # source .venv/bin/activate    # 在 macOS/Linux 上
    

    安装 Python 依赖项:

    uv pip install -r requirements.txt
    
  3. 设置前端:

    进入 frontend-vite 目录:

    cd frontend-vite
    

    安装 Node.js 依赖项:

    npm install
    

    返回根目录:

    cd ..
    
  4. 设置 Gemini API 密钥:

    重要: 获取 Google Gemini API 密钥,并将其设置为名为 GEMINI_API_KEY 的环境变量。请勿将 API 密钥提交到仓库。

    Windows(命令提示符):

    set GEMINI_API_KEY=your_api_key
    

    Windows(PowerShell):

    $env:GEMINI_API_KEY="your_api_key"
    

    (注意:此设置仅在当前会话中生效。如需永久设置,请使用 setx 或系统环境变量设置。)

    macOS / Linux:

    将以下行添加到 .bashrc、.zshrc 或其他 Shell 配置文件中:

    export GEMINI_API_KEY="your_api_key"
    

    然后加载该文件(或打开新的终端):

    source ~/.bashrc  # 或 ~/.zshrc 等
    

使用方法

  1. 启动后端服务:

    • 确保已在根目录中激活虚拟环境。
    • 确保已设置 GEMINI_API_KEY 环境变量。
    • 运行 Flask 应用:
      # 在项目根目录(mymcp)中
      flask run
      
    • 后端将在 http://127.0.0.1:5000 上运行。
  2. 启动前端开发服务:

    • 打开一个新终端。
    • 进入 frontend-vite 目录:
      cd frontend-vite
      
    • 运行 React 应用:
      npm run dev
      
    • 前端会在浏览器中自动打开,通常地址为 http://localhost:5173。
  3. 使用应用:

    • 在浏览器中打开 http://localhost:5173。
    • 输入你想要生成的 MCP 服务描述。
    • 点击“Place Your Order”。
    • 系统将显示生成的 Python 代码和 JSON 配置,并将文件保存到 generated_server 目录(或大模型选择的目录)。

变更日志

  • v0.1.0(MVP): 首次发布,支持使用 Google Gemini 生成基础 MCP 服务。后端位于根目录,前端位于 /frontend。
  • v0.2.0(Vite 前端与 UI 重新设计): 将前端从 Create React App 迁移到 Vite,以提升性能、减少漏洞并改善开发体验。采用全新的法式咖啡馆主题 UI。移除前端的输出目录输入项,由后端选择输出目录。更新后端 API,使其能够处理未指定输出目录的请求。

未来功能

  • 集成更多大模型(OpenRouter、LiteLLM、OpenAI、Anthropic、SombaNova、Cerebras、LM Studio、Ollama、Groq)。
  • 支持在 MCP 服务中生成工具/函数调用。
  • 支持生成 Agent 提示词。
  • 改进错误处理和用户反馈。
  • 更完善的 MCP 服务代码生成(例如,使用模板、改进结构)。
  • UI 增强。
  • 为后端和前端编写单元测试。

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。