MCP Commons

MCPAI代理

提供方 dawsonlp

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个Python库,提供可重用的基础设施,用于构建Model Context Protocol(MCP)服务器,减少样板代码并保持一致的架构模式。

一句话选型结论

按资料字段整理

MCP Commons 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

Python库Python本地部署MCP协议服务器构建适配器模式批量操作

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install mcp-commons

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
MCP Commons当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方dawsonlp上游标注的维护方 dawsonlp
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

16.2 KB
来自项目仓库与上游目录的原文,未做删改

MCP共享

> 一个Python库,为构建具有较少样板和一致模式的模型上下文协议(MCP)服务器提供可重用的基础设施。

概述

MCP Commons为构建可维护的MCP服务器提供了架构模式:

主要价值(90%):

  • 适配器模式 -将业务逻辑与MCP协议解耦,以实现多接口重用
  • 用例结果 -所有操作中一致的错误处理模式

便利功能(10%):

  • 批量操作 -带有错误报告的配置驱动工具注册
  • 工具生命周期 -通过FastMCP的add_tool()和remove_tool(

基于FastMCP构建:mcp-commons是FastMCP现有方法的精简封装。它不会取代FastMCP的功能——它提供了架构模式和便利的包装器,使您的代码更易于维护。

当前版本: 2.1.1 · 最新动态 · 更新日志


为什么存在mcp公共资源

装饰师的问题

MCP SDK使用装饰器(@server.tool())将功能注册为工具。虽然使功能暴露变得容易的目标令人钦佩, 装饰者是错误的机制 为了这个目的。

装饰人员应添加跨领域的关注点 (缓存、身份验证、日志记录),无论函数如何使用,都适用。它们不应该指定使用上下文(MCP vs REST vs CLI)。```python

❌ PROBLEM: Function is now ONLY usable in MCP context

from mcp.server.fastmcp import FastMCP

server = FastMCP("my-server")

@server.tool()
async def search_documents(query: str) -> dict:
"""This function is tied to MCP - can't reuse for REST, CLI, or testing."""
results = await document_service.search(query)
return {"results": results}

Can't use this function in:

- REST API endpoints

- CLI commands

- GraphQL resolvers

- Unit tests (without MCP context)


### 解决方案:适配器模式

**适配器/包装器功能** 提供相同的易用性,同时保持适当的关注点分离。您的业务逻辑保持纯粹,与框架无关,而瘦适配器处理协议转换。```python
# ✅ SOLUTION: Pure business logic, reusable everywhere
async def search_documents(query: str) -> List[Document]:
"""Pure function - no MCP coupling, works anywhere."""
return await document_service.search(query)

# MCP adapter - thin wrapper for protocol translation
@server.tool()
async def mcp_search(query: str) -> dict:
results = await search_documents(query)
return {"results": [doc.to_dict() for doc in results]}

# REST API - reuses same logic
@app.get("/api/search")
async def api_search(query: str):
results = await search_documents(query)
return {"results": [doc.to_dict() for doc in results]}

# CLI - reuses same logic
@cli.command()
def cli_search(query: str):
results = asyncio.run(search_documents(query))
for doc in results:
print(f"- {doc.title}")

# Testing - pure function, no framework needed
async def test_search():
results = await search_documents("test query")
assert len(results) > 0

建筑效益

此适配器模式支持:

  1. 干燥原理 -一个业务功能,多个接口
  2. 关注点分离 -独立于运输的业务逻辑
  3. 框架独立性 -不与MCP SDK、FastAPI、Click等耦合。
  4. 易于测试 -测试没有框架上下文的纯函数
  5. 面向未来 -当MCP SDK v2.0更改时,只有适配器需要更新

mcp-commons之所以存在,是因为mcp SDK在这个基本的设计决策上犯了错误。 适配器模式并不“好用”,它对于任何非平凡应用程序中的正确架构都是必不可少的。


目录

  • 安装
  • 快速开始
  • 核心功能
  • 工具适配器
  • 批量注册
  • 工具管理(v1.2.0)
  • 高级用法
  • API 参考
  • 贡献
  • 许可证

安装

需求

  • python:3.11+(推荐3.13)
  • MCP-SDK: 1.27.0+
  • 依赖项:Pydantic 2.12.5+,PyYAML 6.0.3+

从PyPI安装```bash

pip install mcp-commons


### 安装用于开发```bash
git clone https://github.com/dawsonlp/mcp-commons.git
cd mcp-commons
pip install -e ".[dev]"

FastMCP提供什么与mcp commons添加什么

功能 FastMCP(SDK) mcp-commons
工具注册 server.add_tool(func, name, desc) 配置驱动的批量包装器
工具拆卸 server.remove_tool(name) (v1.17.0+) 带报告的批量包装器
装饰器 @server.tool() 装饰师 ❌ 我们不使用装饰师
适配器模式 ❌ 未提供 ✅ 核心功能-解耦逻辑
用例结果 ❌ 未提供 ✅ 一致的错误处理
错误报告 失败异常 成功/失败批处理报告
工具管理器 工具管理器、资源管理器等。 ✅ 我们使用FastMCP的经理

关键点:mcp-commons不会取代FastMCP,它建立在它之上。我们使用FastMCP的 add_tool() 和 remove_tool() 方法内部,在上面添加方便的包装器和架构模式。


快速开始

1.基本适配器模式

将异步函数转换为MCP工具:```python
from mcp_commons import create_mcp_adapter, UseCaseResult
from mcp.server.fastmcp import FastMCP

Create MCP server

server = FastMCP("my-server")

Your business logic

async def search_documents(query: str, limit: int = 10) -> UseCaseResult:
"""Search documents with natural language query."""
results = await document_service.search(query, limit)
return UseCaseResult.success_with_data({
"results": results,
"count": len(results)
})

Register as MCP tool (adapter handles conversion automatically)

@server.tool()
async def search(query: str, limit: int = 10) -> dict:
adapter = create_mcp_adapter(search_documents)
return await adapter(query=query, limit=limit)


### 2.批量注册

一次注册多个工具:```python
from mcp_commons import bulk_register_tools

# Define tool configurations
tools_config = {
"list_projects": {
"function": list_projects_handler,
"description": "List all projects"
},
"create_project": {
"function": create_project_handler,
"description": "Create a new project"
},
"delete_project": {
"function": delete_project_handler,
"description": "Delete a project by ID"
}
}

# Register all at once with consistent error handling
registered = bulk_register_tools(server, tools_config)
print(f"Registered {len(registered)} tools")

3.工具管理(v1.2.0)

在运行时动态管理工具:```python
from mcp_commons import (
bulk_remove_tools,
bulk_replace_tools,
get_registered_tools,
tool_exists
)

Check what tools exist

all_tools = get_registered_tools(server)
print(f"Currently registered: {all_tools}")

Remove deprecated tools

result = bulk_remove_tools(server, ["old_tool1", "old_tool2"])
print(f"Removed {len(result['removed'])} tools")

Hot-reload: replace tools atomically

result = bulk_replace_tools(
server,
tools_to_remove=["v1_search"],
tools_to_add={
"v2_search": {
"function": improved_search,
"description": "Enhanced search with filters"
}
}
)


______________________________________________________________________

## 核心功能

### 工具适配器

适配器模式自动处理业务逻辑和MCP工具格式之间的转换。

#### 基本用法```python
from mcp_commons import create_mcp_adapter, UseCaseResult

async def calculate_metrics(dataset_id: str) -> UseCaseResult:
"""Calculate metrics for a dataset."""
try:
data = await load_dataset(dataset_id)
metrics = compute_metrics(data)
return UseCaseResult.success_with_data(metrics)
except DatasetNotFoundError as e:
return UseCaseResult.failure(f"Dataset not found: {e}")
except Exception as e:
return UseCaseResult.failure(f"Calculation failed: {e}")

# Create adapter
adapted = create_mcp_adapter(calculate_metrics)

# Use in MCP server
@server.tool()
async def metrics(dataset_id: str) -> dict:
return await adapted(dataset_id=dataset_id)

错误处理

适配器提供一致的错误响应:```python

Success response

UseCaseResult.success_with_data({"status": "completed", "value": 42})

Returns: {"success": True, "data": {...}, "error": None}

Failure response

UseCaseResult.failure("Invalid input parameters")

Returns: {"success": False, "data": None, "error": "Invalid input parameters"}


### 批量注册

FastMCP的便利包装 `add_tool()` 配置驱动注册的方法:

**它实际上做了什么**:```python
# mcp-commons bulk_register_tools() is essentially:
for tool_name, config in tools_config.items():
server.add_tool(  # ← FastMCP's existing method
config["function"],
name=tool_name,
description=config["description"]
)
# Plus: error handling, logging, and success/failure reporting

为什么要使用它:配置驱动的API+批处理错误处理,而不是手动循环。

配置字典```python

tools_config = {
"tool_name": {
"function": async_function,
"description": "Tool description",

Optional metadata

}
}

registered = bulk_register_tools(server, tools_config)


#### 元组格式(简单)```python
from mcp_commons import bulk_register_tuple_format

tools = [
("list_items", list_items_function),
("get_item", get_item_function),
("create_item", create_item_function),
]

bulk_register_tuple_format(server, tools)

使用适配器模式```python

from mcp_commons import bulk_register_with_adapter_pattern

All functions return UseCaseResult

use_cases = {
"validate_data": validate_data_use_case,
"process_data": process_data_use_case,
"export_data": export_data_use_case,
}

bulk_register_with_adapter_pattern(
server,
use_cases,
adapter_function=create_mcp_adapter
)


### 工具管理(v1.2.0)

1.2.0版本中的新功能:用于批处理工具操作的便利包装器。

**它实际上做了什么**:FastMCP上的循环 `remove_tool()` 方法(在SDK v1.17.0中添加),带有错误报告:```python
# mcp-commons bulk_remove_tools() is essentially:
for tool_name in tool_names:
try:
server.remove_tool(tool_name)  # ← FastMCP's method (v1.17.0+)
removed.append(tool_name)
except Exception as e:
failed.append((tool_name, str(e)))
# Returns: {"removed": [...], "failed": [...], "success_rate": 66.7}

为什么要使用它:批量操作+详细的成功/失败报告,而不是手动循环。

删除工具```python

from mcp_commons import bulk_remove_tools

Remove multiple tools

result = bulk_remove_tools(server, ["deprecated_tool1", "deprecated_tool2"])

Check results

print(f"Removed: {result['removed']}")
print(f"Failed: {result['failed']}")
print(f"Success rate: {result['success_rate']:.1f}%")


#### 更换工具(热重新加载)```python
from mcp_commons import bulk_replace_tools

# Atomically swap old tools for new ones
result = bulk_replace_tools(
server,
tools_to_remove=["old_search", "old_filter"],
tools_to_add={
"new_search": {
"function": enhanced_search,
"description": "Improved search with AI"
},
"new_filter": {
"function": enhanced_filter,
"description": "Advanced filtering"
}
}
)

有条件移除```python

from mcp_commons import conditional_remove_tools

Remove tools matching a pattern

removed = conditional_remove_tools(
server,
lambda name: name.startswith("test_") or "deprecated" in name.lower()
)
print(f"Cleaned up {len(removed)} tools")


#### 工具检查```python
from mcp_commons import get_registered_tools, tool_exists, count_tools

# List all tools
tools = get_registered_tools(server)
print(f"Available tools: {tools}")

# Check specific tool
if tool_exists(server, "search_documents"):
print("Search tool is available")

# Get count
total = count_tools(server)
print(f"Total tools registered: {total}")

高级用法

自定义错误处理程序```python

from mcp_commons import create_mcp_adapter

def custom_success_handler(result):
"""Custom formatting for successful results."""
return {
"status": "success",
"payload": result.data,
"timestamp": datetime.now().isoformat()
}

def custom_error_handler(result):
"""Custom formatting for errors."""
return {
"status": "error",
"message": result.error,
"timestamp": datetime.now().isoformat()
}

adapted = create_mcp_adapter(
my_function,
success_handler=custom_success_handler,
error_handler=custom_error_handler
)


### 验证和记录```python
from mcp_commons import validate_tools_config, log_registration_summary

# Validate before registering
try:
validate_tools_config(tools_config)
except ValueError as e:
print(f"Invalid configuration: {e}")

# Register with logging
registered = bulk_register_tools(server, tools_config)
log_registration_summary(registered, len(tools_config), "MyServer")

测试您的工具```python

import pytest
from mcp_commons import create_mcp_adapter, UseCaseResult

@pytest.mark.asyncio
async def test_search_tool():
"""Test search tool with adapter."""
async def mock_search(query: str) -> UseCaseResult:
return UseCaseResult.success_with_data({"results": ["doc1", "doc2"]})

adapted = create_mcp_adapter(mock_search)
result = await adapted(query="test")

assert result["success"] is True
assert len(result["data"]["results"]) == 2


______________________________________________________________________

## API 参考

### 核心功能

#### `create_mcp_adapter()`

将异步函数转换为MCP兼容的工具适配器。

**参数:**

- `use_case` (可调用):异步函数返回 `UseCaseResult`
- `success_handler` (可调用,可选):自定义成功格式化程序
- `error_handler` (可调用,可选):自定义错误格式化程序

**退货:** 异步可调用,与MCP工具兼容

______________________________________________________________________

#### `bulk_register_tools()`

从配置字典中注册多个工具。

**参数:**

- `server` (FastMCP):MCP服务器实例
- `tools_config` (dict):工具配置

**退货:** (tool_name,description)元组列表

______________________________________________________________________

#### `bulk_remove_tools()` *(v1.2.0)*

从正在运行的服务器中删除多个工具。

**参数:**

- `server` (FastMCP):MCP服务器实例
- `tool_names` (list\[str\]):要删除的工具名称

**退货:** 词典与 `removed`, `failed`,以及 `success_rate` 钥匙

______________________________________________________________________

#### `bulk_replace_tools()` *(v1.2.0)*

原子性地取代了热重新加载的工具。

**参数:**

- `server` (FastMCP):MCP服务器实例
- `tools_to_remove` (list\[str\]):要删除的工具
- `tools_to_add` (dict):添加新工具

**退货:** 带运算结果的词典

______________________________________________________________________

有关API的完整文档,请参阅 API 参考.

______________________________________________________________________

## v2.1.1的新增功能

### 依赖关系更新

- ✅ MCP SDK更新到1.27.0(最新稳定版)
- ✅ 所有开发依赖项已更新到最新版本
- ✅ 构建后端从setuptools切换到孵化器(PEP 621)
- ✅ GitHub Actions工作流现代化(Node.js 24,安装python v5)

### 以前的亮点

- **v2.0.0版本**:中断清理--删除死代码、异常、未使用的方法
- **v1.3.x**:配置管理、错误层次结构、服务器构建器
- **v1.2.x**:工具生命周期管理(拆卸、更换、检查工具)
- **v1.1.x**:批量注册,适配器模式基础

看 更改日志.md 查看完整的版本历史记录。

______________________________________________________________________

## 贡献

欢迎投稿!请看 贡献.md 作为指导方针。

### 开发设置```bash
# Clone repository
git clone https://github.com/dawsonlp/mcp-commons.git
cd mcp-commons

# Install with dev dependencies
pip install -e ".[dev]"

# Run tests
pytest tests/ -v

# Run linting
black src/ tests/
isort src/ tests/
ruff check src/ tests/

支持

  • 📖 文档: GitHub维基
  • 🐛 问题: GitHub问题
  • 💬 讨论: GitHub讨论

许可证

MIT许可证-请参阅 许可证 了解详情。


致谢

与 模型上下文协议 通过Anthropic。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
MCP Commons 怎么安装?

在客户端按下面的安装命令接入:pip install mcp-commons。装完在客户端配置里引用同一个包或端点。

MCP Commons 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

MCP Commons 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

MCP Commons 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

MCP Commons 能提供哪些能力?

资料显示能力标签包括 服务器构建、Python、批量操作。具体工具清单以官方文档为准。

MCP Commons 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

MCP Commons 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。