MCP Gateway Workshop

MCP开发工具

提供方 ruslanmv

开发工具 stdio · 本地进程 Token 社区 / 第三方 VS Code
查看接入方式

MCP Context Forge Masterclass 是一个用于构建受治理、生产级AI代理的完整工作坊,通过Model Context Protocol (MCP) Gateway实现工具注册、发现、护栏、可观测性和治理。

一句话选型结论

按资料字段整理

MCP Gateway Workshop 属于开发工具类 MCP 服务器,stdio · 本地进程,Token,可直接接入 VS Code,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。

分类开发工具 传输方式stdio · 本地进程 鉴权Token 部署方式本地部署
GitHub 星标 1 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

开发工具
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

支持客户端

适用场景

Shell本地部署AI代理工具注册护栏可观测性治理

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
python3 -m venv .venv && source .venv/bin/activate

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 Python,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
代码与仓库操作

在对话里直接查代码、提 issue、走 PR,省掉来回切工具。

本地命令与脚本

把构建、测试、格式化这类重复命令交给模型执行。

接口联调与测试

让模型调你的接口、跑一遍用例,快速定位问题。

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。
  • 已适配 VS Code,换客户端不用重新研究配置。

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。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 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

  • 需要在开发工具场景里让模型直接调用外部能力的人。
  • 已经在用 VS Code 的用户,接入路径最短。
  • 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。
  • 不方便管理密钥或第三方授权的人。
  • 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 Gateway Workshop当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Git 838e2ec1 12 stdio · 本地进程 本地部署 有 2026-05-17
Markitdown MCP 2c653a5f 1 stdio · 本地进程 本地部署 有 2026-05-17
JavaGuide 未标注 stdio · 本地进程 本地部署 有 2026-04-11
awesome-claude-skills 未标注 stdio · 本地进程 本地部署 有 2026-04-26
Context7 831acf40 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

开发工具
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ruslanmv上游标注的维护方 ruslanmv
分类开发工具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Token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 · Python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

13.6 KB
来自项目仓库与上游目录的原文,未做删改

MCP上下文锻造大师班


概述

这 MCP上下文锻造大师班 是一个完整的、从零到英雄的建筑工作室 受控、生产级代理AI 随着 模型上下文协议(MCP)网关.

什么是MCP上下文锻造?\
这是一个政策和连接层 代理商/客户 和 工具/数据。您无需将每个代理直接连接到数十个API,而是可以集中:

  • 工具注册和发现 (MCP服务器、REST适配器、包装器)
  • 护栏 (RBAC、速率限制、机密/PII过滤器、模式保护)
  • 可观测性 (结构化日志、关联ID、OTEL跟踪)
  • 治理 (代表租赁,审计准备就绪)

到最后,您将:

  • 跑吧 MCP上下文锻造 本地(也可选择通过Docker Compose)
  • 注册和 联邦成员工具 来自MCP服务器和REST适配器
  • 执行 护栏 在边缘
  • 捕捉 可观测性 随着 凤凰
  • 船a 顶点石一 船员AI 代理人消费a 郎福 工具 通过网关
  • (奖金)建立一个 Docling+IBM沃森人工智能 网关背后的RAG聊天机器人

完整文档(MkDocs): make docs-serve → open http://127.0.0.1:8000\
代码之旅 src/: 看见 src/README.md


目录

  • MCP上下文锻造大师班
  • 概述
  • 目录
  • 先决条件
  • 快速入门
  • A) Makefile+uv(推荐)
  • B) Docker Compose(一次完成所有任务)
  • C) 手册(无Docker)
  • 运行工作坊
  • 第一天实验室
  • 第2天拱顶石
  • 额外奖励:通过MCP Context Forge进行Docling+IBM watsonx.ai RAG
  • 1) 安装和环境
  • 2) 启动Docling MCP服务器
  • 3) 向网关注册
  • 4) 通过网关聊天(无法直接访问Docling)
  • 配置和环境
  • 可观测性(凤凰城+OTEL)
  • 项目布局
  • 生成文件目标
  • 故障排除
  • 贡献
  • 许可证
  • 致谢

先决条件

  • Python 3.11+
  • 版本控制系统, 卷曲, jq
  • 码头工人 & Docker Compose (可选但推荐)
  • (可选) VS Code + 开发容器 一键式设置

快速入门

A) Makefile+uv(推荐)

> Makefile使用 紫外线 创建/同步虚拟环境并运行工具,而不会污染您的全局Python。```bash

1) Create the environment and install deps (installs uv if missing)

make install

2) Serve docs locally (optional)

make docs-serve

3) Build docs in strict mode (optional)

make docs-build


启动网关(选择一个):```bash
# Option 1: Use your own gateway binary
mcpgateway --host 0.0.0.0 --port 4444

# Option 2: Use Docker Compose service (see below)
docker compose up -d gateway

生成一个演示JWT并将其放在手边:```bash
make token

prints a token — export it for later use

export TOKEN="$(make token | tail -n 1)"


### B) Docker Compose(一次完成所有任务)

提出 **郎福**, **适配器**,(可选) **代理**, **网关**,以及 **凤凰**:```bash
docker compose up -d
docker compose ps
  • 郎福: http://localhost:7860
  • 网关: http://localhost:4444/health
  • 凤凰: http://localhost:6006

> 你仍然需要一个 JWT公司 调用受保护的端点。使用 make token 或 scripts/create_jwt.py.

C) 手册(无Docker)```bash

venv + gateway (if you want to run the gateway locally)

python3 -m venv .venv && source .venv/bin/activate
pip install -U mcp-contextforge-gateway
mcpgateway --host 0.0.0.0 --port 4444

Adapter (for the capstone)

pip install -U fastapi uvicorn requests
uvicorn src.mcpws.adapters.langflow_adapter:app --port 9100


注册适配器:```bash
export BASE_URL=http://localhost:4444
export TOKEN=  # from `make token` or your gateway’s jwt tool

curl -s -X POST -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
-d '{"name":"langflow","url":"http://localhost:9100","enabled":true,"request_type":"STREAMABLEHTTP"}' \
$BASE_URL/gateways | jq '.'

运行工作坊

第一天实验室

  • 实验室0 –环境检查

  • 实验1 –网关+健康检查

  • 实验2 –第一台MCP服务器: 计算器 (calc.add)```bash
    uv run -- uvicorn src.mcpws.servers.calculator_server:app --port 9100


- **实验3** –客户端和CLI

- **实验4** –包装/传递: **httpbin** (`httpbin.get`)```bash
uv run -- uvicorn src.mcpws.servers.httpbin_wrapper:app --port 9200
  • 实验5 –护栏:启用 速率限制器 并挑衅 429

> 所有CLI、curl示例、策略和屏幕截图都在文档网站上。
> 有关每个文件夹、每个实验室的代码指针和确切命令,请参阅 src/README.md.

第2天拱顶石

  • 建立一个 郎福 汇总流程(文本在→ 总结出来)
  • 跑吧 适配器:暴露 lf.summarize 作为MCP工具
  • 注册 网关
  • 跑吧 船员AI 调用网关工具的代理
  • 打开 基于角色的访问控制, 秘密检测,以及 追踪收集证据

最小端到端(无Docker):```bash

Langflow (build your flow at :7860)

pip install -U langflow
langflow run --host 0.0.0.0 --port 7860

Adapter

uv run -- uvicorn src.mcpws.adapters.langflow_adapter:app --port 9100

Register & verify

make seed
curl -s -H "Authorization: Bearer $TOKEN" http://localhost:4444/tools | jq '.[] | {name, gateway: .gatewaySlug}'

Agent

uv run -- python -m src.mcpws.agents.crew_agent


______________________________________________________________________

## 额外奖励:通过MCP Context Forge进行Docling+IBM watsonx.ai RAG

本附录将真实世界的PDF/图像转换为 **多模式RAG聊天机器人**--完全由Gateway管理。

**为什么叫Docling?**
它将杂乱的文档(PDF、Office文件、扫描图像)转换为干净、结构化的文本(和可选图像),保留标题/表格并启用多模式上下文。

### 1) 安装和环境```bash
uv run --with "docling" \
--with "ibm-generative-ai" \
--with "chromadb" \
--with "sentence-transformers" \
--with "python-multipart" \
--with "pydantic" \
--with "fastapi" \
--with "uvicorn" -- python -c "print('deps ready')"

设置watsonx.ai变量(或使用本地嵌入 USE_LOCAL_EMBEDDINGS=1):```bash
export WATSONX_API_KEY=""
export WATSONX_PROJECT_ID=""
export WATSONX_URL="https://us-south.ml.cloud.ibm.com"
export WATSONX_EMBED_MODEL="sentence-transformers/all-minilm-l6-v2"
export WATSONX_LLM_MODEL="meta-llama/llama-4-scout-17b-16e-instruct"

Local dev fallback (no IBM key needed)

export USE_LOCAL_EMBEDDINGS=1


### 2) 启动Docling MCP服务器

服务器公开了三个工具: `docling.parse`, `docling.ingest`, `docling.query`.```bash
uv run -- uvicorn src.mcpws.servers.docling_mcp_server:app --host 0.0.0.0 --port 9200

烟雾测试:```bash

Parse single file

curl -s -F return_images=false -F file=@/path/to/file.pdf \
http://localhost:9200/call/docling.parse | jq '.text | length'

Ingest multiple

curl -s -F files=@one.pdf -F files=@two.pdf \
-F metas='{"tenant":"acme"}' \
http://localhost:9200/call/docling.ingest | jq .

Query

curl -s -H 'Content-Type: application/json' \
-d '{"query":"What is the warranty period?","k":4}' \
http://localhost:9200/call/docling.query | jq .


### 3) 向网关注册```bash
export BASE_URL=http://localhost:4444
export TOKEN=$TOKEN  # from `make token`

curl -s -X POST -H "Authorization: Bearer $TOKEN" \
-H 'Content-Type: application/json' \
-d '{
"name": "docling",
"url": "http://localhost:9200",
"description": "Docling RAG Server",
"enabled": true,
"request_type": "STREAMABLEHTTP"
}' \
$BASE_URL/gateways | jq '.'

curl -s -H "Authorization: Bearer $TOKEN" $BASE_URL/tools | jq '.[] | {name, gateway: .gatewaySlug}'

4) 通过网关聊天(无法直接访问Docling)```bash

Simple gateway client

uv run -- python -m src.mcpws.tools.chat_rag_client

Env it uses:

GATEWAY_URL (default http://localhost:4444)

GATEWAY_TOKEN (your JWT)


您应该看到一个可靠的答案和源元数据。
对于一个 **能动性** 变体,运行:```bash
uv run -- python -m src.mcpws.agents.crew_agent_docling

> 策略延续:速率限制、秘密检测和RBAC可以限制 docling.* 具体角色。
> Phoenix traces:设置OTEL变量(见下文)并在聊天时浏览跨度。


配置和环境

网关策略 (你可以改编的例子):

  • configs/gateway/plugins.yaml – 速率限制器 & 秘密检测
  • configs/gateway/rbac.yaml –角色→ 允许的工具
  • configs/gateway/well-known.env –robots.txt、security.txt等。

适配器设置 (郎福):

  • configs/adapters/langflow_adapter.env

  • LANGFLOW_URL=http://langflow:7860/api/v1/run/

  • TIMEOUT=60
  • LOG_LEVEL=INFO

代币 (HS256):```bash

Print a JWT

make token

or:

uv run --with pyjwt -- python scripts/create_jwt.py --sub analyst@example.com --role analyst --secret dev-secret --exp 120


**RBAC烟雾测试**:```bash
# Analyst (allowed)
export TOKEN=$(uv run --with pyjwt -- python scripts/create_jwt.py --sub analyst@example.com --role analyst --secret dev-secret --exp 60)

# Viewer (blocked)
export TOKEN_VIEWER=$(uv run --with pyjwt -- python scripts/create_jwt.py --sub viewer@example.com --role viewer --secret dev-secret --exp 60)

可观测性(凤凰城+OTEL)

提出 凤凰:```bash
docker compose up -d phoenix


为网关设置OTEL:```bash
export OTEL_ENABLE_OBSERVABILITY=true
export OTEL_TRACES_EXPORTER=otlp
export OTEL_EXPORTER_OTLP_ENDPOINT=http://localhost:4317

发送带有相关ID的跟踪请求:```bash
uv run -- python -m src.mcpws.tools.trace_probe

Open Phoenix at http://localhost:6006


______________________________________________________________________

## 项目布局```
.
├── docker/                      # Dockerfiles (adapter, agent, base python)
├── docker-compose.yml           # Langflow, adapter, agent, gateway, Phoenix
├── configs/                     # Gateway + adapter environment/policies
│   ├── adapters/
│   └── gateway/
├── examples/                    # JSON schema, sample policies, sample logs
├── scripts/                     # Bootstrap, JWT, seeding
├── src/
│   └── mcpws/                   # All workshop code (servers, adapters, agents, tools)
│       ├── servers/             # calculator, httpbin wrapper, docling RAG server
│       ├── adapters/            # langflow_adapter.py
│       ├── agents/              # crew_agent.py, crew_agent_docling.py
│       ├── tools/               # gateway tool, probes, chat_rag_client
│       └── utils/               # gateway_client, logging helper
└── docs/                        # MkDocs site (workshop book + solutions)

➡️ 详细的、逐个实验室的操作手册,适用于以下所有内容 src/: src/README.md


生成文件目标

目标 它做什么
make install 确保Python≥3.11(如果缺少自动安装),创建/同步 .venv 随着 紫外线
make update 重新解析和同步依赖关系
make docs-serve 在本地提供MkDocs
make docs-build 使用构建文档 --strict
make token 打印演示JWT(HS256)
make up / make down docker compose up -d / docker compose down -v
make seed 向网关注册适配器(scripts/seed_gateway.sh)
make lint / make format / make test QA工作流程 紫外线运行

故障排除

  • 429请求太多
    你碰到了限速器。调整 configs/gateway/plugins.yaml 或后退。

  • 403禁止
    你的代币 role 不允许。看 configs/gateway/rbac.yaml 和那个 role 在JWT中提出索赔。

  • 适配器显示502
    检查上游(Langflow URL/流ID)。使用 src/mcpws/tools/probe_langflow.py 以验证。

  • 文档查询返回空
    验证摄入是否有效(寻找 chunks > 0).如果使用watsonx.ai,请确保 型号ID 匹配您的帐户。

  • 凤凰城没有痕迹
    确保OTEL环境变量已设置,Phoenix正在监听 :4317。在启用OTEL的情况下重新启动网关。

  • 端口已在使用中
    冲突:4444(网关)、7860(Langflow)、9100/9200(适配器)、6006/4317(Phoenix)。

  • 视窗
    使用 Git Bash 或 WSL 为了 make 依赖Bash脚本的目标。


贡献

欢迎发布问题和PR。请包括:

  • 重现步骤
  • 预期行为与实际行为
  • 建议的更改或修复

我们使用 MkDocs 对于文档和 紫外线 适用于Python环境;为学生保留可粘贴的示例。


许可证

发布于 阿帕奇-2.0。参见 许可证.


致谢

由...创建 鲁斯兰 马格纳.
如果这有助于你运送更安全、更可控的代理AI,请与你的团队分享💙

感谢 国际商业机器公司 社区和团队使这项工作成为可能。特别感谢 米哈伊·克里维蒂 在MCP Context Forge和 彼得·斯塔尔 对于周围的领导 Docling.

常见问题

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

在客户端按下面的安装命令接入:python3 -m venv .venv && source .venv/bin/activate。装完在客户端配置里引用同一个包或端点。

MCP Gateway Workshop 怎么在 VS Code 里配置?

它的传输方式是stdio · 本地进程,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,配置才会生效。

MCP Gateway Workshop 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 Gateway Workshop 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

MCP Gateway Workshop 支持哪些客户端?

资料标注支持 VS Code;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

MCP Gateway Workshop 能提供哪些能力?

资料显示能力标签包括 Shell、VS Code、可观测性。具体工具清单以官方文档为准。

MCP Gateway Workshop 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

MCP Gateway Workshop 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。