Gpt Actions To MCP Provider

MCP开发工具

提供方 AndreiMarhatau

开发工具 stdio · 本地进程 API Key 社区 / 第三方
查看接入方式

一个基于FastAPI的网关服务,用于认证传入请求并将其代理到配置的MCP服务器,支持多种认证方式和传输类型。

一句话选型结论

按资料字段整理

Gpt Actions To MCP Provider 属于开发工具类 MCP 服务器,stdio · 本地进程,API Key,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API Key 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

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

适用场景

API网关Python本地部署请求代理认证服务MCP协议开发工具

安装与配置

stdio · 本地进程 API Key
客户端在本机拉起子进程,数据不出本机
uv run mcp-proxy-service --host 0.0.0.0 --port 8000

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。

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API Key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。
  • 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
Gpt Actions To MCP Provider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AndreiMarhatau上游标注的维护方 AndreiMarhatau
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API Key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

4.2 KB
来自项目仓库与上游目录的原文,未做删改

MCP代理服务

一个基于FastAPI的网关,用于验证传入请求并将它们代理到配置好的模型上下文协议(MCP)服务器。该服务为每个MCP提供一个稳定的接口 /mcp/{name} 命名空间,自动转发请求并暴露上游的OpenAPI模式。

特点/特性

  • 对所有入站请求进行静态承载令牌认证。
  • 可配置的MCP连接器支持远程HTTP端点、具有内联/文件架构的本地HTTP服务器,以及通过命令启动的MCP工具。
  • 通过MCP实现每个的自动OpenAPI发现 GET /mcp/{name}.
  • 透明请求代理到 /mcp/{name}/{path} 对于标准的HTTP方法。
  • 通过API密钥或任意自定义标头进行上游身份验证。
  • 由……支持的、可投入生产的Dockerfile和docker-compose配置 uv 根据可用CPU自动调整工作节点数量。
  • 全面的 pytest 测试套件,强制要求达到 80% 以上的覆盖率。

要求

  • Python 3.11及以上版本
  • uv 用于依赖管理和执行

安装```bash

uv sync


这会在(当前环境中)创建一个本地虚拟环境 `.venv` 包含所有依赖项(包括测试工具)。

## 配置

该服务从(某处)读取配置 `config.yaml` 默认情况下,或者从由(某路径)引用的路径中 `MCP_PROXY_CONFIG` 环境变量。参见 `config.example.yaml` 以下是一个完整示例。一个最小配置看起来像这样:```yaml
incoming_auth:
token: "example-token"

mcps:
my-remote-mcp:
name: my-remote-mcp
description: Remote MCP server
transport:
type: http
base_url: "https://remote.example"
openapi_path: "/openapi.json"
auth:
type: api_key
header_name: "X-API-Key"
value: "secret"
my-local-mcp:
name: my-local-mcp
description: Local MCP served over HTTP
transport:
type: local-http
base_url: "http://localhost:9001"
schema_path: "./schemas/local-openapi.yaml"
auth:
type: custom_headers
headers:
X-LOCAL-TOKEN: "token"
my-playwright-mcp:
name: my-playwright-mcp
description: Playwright MCP launched from a command
transport:
type: command
command: "npx"
args:
- "@playwright/mcp@latest"
- "--isolated"
base_url: "http://127.0.0.1:8900"
startup_timeout: 60

即将进行的身份验证

所有请求必须包含一个 Authorization: Bearer 头部与配置的令牌匹配。

上游认证

每个MCP可以定义以下认证策略之一:

  • api_key注入一个具有指定名称/值的头部。
  • custom_headers将任意头部信息合并到每个代理请求中。
  • none 或省略:转发调用时无需额外认证。

MCP运输

该 transport.type 字段选择代理如何连接到MCP:

  • http连接到现有的远程HTTP端点并从其中获取模式 openapi_path。
  • local-http与……相同 http,但允许供应 schema_path 或者 inline_schema 未连接到网络。
  • command启动一个本地进程(例如。 npx @playwright/mcp@latest)并将其请求代理到它所暴露的HTTP服务上 base_url可选 schema_path/inline_schema 受到尊敬,而 startup_timeout 控制准备就绪轮询。提供 env 或者 working_dir 在需要时。

运行服务

本地执行```bash

uv run mcp-proxy-service --host 0.0.0.0 --port 8000


### Docker(注:Docker是一个开源的应用容器引擎,用于开发、交付和运行应用程序。)

使用提供的 Dockerfile 进行构建和运行:```bash
docker compose up --build

该compose文件挂载 config.yaml 装入容器中作为 /app/config.yaml; 复制或改编 config.example.yaml 在创建您自己的配置时。Docker 镜像会自动为每个检测到的 CPU 启动一个工作进程。要覆盖此行为,请通过设置(相关参数)来实现 MCP_PROXY_WORKERS。

使用方法

  • GET /mcp/{name} – 获取指定MCP的缓存OpenAPI模式。
  • /{method} /mcp/{name}/{path} – 将请求代理到上游MCP服务器,同时保留方法、查询参数和请求体。

测试

执行完整的测试套件(覆盖率强制要求至少达到80%):bash uv run pytest

开发说明

  • 该项目遵循 src/ 布局并使用 Pydantic 模型进行配置验证。
  • 连接器逻辑存在于 src/mcp_proxy/connectors.py 并且设计为可扩展性。
  • 在引入新功能或行为变更时,更新相关文档和配置示例。

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
Gpt Actions To MCP Provider 怎么安装?

在客户端按下面的安装命令接入:uv run mcp-proxy-service --host 0.0.0.0 --port 8000。装完在客户端配置里引用同一个包或端点。

Gpt Actions To MCP Provider 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。

Gpt Actions To MCP Provider 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。

Gpt Actions To MCP Provider 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

Gpt Actions To MCP Provider 能提供哪些能力?

资料显示能力标签包括 API网关、开发工具、Python、认证服务。具体工具清单以官方文档为准。

Gpt Actions To MCP Provider 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。

Gpt Actions To MCP Provider 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。