Smart MCP Server

MCPAI代理

提供方 reconsumeralization

AI代理 HTTP · 远程 Token 社区 / 第三方 Claude

一个支持多模型集成、安全令牌管理和高级工作流执行的智能模型协议服务器,适用于AI代理协作和自动化任务处理。

一句话选型结论

按资料字段整理

Smart MCP Server 属于AI代理类 MCP 服务器,HTTP · 远程,Token,可直接接入 Claude,没有现成安装命令,需按官方文档接入。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HTTP · 远程 鉴权Token 部署方式远程部署
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

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

支持客户端

适用场景

AI模型集成JavaScript本地部署安全令牌管理工作流自动化多代理协作协议兼容

安装与配置

HTTP · 远程 Token
连远程 HTTPS 端点,通常为 Streamable HTTP
  1. 1
    准备运行环境

    确认你的客户端支持远程端点,并拿到服务地址。

  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

  • 已适配 Claude,换客户端不用重新研究配置。

先想清楚的地方

  • 远程端点依赖网络与服务方可用性,注意密钥与调用额度。
  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 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AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 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

  • 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
Smart MCP Server当前 未标注 HTTP · 远程 远程部署 无 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reconsumeralization上游标注的维护方 reconsumeralization
分类AI代理本站按上游分类展示
连接方式HTTP · 远程连远程 HTTPS 端点,通常为 Streamable HTTP
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 · 未标注本地安装时用到的包标识与运行时
部署类型远程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

12.0 KB
来自项目仓库与上游目录的原文,未做删改

智能MCP服务器

一种复杂的、上下文感知的模型上下文协议(MCP)服务器,符合代理到代理(A2A)协议。具有智能工作流执行、安全令牌管理和全面的AI模型集成功能,包括谷歌的Gemini模型。

🌟 主要特点

🔐 安全令牌管理

  • 符合MCP/A2A标准的代币:自动生成和管理符合协议的API令牌
  • AES-256-CBC加密:采用行业标准加密的安全令牌存储
  • 自动刷新:智能令牌验证和刷新机制
  • CLI管理:通过CLI工具轻松生成、验证和监控令牌

🤖 多模型AI集成

  • Gemini模型:与谷歌的Gemini 2.5 Pro、Gemini Pro和嵌入式模型完全集成
  • OpenAI支持:GPT-4、GPT-3.5 Turbo和嵌入式型号
  • 人类整合:克劳德3作品集、十四行诗和俳句模型
  • 模型不可知体系结构:所有人工智能提供商的统一界面

🔄 高级工作流系统

  • 动态工作流加载:自动从JSON文件加载工作流定义
  • 智能执行:使用AI函数调用以进行最佳工作流选择
  • 进度监控:使用指标和日志记录进行实时执行跟踪
  • 错误恢复:复杂的错误处理和重试机制

🌐 协议遵从

  • MCP v1.0:完整的模型上下文协议实现
  • A2A v1.0:用于多代理协作的代理到代理协议
  • 工具发现:自动工具注册和功能广告
  • 安全通信:加密的代理间通信

🛠️ 综合工具集

  • GitHub集成:存储库管理、分析和自动化
  • 条纹集成:支付处理和订阅管理
  • 系统健康监测:实时系统指标和警报
  • 文档工具:自动化文档整合和管理

🚀 快速开始

先决条件

  • Node.js v18.0.0或更高版本
  • npm v7.0.0或更高版本
  • Google Gemini API密钥 (用于AI功能)

安装

  1. 克隆存储库:```bash
    git clone https://github.com/reconsumeralization/smart-mcp-server.git
    cd smart-mcp-server

1. **安装依赖项:**```bash
npm install
  1. 生成符合MCP/A2A标准的令牌:```bash
    npm run token:generate

1. **启动服务器:**```bash
npm start

服务器将在端口3000(可配置)上启动,并完全支持MCP和A2A协议。

🔑 许可证管理

CLI命令```bash

Generate a new MCP/A2A compliant token

npm run token:generate

Refresh existing token

npm run token:refresh

Validate current token compliance

npm run token:validate

Show detailed token information

npm run token:info

Export token metadata (no sensitive data)

npm run token:export

Show help

npm run token:help


### 令牌功能

- **🛡️ 安全**:带安全密钥管理的AES-256-CBC加密
- **✅ 合规**:完全符合MCP v1.0和A2A v1.0协议
- **🔄 自动刷新**:自动令牌验证和刷新
- **📊 监控**:详细的令牌状态和使用跟踪

## 🏗️ 建筑```
smart-mcp-server/
├── src/
│   ├── archer/                    # Arrow server for agentic framework
│   ├── lib/
│   │   ├── token-manager.js       # Secure token management
│   │   ├── agents/                # AI agent implementations
│   │   └── ai-workflows/          # Workflow orchestration
│   ├── models/
│   │   └── drivers/               # AI model drivers (Gemini, OpenAI, Anthropic)
│   ├── tools/                     # MCP-compliant tool implementations
│   ├── routes/                    # API endpoints
│   └── middleware/                # Authentication, validation, etc.
├── examples/                      # Workflow examples and demos
├── scripts/                       # Management and utility scripts
├── docs/                          # Comprehensive documentation
└── public/                        # A2A agent discovery

🔌 API终点

核心终点

  • GET /health -健康检查和系统状态
  • POST /a2a/tasks -代理间任务执行
  • GET /.well-known/agent.json -代理发现(A2A协议)

工作流管理

  • GET /api/workflows -列出所有可用工作流
  • POST /api/workflows/:id/execute -执行特定工作流
  • GET /api/workflows/:id/status -获取工作流执行状态

许可证管理

  • POST /api/tokens/refresh -刷新API令牌
  • GET /api/tokens/info -获取令牌信息
  • POST /api/tokens/validate -验证令牌合规性

工具集成

  • GET /api/tools -列出可用的MCP工具
  • POST /api/tools/execute -使用参数执行工具

🤖 AI模型集成

Gemini集成```javascript

import { GeminiDriver } from './src/models/drivers/gemini-driver.js';

const gemini = new GeminiDriver();
await gemini.initialize(); // Automatic token management

// Text generation with MCP compliance
const result = await gemini.generate({
prompt: "Explain quantum computing",
temperature: 0.7,
maxTokens: 1024
});

// Streaming responses
for await (const chunk of gemini.stream({ prompt: "Write a story" })) {
console.log(chunk.text);
}

// Embeddings
const embedding = await gemini.embedding({
text: "Convert this to vector representation"
});


### 多模型支持```javascript
import { ModelDriver } from './src/models/ModelDriver.js';

// Unified interface across all models
const models = {
gemini: new GeminiDriver(),
openai: new OpenAIDriver(),
anthropic: new AnthropicDriver()
};

// Automatic model selection based on task
const bestModel = await ModelDriver.selectOptimal({
task: "code_generation",
requirements: { speed: "fast", quality: "high" }
});

🔄 工作流系统

定义工作流

在中创建工作流JSON文件 examples/ 目录:```json
{
"id": "data-analysis-workflow",
"name": "Data Analysis Pipeline",
"description": "Comprehensive data analysis with AI insights",
"version": "1.0",
"mcp_compliant": true,
"a2a_compliant": true,
"steps": [
{
"id": "data-extraction",
"type": "database-query",
"tool": "mcp_database_tool",
"parameters": {
"query": "SELECT * FROM analytics_data WHERE date >= '{{start_date}}'"
}
},
{
"id": "ai-analysis",
"type": "ai-processing",
"tool": "mcp_gemini_tool",
"parameters": {
"model": "gemini-2.5-pro",
"prompt": "Analyze this data and provide insights: {{data}}"
},
"depends_on": ["data-extraction"]
},
{
"id": "report-generation",
"type": "document-creation",
"tool": "mcp_documentation_tool",
"parameters": {
"template": "analysis-report",
"data": "{{ai-analysis.result}}"
},
"depends_on": ["ai-analysis"]
}
]
}


### 执行工作流```bash
# List available workflows
curl http://localhost:3000/api/workflows

# Execute a workflow
curl -X POST http://localhost:3000/api/workflows/data-analysis-workflow/execute \
-H "Content-Type: application/json" \
-d '{"start_date": "2024-01-01"}'

# Monitor execution
curl http://localhost:3000/api/workflows/execution-id-123/status

🛠️ 可用工具

GitHub工具(mcp_github_tool)```javascript

// Repository analytics
const stats = await tools.mcp_github_search_repositories({
query: "machine learning",
sort: "stars",
limit: 10
});

// Create pull request
const pr = await tools.mcp_github_create_pull_request({
owner: "username",
repo: "repository",
title: "Feature: Add new functionality",
body: "Description of changes",
head: "feature-branch",
base: "main"
});


### 系统健康工具(`mcp_system_health_tool`)```javascript
// Get system metrics
const health = await tools.mcp_system_health_check();
console.log(health); // { cpu: 45, memory: 67, status: "healthy" }

// Monitor performance
const metrics = await tools.mcp_system_performance_metrics({
duration: "1h",
interval: "5m"
});

文档工具(mcp_documentation_tool)```javascript

// Consolidate documentation
const docs = await tools.mcp_consolidate_documentation({
source: "./docs",
output: "./consolidated-docs.md",
format: "markdown"
});


## 🔍 上下文感知工具选择

系统根据上下文智能选择工具:```javascript
import { selectToolsForContext } from './src/context-aware-selector.js';

const context = {
message: "Help me optimize this database query",
history: ["SELECT * FROM users", "EXPLAIN ANALYZE"],
project: { type: "database", language: "SQL" }
};

const selectedTools = selectToolsForContext(context, availableTools);
// Returns: [database-tool, performance-tool, query-optimizer]

🧪 测试```bash

Run all tests

npm test

Test specific components

npm run test:integration
npm run test:tools
npm run test:workflows

Test token management

npm run token:validate
npm run token:info


## 📊 监控和分析

### 实时度量

- **系统健康**:CPU、内存、磁盘使用情况
- **API性能**:响应时间、错误率
- **令牌使用情况**:API调用,配额监视
- **工作流执行**:成功率、绩效指标

### 日志记录```bash
# View logs
tail -f logs/all.log
tail -f logs/error.log

# Workflow-specific logs
ls logs/workflow-test/

🔧 配置

环境变量```bash

Core Configuration

PORT=3000
NODE_ENV=production
LOG_LEVEL=info

AI Models (automatically managed by token system)

GEMINI_MODEL=gemini-2.5-pro

External Integrations

GITHUB_TOKEN=your_github_token
STRIPE_SECRET_KEY=your_stripe_key

Database

POSTGRES_URL=postgresql://user:pass@localhost:5432/db
REDIS_HOST=127.0.0.1
REDIS_PORT=6379


### 代理配置

系统通过以下方式自动宣传其功能 `public/agent.json`:```json
{
"id": "smart-mcp-agent",
"name": "Smart MCP Agent",
"protocol_versions": {
"mcp": "1.0",
"a2a": "1.0"
},
"capabilities": [
"workflow_execution",
"token_management",
"model_interaction"
],
"supported_models": [
"gemini-2.5-pro",
"gpt-4",
"claude-3-opus"
]
}

🚀 高级用法

定制工具开发```javascript

// Create a new MCP-compliant tool
export async function mcp_custom_tool(params) {
const { input, options = {} } = params;

try {
// Tool implementation
const result = await processInput(input, options);

return {
success: true,
result,
metadata: {
mcp_compliant: true,
execution_time: Date.now() - startTime
}
};
} catch (error) {
return {
success: false,
error: error.message,
metadata: { mcp_compliant: true }
};
}
}


### 多智能体协调```javascript
// A2A protocol communication
const taskResult = await fetch('http://other-agent:3000/a2a/tasks', {
method: 'POST',
headers: { 'Content-Type': 'application/json' },
body: JSON.stringify({
task_description: "Analyze financial data",
context: { timeframe: "Q4 2024" }
})
});

📚 文档

提供全面的文档:

  • 代币管理指南
  • 工作流开发
  • 工具集成
  • A2A协议指南
  • 安全最佳实践

🔐 安全

  • 🔒 令牌加密:所有敏感数据的AES-256-CBC加密
  • 🛡️ 安全存储:文件权限和访问控制
  • 🔄 自动旋转:自动令牌刷新和验证
  • 📊 审计日志:全面的安全事件记录
  • 🚫 没有硬编码的秘密:所有凭据都通过环境变量

🤝 贡献

我们欢迎捐款!请查看我们的 贡献指南.

  1. 分叉存储库
  2. 创建要素分支: git checkout -b feature/amazing-feature
  3. 通过测试进行更改
  4. 确保MCP/A2A合规
  5. 提交拉取请求

开发设置```bash

Install development dependencies

npm install

Run in development mode

npm run dev

Run tests with coverage

npm run test:coverage

Lint and format code

npm run lint
npm run format
```

📈 路线图

  • [ ] 增强型AI模型:与更多AI提供商集成
  • [ ] 高级工作流:可视化工作流构建器和编辑器
  • [ ] 实时协作:多用户工作流执行
  • [ ] 插件系统:第三方工具集成框架
  • [ ] 云部署:一键式云部署选项

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

  • 模型上下文协议 对于MCP规范
  • 谷歌人工智能 用于Gemini API访问
  • OpenAI 用于GPT模型集成
  • Anthropic 用于Claude模型支持

📞 支持

  • 问题: GitHub问题
  • 讨论: GitHub讨论
  • 电子邮件: 大卫·韦瑟斯彭

内置于❤️ 对于AI代理生态系统

智能MCP服务器-通过安全、符合协议的基础设施实现智能代理协作。

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
Smart MCP Server 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Smart MCP Server 怎么在 Claude 里配置?

它的传输方式是HTTP · 远程,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。

Smart MCP Server 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。

Smart MCP Server 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。

Smart MCP Server 支持哪些客户端?

资料标注支持 Claude;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。

Smart MCP Server 能提供哪些能力?

资料显示能力标签包括 JavaScript、Claude、多代理协作。具体工具清单以官方文档为准。

Smart MCP Server 需要什么运行环境?

属于远程端点,不需要在本地装运行时。

Smart MCP Server 是本地还是远程?

它是远程端点,连服务地址即可。传输方式为HTTP · 远程。

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。