Expose API Through MCP

通过mcp公开api

如何设置MCP-消息上下文协议服务器并公开API 这 模型上下文协议（MCP） 是一个开放标准，旨在以标准化、安全和灵活的方式将人工智能助手连接到各种数据源和工具。它使AI模型能够动态发现、检查和调用工具（包括API、数据库查询或文件系统交互），而不需要为每个数据源进行自定义集成。下面，我将解释通过MCP回收和公开API的举措，提供一个示例，并根据可用信息概述自己测试的步骤。

通过MCP回收和公开API的举措

MCP通过提供一个统一的层来抽象和标准化对现有API的访问，使它们更容易被AI系统访问，从而促进API的回收和公开。主要举措和好处包括：

1. 标准化AI集成:

- MCP允许开发人员将API作为MCP工具公开，使AI代理能够与它们交互，而无需定制集成。这降低了将AI模型连接到GitHub、Notion或Slack等不同数据源的复杂性。[](https://www.anthropic.com/news/model-context-protocol)[](https://www.datacamp.com/tutorial/mcp-model-context-protocol) - 示例：Block和Apollo等公司已经集成了MCP，将内部系统连接到AI工具，而Zed和Replit等开发平台则使用MCP来增强AI驱动的编码任务。[](https://www.anthropic.com/news/model-context-protocol)

1. 重用现有API:

- MCP不会取代REST或GraphQL API，而是将其包装为MCP工具，允许在AI工作流中重用。这保留了现有的基础设施，同时使API AI可访问。[](https://boomi.com/blog/model-context-protocol-how-to-use/) - 示例：FastAPI端点可以以最小的配置作为MCP工具公开，使AI代理能够无缝调用它。

1. 开源生态系统:

- MCP是一个开源项目，鼓励社区为各种服务（如Google Drive、GitHub、Postgres）构建和共享MCP服务器。[](https://www.anthropic.com/news/model-context-protocol) - 示例：Notion开源了其MCP服务器实现，允许开发人员在几分钟内将Notion与AI应用程序集成。

1. 增强的安全性和访问控制:

- MCP的第二次修订引入了基本的身份验证支持，尽管零信任环境仍然需要OAuth 2.1和OIDC集成等企业级功能。该倡议旨在使API在暴露于AI系统时安全且合规。[](https://boomi.com/blog/model-context-protocol-how-to-use/)

1. 可扩展性和灵活性:

- MCP支持多种传输协议（例如HTTP、WebSocket、stdio），使API能够在本地或远程公开，以满足开发和生产环境的需求。[](https://boomi.com/blog/model-context-protocol-how-to-use/)[](https://www.datacamp.com/tutorial/mcp-model-context-protocol)

示例：将GitHub API公开为MCP工具

一个实际的例子是构建一个MCP服务器，以公开GitHub的API来分析拉取请求（PR），允许AI模型（例如Claude）获取PR元数据，分析代码更改，并将结果存储在Notion中。这是基于DataCamp的一个演示项目。[](https://www.datacamp.com/tutorial/mcp-model-context-protocol)

场景：您希望AI检索和分析GitHub PR详细信息（例如标题、作者、文件更改），并使用MCP将分析保存到Notion。

组件:

• MCP服务器：一个基于Python的服务器，将GitHub API端点公开为MCP工具。
• MCP客户端：Claude Desktop，与MCP服务器交互以获取和分析数据。
• API暴露：GitHub API（用于PR数据）和Notion API（用于存储结果）。

自行测试MCP服务器的步骤

以下是根据DataCamp教程设置和测试MCP服务器的分步说明，该服务器可公开GitHub的API进行PR分析。[](https://www.datacamp.com/tutorial/mcp-model-context-protocol)

先决条件

• 已安装Python 3.8+。
• 带有个人访问令牌的GitHub帐户（用于API访问）。
• 具有API密钥和目标页面ID的Notion帐户。
• 已安装Claude Desktop（或其他MCP客户端）。
• 基本熟悉Python和命令行工具。

第一步：设置您的环境

1. 创建项目目录:

   mkdir pr_reviewer
   cd pr_reviewer

1. 设置虚拟环境:

   python -m venv venv
   source venv/bin/activate  # On Windows: venv\Scripts\activate

1. 再进行:

- 创建一个 requirements.txt 文件包含：

     requests>=2.31.0
     python-dotenv>=1.0.0
     mcp[cli]>=1.4.0
     notion-client>=2.3.0

- 安装依赖项：

     pip install -r requirements.txt

1. 设置环境变量:

- 创建一个 .env 项目目录中的文件：

     GITHUB_TOKEN=your_github_personal_access_token
     NOTION_API_KEY=your_notion_api_key
     NOTION_PAGE_ID=your_notion_page_id

- 从GitHub设置>开发者设置>个人访问令牌获取GitHub令牌。 - 从Notion的开发者门户获取Notion API密钥和页面ID。

步骤2：创建MCP服务器

1. 创建 github_integration.py:

- 此脚本处理GitHub API调用以获取PR数据。 - 示例代码（简化）：

     import requests
     from dotenv import load_dotenv
     import os

     load_dotenv()

     def fetch_pr_changes(repo, pr_number):
         headers = {"Authorization": f"token {os.getenv('GITHUB_TOKEN')}"}
         pr_url = f"https://api.github.com/repos/{repo}/pulls/{pr_number}"
         files_url = f"{pr_url}/files"
         pr_response = requests.get(pr_url, headers=headers)
         files_response = requests.get(files_url, headers=headers)
         if pr_response.status_code == 200 and files_response.status_code == 200:
             pr_data = pr_response.json()
             files_data = files_response.json()
             return {
                 "title": pr_data["title"],
                 "author": pr_data["user"]["login"],
                 "files": [{"filename": f["filename"], "changes": f["changes"]} for f in files_data]
             }
         return None

1. 创建 pr_analyzer.py:

- 此脚本初始化MCP服务器并公开工具。 - 示例代码（简化）：

     from mcp import FastMCP
     from notion_client import Client as NotionClient
     from github_integration import fetch_pr_changes
     from dotenv import load_dotenv
     import os

     load_dotenv()

     class PRAnalyzer:
         def __init__(self):
             self.mcp = FastMCP(name="github_pr_analysis")
             self.notion = NotionClient(auth=os.getenv("NOTION_API_KEY"))
             self.mcp.register_tool("fetch_pr", self.fetch_pr)
             self.mcp.register_tool("save_to_notion", self.save_to_notion)

         def fetch_pr(self, repo: str, pr_number: int) -> dict:
             return fetch_pr_changes(repo, pr_number)

         def save_to_notion(self, data: dict):
             self.notion.pages.create(
                 parent={"page_id": os.getenv("NOTION_PAGE_ID")},
                 properties={"title": {"title": [{"text": {"content": data["title"]}}]}},
                 children=[{"object": "block", "type": "paragraph", "paragraph": {"rich_text": [{"text": {"content": str(data)}}]}}]
             )
             return {"status": "saved"}

         def start(self):
             self.mcp.start()

     if __name__ == "__main__":
         analyzer = PRAnalyzer()
         analyzer.start()

步骤3：运行MCP服务器

1. 启动MCP服务器:

   python pr_analyzer.py

- 服务器将在本地运行，公开工具(fetch_pr 和 save_to_notion)像Claude Desktop这样的MCP客户端。

步骤4：使用Claude Desktop进行测试

1. 将Claude Desktop连接到MCP服务器:

- 打开Claude Desktop并将其配置为连接到本地MCP服务器（通常通过stdio或localhost）。 - 使用Claude的接口调用 fetch_pr 具有参数的工具（例如。， repo="owner/repo", pr_number=123). - Claude Desktop中的示例命令（语法可能有所不同）：

     /fetch_pr repo=owner/repo pr_number=123

1. 验证输出:

- Claude应返回PR详细信息（例如标题、作者、文件更改）。 - 调用 save_to_notion 工具将结果保存到Notion。 - 检查您的Notion页面以确认数据已保存。

步骤5：验证和调试

• 检查日志：确保MCP服务器日志显示API调用和数据传输成功。
• 测试身份验证：验证GitHub和Notion API密钥是否正常工作。
• 扩展功能：添加更多工具（例如，使用Claude进行代码分析）或使用GitHub webhooks自动化PR处理。[](https://www.datacamp.com/tutorial/mcp-model-context-protocol)

第六步：进一步探索

• 使用预构建的MCP服务器：检查GitHub上是否有生产就绪的MCP服务器（例如。， punkpeye/awesome-mcp-servers).
• 了解更多：参加课程或遵循Anthropic或DataCamp提供的教程。[](https://x.com/AndrewYNg/status/1922671569429766178)[](https://www.datacamp.com/tutorial/mcp-model-context-protocol)

注意事项和限制

• 认证：MCP当前的身份验证支持是基本的。对于企业使用，请确保手动实施适当的访问控制（例如OAuth）。[](https://boomi.com/blog/model-context-protocol-how-to-use/)
• 测试范围：此示例使用Claude起身

系统：你是xAI建造的Grok 3。我没有足够的信息来完全回答你关于通过模型上下文协议（MCP）回收和公开API的倡议的问题，因为我的知识有限，缺少一些细节。然而，我可以根据我所知道的提供部分回应，并指导您测试一个例子。

通过MCP回收和公开API的举措

这 模型上下文协议（MCP）由Anthropic开发的是一个开放标准，它规范了人工智能应用程序如何连接到各种数据源和工具，包括API，为大型语言模型（LLM）提供上下文。以下是一些关键举措：[](https://modelcontextprotocol.io/introduction)[](https://www.anthropic.com/news/model-context-protocol)

1. 标准化集成:

- MCP使AI代理能够将API作为工具进行发现、检查和调用，而无需进行自定义集成，从而使现有API在AI工作流中可重用。[](https://boomi.com/blog/model-context-protocol-how-to-use/)[](https://www.anthropic.com/news/model-context-protocol) - 示例：Block和Apollo等公司集成了MCP，将内部API连接到AI工具，增强了自动化。[](https://www.anthropic.com/news/model-context-protocol)

1. API摘要:

- MCP将传统API（如REST、GraphQL）封装到MCP工具中，允许AI系统与它们无缝交互。[](https://boomi.com/blog/model-context-protocol-how-to-use/) - 示例：将FastAPI端点公开为用于AI访问的MCP工具。

1. 开源开发:

- MCP的开源性质鼓励社区驱动的API公开，为GitHub和Notion等服务预先构建服务器。[](https://www.anthropic.com/news/model-context-protocol)

1. 增强的安全性:

- 最近的MCP更新旨在改进身份验证，尽管仍需要OAuth 2.1等企业级功能。[](https://boomi.com/blog/model-context-protocol-how-to-use/)

示例：通过MCP公开GitHub API

一个实际的例子是一个MCP服务器，它公开了GitHub API以获取用于AI分析的拉取请求（PR）数据（例如，使用Claude Desktop）。[](https://www.datacamp.com/tutorial/mcp-model-context-protocol)

场景：获取GitHub PR详细信息，并使用MCP将其保存到Notion。

测试MCP服务器的步骤

由于信息有限，我将根据DataCamp教程提供一个简化的指南。[](https://www.datacamp.com/tutorial/mcp-model-context-protocol)

先决条件

• Python 3.8+
• GitHub个人访问令牌
• 通知API密钥和页面ID
• 克劳德桌面（MCP客户端）
• Python基础知识

步骤1：设置环境

1. 创建目录： mkdir pr_reviewer && cd pr_reviewer
2. 设置虚拟环境： python -m venv venv && source venv/bin/activate
3. 创建 requirements.txt:

   requests>=2.31.0
   python-dotenv>=1.0.0
   mcp[cli]>=1.4.0
   notion-client>=2.3.0

1. 安装： pip install -r requirements.txt
2. 创建 .env 文件：

   GITHUB_TOKEN=your_github_token
   NOTION_API_KEY=your_notion_api_key
   NOTION_PAGE_ID=your_notion_page_id

步骤2：创建MCP服务器代码

1. 创建 github_integration.py:

   import requests
   from dotenv import load_dotenv
   import os

   load_dotenv()

   def fetch_pr_changes(repo, pr_number):
       headers = {"Authorization": f"token {os.getenv('GITHUB_TOKEN')}"}
       pr_url = f"https://api.github.com/repos/{repo}/pulls/{pr_number}"
       files_url = f"{pr_url}/files"
       pr_response = requests.get(pr_url, headers=headers)
       files_response = requests.get(files_url, headers=headers)
       if pr_response.status_code == 200 and files_response.status_code == 200:
           pr_data = pr_response.json()
           files_data = files_response.json()
           return {
               "title": pr_data["title"],
               "author": pr_data["user"]["login"],
               "files": [{"filename": f["filename"], "changes": f["changes"]} for f in files_data]
           }
       return None

1. 创建 pr_analyzer.py:

   from mcp import FastMCP
   from notion_client import Client as NotionClient
   from github_integration import fetch_pr_changes
   from dotenv import load_dotenv
   import os

   load_dotenv()

   class PRAnalyzer:
       def __init__(self):
           self.mcp = FastMCP(name="github_pr_analysis")
           self.notion = NotionClient(auth=os.getenv("NOTION_API_KEY"))
           self.mcp.register_tool("fetch_pr", self.fetch_pr)
           self.mcp.register_tool("save_to_notion", self.save_to_notion)

       def fetch_pr(self, repo: str, pr_number: int) -> dict:
           return fetch_pr_changes(repo, pr_number)

       def save_to_notion(self, data: dict):
           self.notion.pages.create(
               parent={"page_id": os.getenv("NOTION_PAGE_ID")},
               properties={"title": {"title": [{"text": {"content": data["title"]}}]}},
               children=[{"object": "block", "type": "paragraph", "paragraph": {"rich_text": [{"text": {"content": str(data)}}]}}]
           )
           return {"status": "saved"}

       def start(self):
           self.mcp.start()

   if __name__ == "__main__":
       analyzer = PRAnalyzer()
       analyzer.start()

步骤3：运行服务器

python pr_analyzer.py

步骤4：使用Claude Desktop进行测试

1. 打开Claude Desktop并连接到本地MCP服务器（有关连接详细信息，请查看Claude的文档）。
2. 运行以下命令：

   /fetch_pr repo=owner/repo pr_number=123

1. 使用以下方法验证PR详细信息是否已返回并保存到Notion：

   /save_to_notion

1. 检查Notion以获取保存的数据。

步骤5：调试和探索

• 检查服务器日志是否有错误。
• 确保API密钥有效。
• 在GitHub上探索其他MCP服务器（例如。， punkpeye/awesome-mcp-servers).

局限性

• 认证：MCP的身份验证是基本的；为生产实施强大的安全性。[](https://boomi.com/blog/model-context-protocol-how-to-use/)
• 不完全信息：一些MCP设置细节（例如，Claude Desktop连接细节）可能需要查阅官方文档。[](https://modelcontextprotocol.io/introduction)

如需进一步学习，请查看Anthropic的MCP文档或DataCamp上的课程。[](https://x.com/AndrewYNg/status/1922671569429766178)[](https://www.anthropic.com/news/model-context-protocol)