Token导航 LogoToken导航

MCP Server · 开发工具

Frontend AI Template

一个生产就绪的Next.js 15模板,集成了多提供商AI、Jotai状态管理和MCP工具架构,适用于快速开发AI驱动的Web应用。

stdio官方级别未说明来源级核验工具 0degit
开发工具Next.jsTypeScriptJavaScript

快速开始

作者 / 组织
cheshirecode
提供方
cheshirecode
运行时
Node.js

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

1 个

MCP World

选型结论

Frontend AI Template 属于开发工具类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前先确认权限范围。

分类

开发工具

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

npx degit cheshirecode/frontend-ai-template my-ai-app

客户端配置示例

{
  "mcpServers": {
    "frontend-ai-template": {
      "command": "npx",
      "args": [
        "degit",
        "cheshirecode/frontend-ai-template",
        "my-ai-app"
      ]
    }
  }
}

按公开安装命令拼出来的示例,字段名和参数以仓库 README 为准;带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

  1. 1

    准备运行环境

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

  2. 2

    安装服务

    复制下面的安装命令执行;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

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

前端+AI工程模板

一个生产就绪的Next.js 15模板,具有多提供商AI集成、Jotai状态管理和MCP工具架构。

特性

  • Next.js 15 使用App Router和Turbopack
  • 多提供商AI -Google Gemini和OpenAI支持回退
  • 佐敦州管理 -原子性、可扩展的状态,无需样板
  • MCP工具 -AI工具编排的模型上下文协议
  • TypeScript -具有全面类型定义的严格模式
  • Tailwind CSS -实用性优先,响应式设计
  • 测试 -Vitest用于单元测试,剧作家用于E2E
  • 代码质量 -ESLint、Lefthok、Commitline

快速开始

# Clone the template
npx degit cheshirecode/frontend-ai-template my-ai-app
cd my-ai-app

# Install dependencies
npm install

# Set up environment
cp .env.example .env.local
# Add your API keys to .env.local

# Start development server
npm run dev

打开 http://localhost:3000 查看您的应用程序。

环境设置

至少需要一个AI提供商API密钥:

变量描述必填
GOOGLE_GENERATIVE_AI_API_KEYGoogle Gemini API密钥其中之一
OPENAI_API_KEY需要OpenAI API密钥
AI_DEFAULT_PROVIDER默认提供程序(gemini/openai)否

拿到你的钥匙:

项目结构

├── app/
│   ├── api/
│   │   ├── ai/          # AI chat endpoint
│   │   └── mcp/         # MCP tools endpoint
│   │       └── tools/   # Tool definitions
│   ├── components/
│   │   ├── chat/        # Chat UI components
│   │   ├── common/      # Shared components
│   │   ├── layout/      # Layout components
│   │   └── providers/   # React providers
│   ├── hooks/
│   │   ├── chat/        # Chat hooks
│   │   ├── composed/    # High-level hooks
│   │   └── core/        # Core state hooks
│   ├── lib/
│   │   ├── ai-service.ts    # AI provider abstraction
│   │   ├── error-handler.ts # Error utilities
│   │   └── logger.ts        # Structured logging
│   └── store/           # Jotai atoms
├── types/               # TypeScript definitions
├── e2e/                 # Playwright tests
└── docs/                # Documentation

可用脚本

npm run dev          # Start dev server with Turbopack
npm run build        # Production build
npm run start        # Start production server
npm test             # Run unit tests
npm run test:e2e     # Run E2E tests
npm run lint         # Lint code
npm run type-check   # TypeScript check

定制

添加AI工具

在中创建新工具 app/api/mcp/tools/:

// app/api/mcp/tools/my-tool.ts
import { MCPTool, MCPToolResult, ToolHandler } from './types'

export const myTool: MCPTool = {
  name: 'my_tool',
  description: 'Description of what the tool does',
  inputSchema: {
    type: 'object',
    properties: {
      input: { type: 'string', description: 'Input parameter' }
    },
    required: ['input']
  }
}

export const handleMyTool: ToolHandler = async (params) => {
  // Implementation
  return { success: true, data: result }
}

注册于 app/api/mcp/tools/index.ts.

添加组件

组件遵循分解模式:

// app/components/feature/MyComponent.tsx
'use client'

import { useMyHook } from '@/hooks/feature/useMyHook'

interface MyComponentProps {
  title: string
}

export function MyComponent({ title }: MyComponentProps) {
  const { data, isLoading } = useMyHook()
  // ...
}

添加州

使用Jotai原子 app/store/:

import { atom } from 'jotai'

export const myAtom = atom('')
export const derivedAtom = atom((get) => get(myAtom).toUpperCase())

建筑

看 docs/ARCHITECTURE.md 获取详细的架构文档。

部署

Vercel(推荐)

npm run deploy:vercel

其他平台

构建并运行生产服务器:

npm run build
npm run start

贡献

  1. 克隆该仓库
  2. 创建要素分支
  3. 进行更改
  4. 运行测试: npm test && npm run test:e2e
  5. 提交拉取请求

许可证

麻省理工学院

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

前端开发TypeScript本地部署AI集成Next.js状态管理开发工具

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

让助手直接读代码

把仓库、提交记录和 issue 交给模型检索,补全和重构时不用来回复制文件。

在对话里跑命令

触发构建、测试和脚本,执行结果直接回到上下文,省去切终端。

接进开发流程

把 PR、CI 状态和代码审查接进助手,减少在几个工具之间跳。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Node.js,换机器要重新装一遍。
  • 第三方目录整理,版本更新和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

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Frontend AI Template

MCP World · 本页

0stdio有1 个2026-05-17
Git 838e2ec1

MCP World

12stdio有2 个2026-05-17
Markitdown MCP 2c653a5f

MCP World

1stdio有1 个2026-05-17
Context7 MCP C671e75a

MCP World

0stdio有1 个2026-05-17
Context7 831acf40

MCP World

0stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Frontend AI Template 怎么安装?

公开资料给出的安装命令是 npx degit cheshirecode/frontend-ai-template my-ai-app,运行环境为 Node.js。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Frontend AI Template 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Node.js;保存后完全退出客户端再打开,配置才会生效。

Frontend AI Template 收费吗?

本站只整理公开资料,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。

Frontend AI Template 需要 API Key 吗?

公开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。

Frontend AI Template 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP