Token导航 LogoToken导航

MCP Server · 开发工具

Gpt Actions To MCP Provider

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。

stdio官方级别未说明来源级核验工具 0
API网关开发工具Python认证服务

快速开始

作者 / 组织
AndreiMarhatau
提供方
AndreiMarhatau
运行时
Python

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

Gpt Actions To MCP Provider 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;接入前要先准备 API Key。

分类

开发工具

传输方式

stdio

认证方式

API Key

部署方式

公开资料未说明

安装与配置

安装命令

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

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

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 Python,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

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

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:

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

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:

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%):

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。

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

API网关Python本地部署请求代理认证服务MCP协议开发工具

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 Python,换机器要重新装一遍。
  • 需要自备API Key,没有凭据没法直接试。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。

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。
  • 暂时拿不到API Key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
Gpt Actions To MCP Provider

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

Gpt Actions To MCP Provider 怎么安装?

公开资料给出的安装命令是 uv run mcp-proxy-service --host 0.0.0.0 --port 8000,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Gpt Actions To MCP Provider 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 Python;保存后完全退出客户端再打开,配置才会生效。

Gpt Actions To MCP Provider 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。

Gpt Actions To MCP Provider 需要 API Key 吗?

公开资料标注的认证方式是API Key,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

Gpt Actions To MCP Provider 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