mcp编码工具
从MCP服务器生成可发现的代码，以供AI代理工具使用。
为什么？
这 模型上下文协议（MCP） 让AI代理连接到外部工具和数据。然而，正如Anthropic的 工程岗位 解释说，将数百或数千个工具定义直接加载到代理的上下文窗口中效率低下：
- 工具定义消耗了过多的令牌（大型工具集消耗了10万多个令牌）
- 中间结果反复流过上下文窗口
- 代理商在规模上变得更慢、更贵
解决方案：将MCP服务器表示为 *代码API* 代理可以通过文件系统接口发现和使用。这种方法将令牌使用率降低了98.7%，同时实现了更强大的代理工作流。
问题：为每个MCP工具手动编写包装器代码是乏味的。
mcp编码工具：从任何MCP服务器自动生成可发现的Python代码。
安装
pip install mcp-coded-tools快速开始
CLI使用情况
# Generate code from popular MCP servers
mcp-coded-tools generate \
--command "npx -y @modelcontextprotocol/server-github" \
--output ./servers \
--server-name github
# Generate from multiple servers for complete workflows
mcp-coded-tools generate \
--command "npx -y @modelcontextprotocol/server-github" \
--command "npx -y @modelcontextprotocol/server-postgres" \
--command "python slack_mcp_server.py" \
--output ./servers
# Watch mode for development (auto-regenerate on changes)
mcp-coded-tools generate \
--command "python ./my_mcp_server.py" \
--output ./tools \
--watch💡 看 人口_MCP_SERVERS.md 适用于50多个流行的服务器和现实世界的用例！
💡 看 WATCH_MODE.md 用于开发过程中的自动再生！
Python API
import asyncio
from mcp-coded-tools import MCPCodeGenerator
async def main():
generator = MCPCodeGenerator()
# Connect to MCP server and generate code
await generator.connect_and_scan([
"npx", "-y", "@modelcontextprotocol/server-gdrive"
])
generator.generate_code(
output_dir="./servers",
server_name="google_drive"
)
print("✓ Generated discoverable code!")
asyncio.run(main())生成什么
servers/
├── google_drive/
│ ├── __init__.py
│ ├── get_document.py
│ ├── list_files.py
│ └── ...
├── salesforce/
│ ├── __init__.py
│ ├── update_record.py
│ └── ...
└── _client.py每个工具都变成一个类型化的Python函数：
# servers/google_drive/get_document.py
from typing import Optional, Dict, Any
from .._client import call_mcp_tool
async def get_document(
document_id: str,
fields: Optional[str] = None
) -> Dict[str, Any]:
"""
Retrieves a document from Google Drive
"""
return await call_mcp_tool(
'gdrive_getDocument',
{'documentId': document_id, 'fields': fields}
)代理使用
代理通过探索文件系统来发现工具：
# Agent lists available servers
import os
servers = os.listdir('./servers')
# ['google_drive', 'salesforce', ...]
# Agent reads a specific tool
with open('./servers/google_drive/get_document.py') as f:
tool_def = f.read()
# Understands parameters, types, description
# Agent writes code to use tools
import servers.google_drive as gdrive
import servers.salesforce as sf
async def sync_meeting_notes():
doc = await gdrive.get_document(document_id="abc123")
await sf.update_record(
object_type="Lead",
record_id="xyz789",
data={"Notes": doc['content']}
)特性
- ✅ 自动代码生成 从任何MCP服务器
- ✅ 键入提示 为了更好地支持IDE和理解代理
- ✅ 文档字符串 摘自MCP工具描述
- ✅ 多个服务器 具有自动名称空间分离功能
- ✅ CLI和Python API 为了灵活性
- ✅ 错误处理 详细记录
- ✅ 异步支持 用于并发工具执行
配置
服务器发现
默认情况下，会分析工具名称以提取服务器前缀：
gdrive_getDocument→gdrive服务器salesforce_updateRecord→salesforce服务器
用显式服务器名称覆盖：
generator.generate_code(
output_dir="./servers",
server_name="my_custom_name"
)自定义模板
使用Jinja2模板自定义生成的代码：
generator = MCPCodeGenerator(
template_dir="./my_templates"
)运作原理
- 连接：通过stdio、HTTP或SSE建立与MCP服务器的连接
- 反思：使用MCP协议向服务器查询所有可用工具
- 解析：提取工具名称、描述和JSON模式
- 生成：创建具有正确导入的类型化Python函数
- 组织：在可发现的文件系统层次结构中构造代码
用例
🏢 企业事件响应
跨多个系统自动化DevOps工作流程：
mcp-coded-tools generate \
--command "npx -y @modelcontextprotocol/server-postgres" \
--command "npx -y @modelcontextprotocol/server-github" \
--command "python slack_mcp_server.py" \
--output ./devops_tools工作流程： 查询错误→ 创建问题→ 通知团队 代币节省： 98%（15万）→ 3K代币） 成本影响： $3.00 → $0.06 每次事故
📊 数据分析管道
无上下文污染地处理数百万行：
from data_tools.postgres import execute_query
from data_tools.slack import post_message
# Query 1M rows - stays in execution environment!
rows = await execute_query(
query="SELECT * FROM transactions WHERE date > NOW() - INTERVAL '30 days'"
)
# Process data in code (never enters context)
import pandas as pd
df = pd.DataFrame(rows)
summary = df.groupby('user_id')['amount'].sum()
# Only summary goes to context
await post_message(
channel='analytics',
text=f"Processed {len(df):,} transactions, total: ${summary.sum():,.2f}"
)规模： 过程TB，而非MB 投资回报率： 每天500次查询，每年1.09亿美元
🤖 自动代码审查
在人工智能的帮助下大规模审查PR：
mcp-coded-tools generate \
--command "npx -y @modelcontextprotocol/server-github" \
--command "npx -y @modelcontextprotocol/server-filesystem" \
--command "npx -y @modelcontextprotocol/server-sequential-thinking" \
--output ./code_review_tools影响： 每天审查1000个PR，质量始终如一
📚 看 示例/真实世界工作流.py 5个完整的生产示例！
发展
# Clone repository
git clone https://github.com/bluman1/mcp-coded-tools.git
cd mcp-coded-tools
# Install in development mode
pip install -e ".[dev]"
# Run tests
pytest
# Format code
black src/ tests/
ruff check src/ tests/
# Type checking
mypy src/贡献
欢迎投稿！请阅读 贡献.md 作为指导方针。
许可证
MIT许可证-请参阅 许可证 了解详情。
鸣谢
灵感来自Anthropic MCP代码执行工程岗.
由Michael Ogundare为MCP社区建造。