MCP的MCP
MCP of MCP是一个元服务器，它将所有MCP服务器合并到一个智能端点中。 它为AI代理提供了即时工具发现、选择性模式加载和大幅降低的执行成本，因此您不再浪费令牌和时间。
通过持久的工具元数据、语义搜索和工具之间的直接代码执行，它将混乱的多服务器设置转化为快速、高效、无幻觉的工作流程。 如果需要，它还会自动分析工具输出模式，并在会话之间保留它们以实现一致的行为。
简言之：
🚀 更快的自动化
🧠 更清晰的推理
💰 代币数量大幅减少
📦 持久化+分析模式元数据
工具1： semantic_search_tools
语义发现工具 -通过描述您要完成的任务来搜索工具。与其浏览所有工具名称，或者当工具名称没有明确表明它们的作用时，不如用简单的英语描述你的意图（例如，“发送通知”、“查询数据库”、“处理图像”），并立即只返回最相关的工具。这提供了一种快速、轻量级的方法来调查所有连接的服务器上可用的工具，而无需加载任何完整的工具定义。
// Search by task/intent, not by tool names:
// Input: { query: "send notifications to a channel", limit: 5 }
// Returns only relevant matches (ranked by similarity):
// [
// {
// serverName: "slack",
// toolName: "post_message",
// description: "Post a message to a Slack channel",
// similarityScore: 0.94,
// fullPath: "slack/post_message"
// },
// ....
// // Only 5 most relevant tools returned - fast and lightweight!
// ]非常适合快速调查：
- 描述你需要做什么，而不是你需要什么工具
- 无需加载完整模式即可获得即时结果
- 在毫秒内发现所有服务器的功能
- 无令牌开销-只需轻量级的工具名称和描述
工具2： get_mcps_servers_overview
发现工具 -此工具仅返回工具名称，不返回完整模式，使代理在几秒钟内获得轻量级的概述，而不是预先加载数百个详细的定义。通过只显示可用的内容而不显示压倒性的细节，它可以防止混淆和幻觉，同时消除加载延迟。
// Returns:
// google_drive/download_file
// google_drive/upload_file
// slack/send_message
// database/execute_query
// ...工具3： get_tools_overview
内省工具 -只加载您实际需要的工具，而不是所有30多个工具，通过选择性加载节省了数千个令牌。这种按需方法提供了更快的响应和集中的上下文，减少了混淆并提高了准确性。
// Input: ["google_drive/download_file", "slack/send_message"]
// Returns: Full tool definitions with:
// - Parameter schemas
// - Required vs optional fields
// - Example usage code工具4： run_functions_code
执行工具 -数据直接在工具之间流动，而无需通过模型进行往返，因此2MB的文件传输使用约100个令牌，而不是50000多个令牌。该模型只看到干净的最终结果，而不是嘈杂的中间数据，可以一次性执行复杂的工作流程，而不会出现处理延迟。
// Write code that:
// - Calls multiple tools in sequence or parallel
// - Processes and transforms data
// - Implements complex logic and error handling
// - Returns only final results to the model全流程如何解决所有问题
当你需要完成一项任务时，首先使用 get_mcps_servers_overview 为了获得跨服务器的所有可用工具名称的轻量级列表，这使您可以在不加载任何模式的情况下快速扫描可用的工具名称。如果找不到任务所需的工具，或者工具名称不清楚，请使用 semantic_search_tools 通过用简单的英语描述你的意图进行搜索（例如，“向频道发送通知”），它使用人工智能支持的语义理解来立即返回按相似性排名的最相关的工具。一旦你确定了你需要的具体工具，使用 get_tools_overview 只加载那些具有完整模式和参数的工具定义——通过避免不相关的工具并提供以模型为中心的上下文，节省了数千个令牌。最后，使用 run_functions_code 执行您的工作流，数据直接在内存中的工具之间流动，将中间结果作为本机对象保存，而不是将其序列化为令牌，只将最终结果返回给模型。这种模式大大减少了令牌的使用，通过避免不必要的模型处理来加快执行速度，并通过在每一步只显示相关信息来消除幻觉。
真实世界示例
传统方法：
TOOL CALL: gdrive.getDocument(documentId: "abc123")
→ returns full transcript text (loads into context: 50,000 tokens)
TOOL CALL: salesforce.updateRecord(...)
→ model writes entire transcript again (doubles the tokens: +50,000 tokens)总计：处理100000多个令牌，响应时间慢
使用MCP的MCP：
const transcript = (await gdrive.getDocument({ documentId: 'abc123' })).content;
await salesforce.updateRecord({
objectType: 'SalesMeeting',
data: { Notes: transcript }
});代码在一次操作中执行。数据直接在工具之间流动。只有最终结果返回到模型中。
总计：处理了2000个代币（减少98.7%）⚡
主要优势
✅ 更快的响应时间 -无需预先加载所有工具\ ✅ 减少幻觉 -模型只看到相关信息\ ✅ 渐进呈现 -根据需要按需加载工具\ ✅ 代码组成 -使用熟悉的JavaScript编排复杂的工作流程\ ✅ 持久工具元数据 -跨会话自动保留工具输出模式
设置
先决条件
- Node.js
- npm或纱线
- 要聚合的已配置MCP服务器
添加到Cline
将此添加到您的Cline MCP设置文件中：
选项1：使用内联配置
{
"mcpServers": {
"mcp-of-mcps": {
"autoApprove": [],
"disabled": false,
"timeout": 60,
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@dbestai/mcp-of-mcps",
"--config",
"[{\"name\":\"weather\",\"command\":\"npx\",\"args\":[\"-y\",\"@h1deya/mcp-server-weather\"]},{\"name\":\"time\",\"command\":\"uvx\",\"args\":[\"mcp-server-time\"]}]"
]
}
}
}选项2：使用配置文件
首先，创建一个 config.json 指定要连接到哪些MCP服务器的文件：
[
{
"name": "weather",
"command": "npx",
"args": ["-y", "@h1deya/mcp-server-weather"]
},
{
"name": "time",
"command": "uvx",
"args": ["mcp-server-time"]
}
]然后在Cline设置中引用此文件：
{
"mcpServers": {
"mcp-of-mcps": {
"autoApprove": [],
"disabled": false,
"timeout": 60,
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@dbestai/mcp-of-mcps",
"--config-file",
"/absolute/path/to/your/config.json"
]
}
}
}配置选项：
autoApprove：一系列不需要批准的工具名称（例如。，["get_mcps_servers_overview"])disabled：设置为false启用服务器timeout：工具执行超时（秒）（默认值：60）type：连接类型，始终"stdio"对于MCP服务器
了解更多
此实现遵循Anthropic关于使用MCP执行代码的文章中描述的模式：\ 📖 使用MCP执行代码：构建更高效的代理
贡献
欢迎投稿！请随时提交拉取请求。
许可证
ISC