🔎 OpenAI代理服务器-MCP网桥
强大的NestJS后端将OpenAI的Agent框架与MCP（模型上下文协议）服务器连接起来，使AI助手能够通过自然语言请求执行真实世界的动作。
🌟 主要特点
- 人工智能聊天界面：与OpenAI的最新模型无缝集成
- 函数调用：将自然语言智能映射到可执行函数
- MCP工具执行：AI模型和MCP兼容工具之间的桥梁
- 任务管理API：完成任务管理的CRUD操作
- 无状态架构：专为可扩展性和可靠性而设计
- 开发者友好：全面的文件和类型安全
🛠️ 技术栈
- NestJS 健壮后端架构框架
- TypeScript 用于类型安全开发
- OpenAI API 具有高级函数调用功能
- 阿西奥斯 用于高效的HTTP请求
- MCP协议 工具执行兼容性
🔗 运作原理
此服务器充当前端应用程序和MCP兼容工具之间的智能桥梁：
- 用户请求：前端发送自然语言请求
- 人工智能处理：OpenAI模型解释请求并确定所需的操作
- 函数映射：服务器将AI意图映射到适当的MCP工具
- 工具执行：使用必要的参数执行MCP工具
- 响应生成：处理结果并将其返回给用户
🚀 入门指南
先决条件
- Node.js（v16或更高版本）
- npm或纱线
- MCP服务器正在运行（请参阅
mcp-server项目） - OpenAI API密钥
安装
- 克隆存储库：
git clone https://github.com/yourusername/mcp-agent-server-example.git
cd agent-server-example- 安装依赖项：
npm install- 配置环境：
创建一个 .env 基于提供的文件 .env.example:
PORT=4000
OPENAI_API_KEY=your_openai_api_key
MCP_SERVER_URL=http://localhost:3001- 启动开发服务器：
npm run start:dev服务器将在以下时间可用http://localhost:4000.
💻 API终点
聊天API
POST /chat启用与AI助手的自然语言交互。
请求正文：
{
"message": "Create a task to finish the report by Friday",
"history": [
{ "role": "user", "content": "Hello" },
{ "role": "assistant", "content": "Hi there! How can I help you today?" }
]
}任务管理API
GET /tasks?status=[all|pending|completed] # List tasks with optional filtering
POST /tasks # Create a new task
PATCH /tasks/:id/complete # Mark a task as completed📂 项目结构
src/controllers/-API端点和请求处理src/services/-业务逻辑以及与OpenAI和MCP的集成src/interfaces/-TypeScript类型定义src/config/-应用程序配置
🔧 生产大楼
要构建生产应用程序，请执行以下操作：
npm run build编译后的文件将位于 dist 目录。
🔄 与前端集成
此服务器与 mcp-agent-client-example 项目，它提供了一个与此后端交互的web界面。
📋 未来的增强功能
- 身份验证和用户管理
- 支持多个MCP服务器
- 实时交互的流式响应
- 高级上下文管理，提高对人工智能的理解
- 绩效指标和监控
📄 许可证
麻省理工学院
______________________________________________________________________
*弥合自然语言和可执行操作之间的差距* 🤖⚒️