Rocket.Chat MCP Server Generator

A gemini-cli extension that generates minimal, workflow-driven MCP servers for Rocket.Chat — solving context bloat while supporting event-driven RC Apps with AI reasoning.

______________________________________________________________________

问题

如今，采用MCP的一个主要问题是 上下文膨胀 -几乎所有的MCP服务器都是为了支持大量的服务API而编写的，任何采用这些服务API的人的大部分令牌预算都将被与他们永远不需要的API调用相关的静态MCP需求所消耗。这种情况在代理代码生成器工作流中更为严重，其中每个代理都在循环中不必要地燃烧令牌，同时支持项目永远不会使用的API/工具。

解决方案

这个生成器通过让Rocket来解决上下文膨胀问题。聊天开发人员生成一个生产级最小MCP服务器，覆盖仅他们的项目所需的API子集。用简明的英语描述你需要什么-生成器识别相关的API和Apps-Engine事件，组成多步骤工作流，将API调用与人工智能推理链接起来，并输出一个完整的项目和测试。

输出不仅仅是一个精简的REST包装器——每个生成的MCP工具都是一个 工作流 将N个API调用、LLM采样、用户启发和条件逻辑链接到一个原子操作中。当提示描述实时事件时（“消息发送时…”），生成器还会生成一个本机 RC应用程序 它桥接到MCP服务器。

建筑

Flowchart

三级管道：发现→ 架构检查→ 生成

主要特点

API和事件发现

自动OpenAPI解析 --火箭。Chat的官方OpenAPI YAML规范（12个域中的558个端点）在运行时使用GitHub @apidevtools/swagger-parser无需手动定义端点。
应用引擎事件解析 --从中动态发现所有47个事件处理程序接口 @rocket.chat/apps-engine 使用 ts-morph，从中提取方法签名、参数类型和形状 .d.ts 文件夹。
零维护 --当RC添加或更改端点或事件接口时，它们立即可用。没有手动更新。
三层缓存 --解析后的规范缓存在内存中以供即时重用，持久化到磁盘（24小时TTL）以在重启后生存，并且仅在缓存未命中时从GitHub获取。
延迟模式提取 --浏览仅显示轻量级摘要。昂贵的JSON模式映射仅适用于您实际选择的端点。
并行域获取 -同时提取和解析多个API域。

工作流引擎

工作流作为数据 --每个生成的MCP工具都是一个多步骤的工作流，定义为声明性JSON，而不是命令式代码。运行时引擎在执行时解释步骤定义。
5种步骤类型 — api_call （RC REST API）， sampling （通过MCP采样进行LLM推理）， elicitation （人在循环确认）， transform （数据重塑）， conditional （分支逻辑）。
依赖图 --步骤声明 dependsOn 形成DAG的数组。具有共享依赖关系的步骤可以并行执行。
坚持 --通过RC Apps Engine进行交叉调用状态跟踪（每个用户、每个房间或自定义密钥） IPersistence.
工作流编辑器 --验证LLM生成的工作流定义：检查步骤引用、检测循环、计算拓扑顺序、自动添加缺失 dependsOn，并警告常见错误（硬编码的房间ID、静态采样提示、孤立步骤）。

RC应用程序生成

桥梁建筑 --当提供事件接口时，生成器会生成一个MCP服务器（AI推理）和一个RC应用程序（事件处理），通过HTTP桥链接。RC应用程序捕获事件并将其委托给MCP服务器以执行工作流。
动态事件接线 --事件处理程序代码生成自 ts-morph-解析的接口签名。支持所有47个应用引擎事件，包括事件前处理程序(IPreMessageSentPrevent, IPreRoomCreatePrevent).
Slash命令和webhooks --生成的RC应用程序可以包括斜线命令和webhook端点以及事件处理程序。
本地RC应用程序结构 --输出与官方匹配 rc-apps CLI结构： app.json，键入处理程序、设置、帮助程序， .rcappsconfig.

代码生成

带测试的多文件输出 --每个生成的服务器都是一个完整的项目：每个工作流工具一个文件、一个共享的HTTP客户端、每个工具的测试文件、工作流引擎模块、README和配置文件。
生成时的输入验证 --验证 inputMapping 在生成代码之前，根据实际的OpenAPI模式检查字段名，检查必填字段，并模糊纠正操作ID拼写错误。
表达式安全 --转换和条件表达式在生成时进行验证，拒绝以下模式 require(), import(), eval(), process.exit().
自动注册 --生成的MCP服务器会自动在中注册 ~/.gemini/settings.json 因此，它们可以立即作为Gemini CLI工具使用。

先决条件

v22+
双子座气候已安装并配置

安装

克隆存储库：

   git clone https://github.com/sezallagwal/mcpGenerator
   cd mcpGenerator

安装依赖项：

   npm install

注册为gemini cli扩展：

   mkdir -p ~/.gemini/extensions
   ln -s "$(pwd)" ~/.gemini/extensions/mcpGenerator

这将项目符号链接到gemini-cli的extensions目录中，以便自动加载。

用法

发射 gemini 在任何项目目录中。该扩展提供了三个MCP工具，Gemini会根据您的自然语言请求自动使用：

工具	目的	何时致电
`get_capability_guide`	返回所有558个API端点和47个应用程序引擎事件	首次发现
`get_endpoint_schemas`	返回所选操作ID和事件接口的精确JSON模式	第二--检查模式
`generate`	验证工作流、编写项目、写入所有文件	Last--generate

快速开始

用简单的英语描述你想要什么：

gemini> I need an MCP server that can send messages and manage channels

双子座会：

呼叫 get_capability_guide 发现相关端点和事件
呼叫 get_endpoint_schemas 获取工作流步骤的精确字段名称
呼叫 generate 使用组合工作流--输出完整的项目

斜杠命令

gemini> /generator:generate send alerts based on workspace statistics

示例

以下是一个真实世界的提示，可以生成一个完全可用的入职机器人：

当在Rocket中创建新用户时。聊天，自动： 1. 将它们添加到 #将军 和 #公告，加上适合角色的渠道——如果他们的角色包括 admin，添加到 #管理员操作；如果 livechat-agent，添加到 #支持团队；如果 moderator，添加到 #mod团队 1. 向他们发送欢迎DM 1. 使用AI根据分配的角色生成个性化的入职检查表 1. 创建私人 入职培训-{用户名} 频道并邀请创建它们的用户(performedBy)作为入职伙伴 1. 在该渠道中发布生成的检查表

从这个提示中，生成器生成：

一 MCP服务器 使用多步骤工作流工具(api_call → conditional → sampling → api_call 链条）
一 RC应用程序 带着一个 IPostUserCreated 通过HTTP桥触发工作流的事件处理程序
完整的测试套件， .env.example、README和gemini设置中的自动注册

管道

流水线是完全自动化的——Gemini自主处理端点选择、工作流组合和代码生成：

Describe intent → get_capability_guide → get_endpoint_schemas → generate → Ready to deploy

描述你的意图 --用简单的英语说你想说的话。Gemini自动将您的关键字映射到正确的API域和事件接口。
能力指南 --双子座来电 get_capability_guide 它返回按域分组的所有端点和所有Apps Engine事件接口。Gemini选择它需要的操作ID和事件接口。
架构查找 --双子座来电 get_endpoint_schemas 使用选定的操作IDs/eventInterface来获取精确的请求/响应模式和事件参数形状。
生成 --双子座来电 generate 一次性完成所有工作流。该工具验证步骤引用，检查 inputMapping 字段名与模式相对应，组成依赖关系图，并将整个项目写入磁盘。

步骤类型参考

每个工作流都由步骤组成。支持五种步骤类型：

类型	目的	关键字段
`api_call`	呼叫火箭。聊天REST API端点	`operationId`, `inputMapping`, `outputPath`, `forEach`, `as`, `continueOnError`
`sampling`	LLM推理（Gemini CLI或API）	`prompt`, `systemPrompt`, `maxTokens`, `responseFormat`
`elicitation`	人在循环确认	`message`, `requestedSchema`, `onDecline`
`transform`	通过JS表达式进行数据整形	`expression` （已验证，沙盒）
`conditional`	分支逻辑	`condition`, `thenStep`, `elseStep`

步骤支持模板表达式({{params.*}}, {{steps.*}})对于步骤之间的动态数据流：

{
  "id": "send_welcome",
  "type": "api_call",
  "operationId": "post-api-v1-chat_sendMessage",
  "dependsOn": ["compose_message"],
  "inputMapping": {
    "message": {
      "rid": "{{params.roomId}}",
      "msg": "{{steps.compose_message.result}}",
    },
  },
}

生成的项目结构

生成器使用MCP服务器（始终）和可选的RC应用程序（如果需要实时事件）创建一个monorepo：

my-project/
├── mcp-server/
│   ├── src/
│   │   ├── server.ts              # MCP server entry point
│   │   ├── rc-client.ts           # Shared Rocket.Chat HTTP client
│   │   ├── engine/
│   │   │   └── workflow-engine.ts # Runtime workflow execution engine
│   │   ├── tools/
│   │   │   └── *.ts               # One file per workflow tool
│   │   └── tests/
│   │       ├── setup.ts           # Test setup & mock infrastructure
│   │       └── *.test.ts          # Per-tool test files
│   ├── package.json
│   ├── tsconfig.json
│   ├── .env.example
│   └── README.md
└── rc-app/                        # Only if eventInterfaces provided
    ├── app.json                   # RC App manifest
    ├── *App.ts                    # Main app class (event wiring)
    ├── handlers/                  # Event handler files
    ├── commands/                  # Slash command files
    ├── bridge/
    │   └── mcp-bridge.ts         # HTTP bridge to MCP server
    ├── helpers/
    │   └── message.ts            # Message creation helpers
    ├── settings/
    │   └── settings.ts           # Admin-configurable settings
    └── package.json

使用生成的服务器

cd projects/my-rc-server/mcp-server
npm install
cp .env.example .env
# Edit .env with your Rocket.Chat credentials

生成的服务器使用stdio传输。将其添加到MCP客户端的配置中：

{
  "mcpServers": {
    "my-rc-server": {
      "command": "npm",
      "args": ["start"],
      "cwd": "/path/to/my-rc-server/mcp-server"
    }
  }
}

发展

项目结构

mcpGenerator/
├── commands/
│   └── generator/
│       └── generate.toml        # /generator:generate slash command
├── src/
│   ├── server.ts                # MCP server (3 tools)
│   ├── capability-guide.ts      # Capability guide formatter
│   ├── utils.ts                 # Shared utilities
│   ├── mcp-server/
│   │   ├── mcpServerCodegen.ts  # Workflow → TypeScript code generator
│   │   ├── mcpServerTemplates.ts# Shared project scaffolding templates
│   │   ├── workflowComposer.ts  # Workflow validation & composition
│   │   ├── workflow-engine.ts   # Runtime engine (copied into generated projects)
│   │   ├── types.ts             # Workflow type definitions
│   │   ├── ensureChannelInjector.ts # Channel name normalization
│   │   └── parser/
│   │       ├── index.ts         # OpenAPI parser (fetch, cache, list, extract)
│   │       ├── schema-mapper.ts # OpenAPI → JSON Schema 7 conversion
│   │       └── types.ts         # Parser type definitions
│   ├── rc-app/
│   │   ├── rcAppGenerator.ts    # RC App project orchestrator
│   │   ├── rcAppTemplates.ts    # RC App code templates
│   │   ├── parser.ts            # Apps-Engine capability parser (ts-morph)
│   │   └── types.ts             # RC App type definitions
│   └── tests/
│       ├── parser.test.ts           # 47 tests — OpenAPI parsing & schema mapping
│       ├── generate.test.ts         # 56 tests — Code generation & validation
│       ├── workflow.test.ts         # 100 tests — Workflow composition & validation
│       ├── workflow-engine.test.ts  # 76 tests — Runtime engine execution
│       ├── rc-app.test.ts           # 104 tests — RC App code generation
│       ├── rc-app-parser.test.ts    # 30 tests — Apps-Engine interface parsing
│       └── capability-guide.test.ts # 30 tests — Guide formatting
├── package.json
├── tsconfig.json
└── gemini-extension.json        # Extension manifest

运行测试

npm test

建筑

npm run build

在开发模式下运行

npm run dev

许可证

麻省理工学院

MCP Generator (Sezallagwal)

快速接入

详细介绍

问题