BifrostMCP 的安装和配置教程
2025-05-17 17:17:02作者:伍霜盼Ellen
1. 项目基础介绍和主要编程语言
BifrostMCP 是一个VSCode扩展,它提供了一个模型上下文协议(MCP)服务器,使得VSCode强大的开发工具和语言特性能够被AI工具所使用。它支持代码导航、分析和操作等高级功能,尤其适用于支持MCP协议的AI编码助手。该项目主要使用JavaScript编程语言,同时也涉及到TypeScript。
2. 项目使用的关键技术和框架
- 模型上下文协议(MCP): 一种协议,允许AI工具利用IDE(如VSCode)的语言服务器功能。
- VSCode 语言服务器: 提供代码补全、导航、重构等功能的工具。
- HTTP/SSE 服务器: 使用HTTP和服务器发送事件(Server-Sent Events, SSE)技术,以便于在网络上传输语言服务器的数据。
- Node.js: 项目的运行环境,用于启动MCP服务器。
- Express: 一个Node.js的Web应用框架,用于创建HTTP服务器。
3. 项目安装和配置的准备工作及详细安装步骤
准备工作
在开始安装之前,请确保您的系统中已经安装了以下环境:
安装步骤
-
克隆项目仓库
打开命令行窗口,运行以下命令克隆项目:
git clone https://github.com/biegehydra/BifrostMCP.git -
安装依赖
切换到项目目录下,运行以下命令安装项目依赖:
npm install -
启动MCP服务器
在项目目录下,运行以下命令启动MCP服务器:
npm start这将启动一个本地服务器,默认端口为8008。
-
配置VSCode
为了让VSCode能够使用MCP服务器,您需要配置VSCode的设置。您可以按照以下步骤操作:
- 打开VSCode。
- 点击左侧的设置图标或按下
Ctrl + ,快捷键打开设置。 - 在设置中找到并输入
mcpServers,然后添加您的MCP服务器配置。
例如:
{ "mcpServers": { "Bifrost": { "url": "http://localhost:8008/sse" } } } -
使用AI助手进行配置
如果您有支持MCP协议的AI助手,您还需要在AI助手的配置文件中指定MCP服务器的地址。
例如:
{ "mcpServers": { "Bifrost": { "url": "http://localhost:8008/sse" } } }
完成以上步骤后,您的BifrostMCP扩展应该已经安装并配置完成,可以开始使用了。如果您在安装或配置过程中遇到任何问题,请查阅项目的官方文档或向社区寻求帮助。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1