OpenAPI-MCP-Generator 项目:如何通过编程方式生成 MCP 工具定义
2025-06-09 02:24:06作者:管翌锬
项目概述
OpenAPI-MCP-Generator 是一个强大的工具,它能够将标准的 OpenAPI 规范转换为 MCP(Machine-Callable Procedures)工具定义。这种转换使得开发者可以更方便地将现有的 RESTful API 集成到各种自动化工作流和工具链中。
安装与基础使用
要开始使用这个工具,首先需要通过包管理器安装:
npm install openapi-mcp-generator
安装完成后,你可以通过简单的导入语句来使用核心功能:
import { getToolsFromOpenApi } from 'openapi-mcp-generator';
核心 API 详解
getToolsFromOpenApi 函数
这是该工具的核心函数,负责从 OpenAPI 规范中提取 MCP 工具定义。
函数签名:
getToolsFromOpenApi(specPathOrUrl: string, options?: Options): Promise<McpToolDefinition[]>
参数说明:
specPathOrUrl:可以是本地 OpenAPI 规范文件的路径,也可以是远程规范的 URLoptions:可选配置对象,用于定制提取过程
配置选项详解:
baseUrl:覆盖 OpenAPI 规范中定义的 base URLdereference:是否解析规范中的 $ref 引用(默认 false)excludeOperationIds:要排除的操作 ID 数组filterFn:自定义过滤函数,用于筛选工具定义
使用示例:
// 基本用法
const tools = await getToolsFromOpenApi('./api-spec.json');
// 带配置的高级用法
const tools = await getToolsFromOpenApi('https://example.com/api-spec.json', {
baseUrl: 'https://api.example.com/v2',
dereference: true,
excludeOperationIds: ['deprecatedOperation'],
filterFn: tool => tool.method === 'get'
});
MCP 工具定义结构解析
每个 MCP 工具定义都包含以下关键属性:
- name:工具的唯一名称
- description:人类可读的描述信息
- inputSchema:定义输入参数的 JSON Schema
- method:HTTP 方法(get/post/put/delete 等)
- pathTemplate:带有参数占位符的 URL 路径模板
- parameters:OpenAPI 参数对象数组
- executionParameters:执行时需要的参数名称和位置信息
- requestBodyContentType:请求体的内容类型(如适用)
- securityRequirements:操作的安全要求
- operationId:原始 OpenAPI 规范中的操作 ID
- baseUrl:API 的基础 URL(如可用)
高级过滤技巧
按 HTTP 方法过滤
const postTools = await getToolsFromOpenApi(specUrl, {
filterFn: tool => tool.method.toLowerCase() === 'post'
});
按安全要求过滤
const secureTools = await getToolsFromOpenApi(specUrl, {
filterFn: tool => tool.securityRequirements.length > 0
});
按路径模式过滤
const productTools = await getToolsFromOpenApi(specUrl, {
filterFn: tool => tool.pathTemplate.includes('/products')
});
组合多个过滤条件
const safeProductTools = await getToolsFromOpenApi(specUrl, {
excludeOperationIds: ['deleteProduct'],
filterFn: tool =>
tool.pathTemplate.includes('/products') &&
tool.method.toLowerCase() === 'get' &&
tool.securityRequirements.length > 0
});
实际应用场景
- 自动化工作流集成:将现有 API 快速集成到自动化工作流系统中
- API 文档生成:基于 MCP 工具定义生成更丰富的文档
- API 测试自动化:利用工具定义自动生成测试用例
- 低代码平台集成:为低代码平台提供可调用的 API 操作
最佳实践建议
- 合理使用 dereference 选项:对于复杂的规范,启用此选项可以简化处理,但会增加内存使用
- 命名规范化:考虑对生成的工具名称进行后处理,确保命名一致性
- 安全考虑:特别注意处理带有安全要求的工具定义
- 性能优化:对于大型 API 规范,考虑分批处理工具定义
通过 OpenAPI-MCP-Generator,开发者可以轻松地将现有的 RESTful API 转换为更易于程序化调用的形式,大大提高了 API 在自动化场景中的可用性和集成效率。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C077
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0131
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
462
3.44 K
Ascend Extension for PyTorch
Python
269
309
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
188
77
暂无简介
Dart
714
171
React Native鸿蒙化仓库
JavaScript
284
331
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++
843
421
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
105
119
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
10
1
🎉 (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
1.26 K
692