auto-mcp 的安装和配置教程
2025-05-26 17:08:11作者:魏侃纯Zoe
项目基础介绍
auto-mcp 是一个开源项目,旨在将任何 OpenAPI/Swagger 定义转换为一个功能完备的 Model Context Protocol (MCP) 服务器。该项目允许用户无需编写冗余代码,即可将 Swagger (OpenAPI v2) 文档转换并暴露通过 MCP 协议的端点。它支持多种部署方式,包括命令行工具、长时间运行的守护进程,以及 Docker 和 Kubernetes 容器环境。
该项目主要使用 Go 语言进行开发。
项目使用的关键技术和框架
- Go 语言:项目的主体语言,用于实现 MCP 服务器的核心功能。
- OpenAPI/Swagger:一种 RESTful API 的描述格式,用于定义项目的接口。
- Model Context Protocol (MCP):一种协议,用于定义模型和上下文之间的交互方式。
安装和配置准备工作
在开始安装 auto-mcp 之前,请确保您的系统已经安装了以下软件:
- Go 语言环境(至少版本 1.16)
- Docker(如果需要在 Docker 环境中运行)
确保 Go 语言环境已正确安装并配置了 GOPATH 环境变量。
安装步骤
1. 克隆项目
首先,从 GitHub 上克隆 auto-mcp 项目到本地:
git clone https://github.com/brizzai/auto-mcp.git
cd auto-mcp
2. 安装 MCP 配置构建器
在项目目录中,使用以下命令安装 mcp-config-builder:
go install ./cmd/mcp-config-builder
这将构建并安装 mcp-config-builder 工具到您的 GOPATH/bin 目录(通常是 ~/go/bin),请确保此目录在您的 PATH 环境变量中。
3. 配置 Swagger 文件
使用 mcp-config-builder 工具来配置您的 Swagger 文件:
mcp-config-builder --swagger-file=/path/to/swagger.json
按照命令行界面(TUI)的提示来编辑和保存您的配置。
4. 运行 Auto MCP
在完成配置后,使用以下命令启动 auto-mcp 服务:
auto-mcp --swagger-file=/path/to/swagger.json --adjustment-file=/path/to/adjustments.json
如果需要在 Docker 容器中运行,请使用以下命令:
docker run --rm -i -v $(pwd)/swagger.json:/server/swagger.json ghcr.io/brizzai/auto-mcp:latest --swagger-file=/server/swagger.json
如果要使用 SSE 模式运行,请添加 --mode=sse 参数。
完成以上步骤后,您的 auto-mcp 服务器应该已经成功运行,并准备接收请求了。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
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
456
438
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++
1.08 K
1.1 K
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
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220