MCP Flutter项目LLM安装与配置完全指南
2025-06-24 22:21:02作者:齐添朝
前言
MCP Flutter Inspector是一款强大的Flutter应用调试工具,它通过LLM(大型语言模型)为开发者提供智能化的应用检查和交互能力。本文将详细介绍如何为MCP Flutter项目配置LLM环境,使AI助手能够与Flutter应用进行深度交互。
环境准备
在开始安装前,请确保您的开发环境满足以下要求:
- Flutter SDK:已安装并配置完成(包含Dart SDK)
- Flutter应用:准备一个用于调试的Flutter项目
- AI助手:支持Cursor、Claude、Cline AI等MCP兼容工具
- Git工具:用于代码仓库的克隆和管理
安装步骤详解
第一步:获取用户信息(AI助手执行)
在开始安装前,AI助手需要获取以下关键信息:
- 询问用户希望将
mcp_flutter仓库克隆到哪个目录(记为[MCP_SERVER_BASE_PATH]) - 确认要配置的Flutter应用项目路径(记为
[FLUTTER_APP_PATH])
重要提示:在获取这些路径信息前,不要继续后续步骤。
第二步:克隆仓库
使用获取到的[MCP_SERVER_BASE_PATH]执行以下命令:
cd [MCP_SERVER_BASE_PATH]
git clone [仓库地址]
cd mcp_flutter
克隆完成后,记[CLONED_MCP_FLUTTER_PATH]为[MCP_SERVER_BASE_PATH]/mcp_flutter。
第三步:安装依赖并构建
在[CLONED_MCP_FLUTTER_PATH]目录下执行:
make install
此命令将:
- 安装所有必要的Dart依赖
- 自动构建MCP服务器
- 在
mcp_server_dart/build/目录下生成可执行文件flutter_inspector_mcp
第四步:为Flutter应用添加MCP工具包
进入用户的Flutter应用目录[FLUTTER_APP_PATH],执行:
flutter pub add mcp_toolkit
或者手动在pubspec.yaml中添加依赖:
dependencies:
mcp_toolkit: ^0.2.0
然后运行:
flutter pub get
第五步:初始化MCP工具包
修改Flutter应用的main.dart文件:
import 'package:flutter/material.dart';
import 'package:mcp_toolkit/mcp_toolkit.dart';
import 'dart:async';
Future<void> main() async {
runZonedGuarded(
() async {
WidgetsFlutterBinding.ensureInitialized();
MCPToolkitBinding.instance
..initialize()
..initializeFlutterToolkit();
runApp(const MyApp());
},
(error, stack) {
MCPToolkitBinding.instance.handleZoneError(error, stack);
},
);
}
注意:请将const MyApp()替换为您应用的实际根组件。
第六步:以调试模式启动Flutter应用
使用以下命令启动Flutter应用:
flutter run --debug --host-vmservice-port=8182 --dds-port=8181 --enable-vm-service --disable-service-auth-codes
安全提示:--disable-service-auth-codes标志目前是必要的安全绕过措施。
AI助手配置指南
根据您使用的AI助手类型,选择相应的配置方式:
Cline AI配置
- 编辑配置文件(通常位于
~/Library/Application Support/[IDE]/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json)
{
"mcpServers": {
"flutter-inspector": {
"command": "[CLONED_MCP_FLUTTER_PATH]/mcp_server_dart/build/flutter_inspector_mcp",
"args": [
"--dart-vm-host=localhost",
"--dart-vm-port=8181",
"--resources",
"--images",
"--dynamics"
],
"env": {},
"disabled": false,
"autoApprove": []
}
}
}
- 重启Cline AI
Cursor配置
- 编辑
~/.cursor/mcp.json文件:
{
"mcpServers": {
"flutter-inspector": {
"command": "[CLONED_MCP_FLUTTER_PATH]/mcp_server_dart/build/flutter_inspector_mcp",
"args": [
"--dart-vm-host=localhost",
"--dart-vm-port=8181",
"--no-resources",
"--images",
"--dynamics"
],
"env": {},
"disabled": false
}
}
}
- 重启Cursor
- 使用Cmd+L(macOS)打开Agent面板测试功能
Claude Desktop配置
- 编辑配置文件(通常位于
~/Library/Application Support/Claude/claude_desktop_config.json)
{
"mcpServers": {
"flutter-inspector": {
"command": "[CLONED_MCP_FLUTTER_PATH]/mcp_server_dart/build/flutter_inspector_mcp",
"args": [
"--dart-vm-host=localhost",
"--dart-vm-port=8181",
"--resources",
"--images",
"--dynamics"
],
"env": {},
"disabled": false
}
}
}
- 重启Claude Desktop
动态工具注册功能
MCP Flutter Inspector v2.2.0引入了动态工具注册功能,允许:
- 运行时添加自定义工具
- 支持热重载
- 暴露应用特定的调试工具
示例代码
final customTool = MCPCallEntry.tool(
handler: (request) {
final name = request['name'] ?? 'World';
return MCPCallResult(
message: 'Hello, $name!',
parameters: {'greeting': 'Hello, $name!'},
);
},
definition: MCPToolDefinition(
name: 'say_hello',
description: 'Say hello to someone',
inputSchema: {
'type': 'object',
'properties': {
'name': {
'type': 'string',
'description': 'Name to greet',
},
},
},
),
);
await MCPToolkitBinding.instance.addEntries(entries: {customTool});
验证安装
完成安装后,可以通过以下方式验证:
- 确认Flutter应用以指定参数运行
- 确认AI助手已重启
- 尝试以下命令:
- "列出我的Flutter应用中的所有可用工具"
- "获取应用截图"
- "获取运行时错误"
常见问题解决
-
连接问题:
- 检查Flutter应用是否以正确的端口运行
- 验证AI工具的MCP服务器配置
-
MCP服务器未找到:
- 确认可执行文件路径正确
- 确保
make install成功执行
-
权限问题:
- 检查文件权限
- 确保可执行文件有执行权限
-
工具不可用:
- 确认AI助手已重启
- 检查配置中的
disabled标志
-
动态工具不显示:
- 确认
mcp_toolkit正确初始化 - 使用
listClientToolsAndResources验证注册 - 热重载Flutter应用
- 确认
命令行参数参考
MCP服务器支持以下参数:
--dart-vm-host:Dart VM连接主机(默认:localhost)--dart-vm-port:Dart VM连接端口(默认:8181)--resources:启用资源支持--no-resources:禁用资源支持--images:启用图片支持--dumps:启用转储支持--dynamics:启用动态工具注册--log-level:日志级别(默认:info)--environment:环境(默认:production)
通过本文的详细指导,您应该能够成功为MCP Flutter项目配置LLM环境,充分利用AI助手增强您的Flutter开发体验。
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 StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
689
4.46 K
Ascend Extension for PyTorch
Python
544
668
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++
955
928
Claude 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 Started
Rust
416
75
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
407
323
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
564
🎉 (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
1.59 K
925
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
642
292