MCP Flutter项目LLM安装与配置完全指南
2025-06-24 10:35:04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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
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
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
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++
689
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
1.03 K
493