MCPHub零门槛部署指南:从环境准备到功能验证的完整流程
MCPHub作为一款能够将多个MCP服务器整合到单一SSE端点的统一中心服务器,为服务器管理和资源整合提供了高效解决方案。本指南将通过环境自检、部署实施、功能验证和场景扩展四个核心模块,帮助新手用户快速完成部署并掌握核心功能。
三步环境自检清单
在开始部署前,请确保系统满足以下环境要求,这将有效避免90%的部署问题:
-
Docker环境检查
执行以下命令验证Docker是否安装并正常运行:docker --version # 检查Docker版本,需20.10.0以上 docker-compose --version # 检查Docker Compose版本,需v2.0+✅ 预期结果:命令返回版本号且无错误提示。
⚠️ 风险提示:若提示"command not found",需先参考Docker官方文档安装环境。 -
端口可用性确认
默认部署将使用3000端口(应用)和5432端口(数据库),执行以下命令检查端口占用情况:netstat -tuln | grep -E '3000|5432' # 检查关键端口占用✅ 预期结果:无输出表示端口可用。
⚠️ 风险提示:若端口已被占用,需在后续配置中修改端口映射。 -
网络连接测试
确保服务器能正常访问外部网络(用于拉取Docker镜像):ping -c 3 registry.docker.com # 测试Docker镜像仓库连接✅ 预期结果:网络连通且无丢包。
Docker容器化部署全流程
完成环境检查后,通过以下步骤快速部署MCPHub完整服务栈:
1. 项目资源获取
git clone https://gitcode.com/gh_mirrors/mc/mcphub # 克隆项目仓库
cd mcphub # 进入项目目录
2. 配置文件定制
创建.env文件自定义部署参数(避免直接修改配置文件):
# 数据库配置
DB_PASSWORD=your_secure_password # 建议至少8位包含大小写字母和数字
DB_PORT=5432 # 若5432端口被占用可修改为其他端口
# 应用配置
MCPHUB_PORT=3000 # 应用访问端口
LOG_LEVEL=info # 日志级别:debug/info/warn/error
3. 服务启动与状态监控
docker-compose -f docker-compose.db.yml up -d # 后台启动服务栈
docker-compose -f docker-compose.db.yml ps # 检查服务状态
服务正常启动后,会看到两个运行中的容器:mcphub_postgres(数据库)和mcphub_app(应用服务)。
功能验证与界面导览
部署完成后,通过以下步骤确认系统功能正常并了解核心操作界面:
1. 基础访问测试
打开浏览器访问 http://服务器IP:3000,使用默认账号 admin 和密码 admin123 登录系统。首次登录将强制要求修改密码,建议设置包含特殊字符的强密码。
2. 仪表盘功能验证
成功登录后将进入MCPHub仪表盘,该界面提供服务器状态总览:
仪表盘关键指标说明:
- 服务器总数:当前管理的MCP服务器总量
- 在线服务器:绿色标识表示正常连接的服务器
- 最近服务器列表:显示各服务器工具数量和启用状态
3. 核心功能模块体验
MCPHub提供四大核心功能模块,通过左侧导航栏访问:
服务器管理
可添加、编辑和监控MCP服务器,支持查看实时连接状态和工具列表。
分组管理
支持将服务器按业务场景分组,便于批量管理和权限控制:
服务器市场
提供丰富的MCP服务器资源,可一键安装官方和社区贡献的服务器:
生产环境配置优化指南
基础部署完成后,针对生产环境建议进行以下优化配置:
1. 数据持久化增强
默认配置已使用本地卷存储数据,进一步优化可修改docker-compose.db.yml中的卷配置:
volumes:
postgres_data:
driver: local
driver_opts:
type: 'none'
o: 'bind'
device: '/path/to/your/persistent/directory' # 替换为实际持久化路径
2. 安全加固措施
- 修改默认管理员密码后,建议创建不同权限的用户账号
- 通过
Settings→Security配置IP访问限制和HTTPS证书 - 定期执行
docker-compose -f docker-compose.db.yml pull更新镜像
3. 性能调优建议
根据服务器硬件配置调整资源限制:
services:
app:
deploy:
resources:
limits:
cpus: '2' # 根据CPU核心数调整
memory: 2G # 根据内存大小调整
常见问题诊断工具
部署或使用过程中遇到问题,可通过以下工具快速定位:
- 服务日志查看
docker-compose -f docker-compose.db.yml logs -f app # 实时查看应用日志
docker-compose -f docker-compose.db.yml logs -f postgres # 查看数据库日志
- 容器状态检查
docker inspect mcphub_app # 查看应用容器详细配置
docker exec -it mcphub_app /bin/bash # 进入容器内部调试
- 数据库连接测试
docker exec -it mcphub_postgres psql -U postgres -d mcphub # 直接连接数据库
通过本指南,你已掌握MCPHub从环境准备到生产部署的完整流程。更多高级功能配置可参考项目文档:docs/configuration/。
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


