Apollo MCP Server 快速入门指南:构建AI与GraphQL的桥梁
概述
Apollo MCP Server 是一个创新的工具,它允许开发者将GraphQL操作转化为AI可用的工具。通过MCP(模型上下文协议),AI助手如Claude可以直接与您的GraphQL API进行交互,实现自然语言到GraphQL查询的转换。本文将带您快速搭建一个基于太空数据的AI交互系统。
核心概念
在开始之前,让我们理解几个关键概念:
- MCP(模型上下文协议):一种让AI模型能够发现和使用外部工具的协议
- GraphQL操作:查询(query)、变更(mutation)和订阅(subscription)
- AI工具:通过MCP暴露的GraphQL操作,AI可以直接调用
环境准备
在开始之前,请确保您已准备好以下环境:
- 安装最新版本的Node.js(建议16.x或更高版本)
- 安装Apollo Rover CLI(0.32或更高版本)
- 获取Apollo MCP Server的代码副本
实战步骤
第一步:理解示例项目
我们使用一个太空数据API的示例项目,该项目包含:
- 一个联邦图(federated graph),连接The Space Devs API
- 四个预定义的GraphQL操作,将作为AI工具暴露:
ExploreCelestialBodies- 搜索行星、卫星和恒星GetAstronautDetails- 获取宇航员详细信息GetAstronautsCurrentlyInSpace- 查询当前在太空的宇航员SearchUpcomingLaunches- 查找即将进行的火箭发射
第二步:启动MCP服务器
执行以下命令启动本地开发服务器:
rover dev --supergraph-config ./graphql/TheSpaceDevs/supergraph.yaml \
--mcp \
--mcp-operations ./graphql/TheSpaceDevs/operations/ExploreCelestialBodies.graphql \
./graphql/TheSpaceDevs/operations/GetAstronautDetails.graphql \
./graphql/TheSpaceDevs/operations/GetAstronautsCurrentlyInSpace.graphql \
./graphql/TheSpaceDevs/operations/SearchUpcomingLaunches.graphql
这个命令做了三件事:
- 使用supergraph配置启动本地图
- 通过
--mcp标志启用MCP服务器 - 将指定的GraphQL操作暴露为MCP工具
第三步:验证服务器运行
使用MCP Inspector工具验证服务器是否正常运行:
-
安装并启动MCP Inspector:
npx @modelcontextprotocol/inspector -
在浏览器中访问
http://127.0.0.1:6274 -
在Inspector中:
- 选择
Streamable HTTP作为传输类型 - 输入
http://127.0.0.1:5000/mcp作为URL - 点击"Connect",然后点击"List Tools"
- 选择
如果一切正常,您应该能看到服务器暴露的工具列表。
第四步:配置Claude Desktop
为了让Claude能够使用这些工具,需要进行以下配置:
-
找到Claude的配置文件:
- macOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%\Claude\claude_desktop_config.json - Linux:
~/.config/Claude/claude_desktop_config.json
- macOS:
-
添加MCP服务器配置:
{ "mcpServers": { "thespacedevs": { "command": "npx", "args": [ "mcp-remote", "http://127.0.0.1:5000/mcp" ] } } } -
重启Claude Desktop使配置生效
第五步:测试交互
现在可以测试AI与GraphQL的交互了:
-
询问Claude可用的工具: "What MCP tools do you have available?" Claude应该列出四个太空数据工具
-
尝试实际查询: "Who are the astronauts currently in space?" Claude应该使用
GetAstronautsCurrentlyInSpace工具并返回当前在太空的宇航员信息 -
探索其他功能: "What rocket launches are coming up?" "Tell me about the planet Mars"
常见问题排查
服务器启动问题
- 端口占用:如果5000端口被占用,可以使用
--mcp-sse-port参数指定其他端口 - 配置加载失败:确保从项目根目录运行命令,并检查supergraph.yaml路径是否正确
连接问题
- Inspector无法连接:检查服务器是否运行,URL是否正确,防火墙是否阻止连接
- Claude无法识别工具:确认配置文件路径正确,JSON格式无误,并已重启Claude
操作问题
- 操作未找到:检查操作文件是否存在,操作名称是否匹配
- 模式验证失败:确保GraphQL操作与模式匹配,检查语法错误
进阶使用
替代运行方式
除了HTTP传输,MCP Server还支持STDIO传输方式,适用于需要更直接控制服务器进程的环境:
-
下载Apollo MCP Server二进制文件
-
使用以下命令启动:
npx @modelcontextprotocol/inspector apollo-mcp-server \ --directory <MCP示例目录绝对路径> \ --schema api.graphql \ --operations operations \ --endpoint https://thespacedevs-production.up.railway.app/ -
修改Claude配置使用STDIO方式连接
总结
通过本指南,您已经成功搭建了一个将GraphQL API转化为AI工具的系统。这种技术可以应用于任何GraphQL API,为AI助手提供强大的数据访问能力。未来,您可以:
- 为自己的业务API创建MCP工具
- 探索更复杂的GraphQL操作
- 优化AI工具的提示和描述,提高交互质量
Apollo MCP Server为GraphQL和AI的集成开辟了新的可能性,期待看到您构建的创新应用!
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00