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!
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00HunyuanWorld-Mirror
混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00GOT-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).Dockerfile013
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









