MCP-容器

Name: MCP-容器
Author: metorial

作者：metorial3154 星标更新：2025-11-24

项目介绍

<img src="./assets/repo-header.webp" alt="Metorial" width="100%" /> <br /> <h1 align="center">Metorial (YC F25)</h1> <p align="center"> 面向代理AI的开源集成平台。<br /> 通过一个函数调用，将任何AI模型连接到数千个API、数据源和工具。 </p>

[!TIP] 跳过设置，直接使用托管服务： 使用 Metorial 最快速、最简单且最可靠的方式是注册我们的托管平台。

➡️ 开始使用（免费）

简介

Metorial 使AI代理开发者能够轻松地通过模型上下文协议（MCP），将他们的模型连接到广泛的API、数据源和工具。 Metorial 抽象了 MCP 的复杂性，并为开发者提供了一个简单的统一接口，包括强大的SDK、详细的监控以及高度可定制的平台。

特性

✨ 一行代码SDK：通过一个函数调用，将您的AI模型连接到任何API、数据源或工具。
🛠️ 基于MCP：Metorial 是基于 Model Context Protocol 构建的，这是一种将AI模型连接到外部数据和工具的标准。
🚀 几分钟内启动：Metorial 设计得易于使用，具有简单的设置过程和统一的界面，用于所有AI集成。
🕊️ 自托管：Metorial 的源代码托管在 GitHub 上，您可以自行托管它。
👩‍💻 面向开发者的构建：Metorial 不是为最终用户设计的，而是为需要高质量工具、监控和自定义选项来构建代理AI应用程序的开发者设计的。

SDKs

Metorial 目前提供了以下语言的SDK：

<img src="assets/typescript.png" width="12px" height="12px" /> JavaScript/TypeScript
<img src="assets/python.svg" width="12px" height="12px" /> Python

如果您想构建自定义集成，请查看我们的 API 文档，了解如何直接使用 Metorial API 的详细信息。

Metorial 平台

Metorial 平台是驱动 Metorial 背后引擎的代码。它是开源的，可以自行托管。您可以使用它来运行自己的 Metorial 实例，由此仓库中的 MCP 服务器提供支持。

快速入门

最简单的方法是从 .run() 方法开始，该方法会自动处理会话管理和对话循环：

import { Metorial } from 'metorial';
import OpenAI from 'openai';

let metorial = new Metorial({ apiKey: 'your-metorial-api-key' });
let openai = new OpenAI({ apiKey: 'your-openai-api-key' });

let result = await metorial.run({
  message: '扫描我的Slack消息以查找会议并将它们添加到我的Google日历中。',
  serverDeployments: ['google-calendar-server', 'slack-server'], 
  model: 'gpt-4o',
  client: openai,
  maxSteps: 10 // 可选：限制对话步骤
});

console.log(`响应（完成于 ${result.steps} 步骤）：`);
console.log(result.text);

import asyncio
from metorial import Metorial
from openai import AsyncOpenAI

async def main():
  metorial = Metorial(api_key="your-metorial-api-key")
  openai = AsyncOpenAI(api_key="your-openai-api-key")
  
  response = await metorial.run(
    message="搜索Hackernews上的最新AI讨论。",
    server_deployments=["hacker-news-server-deployment"],
    client=openai,
    model="gpt-4o",
    max_steps=25    # 可选
  )
  
  print("响应：", response.text)

asyncio.run(main())

OAuth 集成

当与需要用户身份验证的服务（如Google日历、Slack等）一起工作时，Metorial 提供了OAuth会话管理来处理身份验证流程：

import { Metorial } from 'metorial';
import Anthropic from '@anthropic-ai/sdk';

let metorial = new Metorial({ apiKey: 'your-metorial-api-key' });
let anthropic = new Anthropic({ apiKey: 'your-anthropic-api-key' });

// 为需要用户身份验证的服务创建OAuth会话
let [googleCalOAuthSession, slackOAuthSession] = await Promise.all([
  metorial.oauth.sessions.create({ 
    serverDeploymentId: 'your-google-calendar-server-deployment-id' 
  }),
  metorial.oauth.sessions.create({ 
    serverDeploymentId: 'your-slack-server-deployment-id' 
  })
]);

// 给用户提供OAuth URL进行身份验证
console.log('OAuth URL用于用户身份验证：');
console.log(`   Google日历：${googleCalOAuthSession.url}`);
console.log(`   Slack：${slackOAuthSession.url}`);

// 等待用户完成OAuth流程
await metorial.oauth.waitForCompletion([googleCalOAuthSession, slackOAuthSession]);

console.log('OAuth会话已完成！');

// 现在使用已认证的会话进行您的运行
let result = await metorial.run({
  message: `在Slack中查找潜在合作伙伴的提及。使用Exa研究他们的背景、公司和电子邮件。安排一个30分钟的介绍电话，时间为2025年12月13日SF时间的空闲时段，并发送给我日历链接。无需确认即可进行操作。`,

  serverDeployments: [
    { 
      serverDeploymentId: 'your-google-calendar-server-deployment-id', 
      oauthSessionId: googleCalOAuthSession.id 
    },
    { 
      serverDeploymentId: 'your-slack-server-deployment-id', 
      oauthSessionId: slackOAuthSession.id 
    },
    { 
      serverDeploymentId: 'your-exa-server-deployment-id' // Exa不需要OAuth
    }
  ],
  client: anthropic,
  model: 'claude-3-5-sonnet-20241022'
});

console.log(result.text);

import asyncio
import os
from metorial import Metorial
from anthropic import AsyncAnthropic

async def main():
  metorial = Metorial(api_key=os.getenv("METORIAL_API_KEY"))
  anthropic = AsyncAnthropic(api_key=os.getenv("ANTHROPIC_API_KEY"))

  # 为已认证的服务创建OAuth会话
  google_cal_deployment_id = os.getenv("GOOGLE_CALENDAR_DEPLOYMENT_ID")
  
  print("🔗 创建OAuth会话...")
  oauth_session = metorial.oauth.sessions.create(
    server_deployment_id=google_cal_deployment_id
  )

  print("OAuth URL用于用户身份验证：")
  print(f"   Google日历：{oauth_session.url}")

  print("\n⏳ 等待OAuth完成...")
  await metorial.oauth.wait_for_completion([oauth_session])
  print("✅ OAuth会话已完成！")

  # 使用混合认证的多个服务器部署
  hackernews_deployment_id = os.getenv("HACKERNEWS_DEPLOYMENT_ID")
  
  result = await metorial.run(
    message="""使用可用工具搜索Hackernews上的最新AI讨论。然后使用Google日历工具为我@email.address安排明天下午2点的AI趋势讨论事件。""",
    server_deployments=[
      { "serverDeploymentId": google_cal_deployment_id, "oauthSessionId": oauth_session.id },
      { "serverDeploymentId": hackernews_deployment_id },
    ],
    client=anthropic,
    model="claude-sonnet-4-20250514",
    max_tokens=4096,
    max_steps=25,
  )
  print(result.text)

asyncio.run(main())

OAuth 流程解释

创建OAuth会话：对每个需要用户身份验证的服务调用 metorial.oauth.sessions.create()
发送URL：显示OAuth URL给用户，以便他们在浏览器中进行身份验证
等待完成：使用 metorial.oauth.waitForCompletion() 等待用户完成OAuth流程
使用已认证的会话：在配置 serverDeployments 时传递 oauthSessionId

示例

查看 examples/ 目录获取更全面的示例：

https://github.com/metorial/metorial-node/tree/main/examples/typescript-openai-run/ - 简单的.run()方法示例
https://github.com/metorial/metorial-node/tree/main/examples/typescript-openai/ - 手动OpenAI集成
https://github.com/metorial/metorial-node/tree/main/examples/typescript-anthropic/ - Anthropic集成
https://github.com/metorial/metorial-node/tree/main/examples/typescript-ai-sdk/ - AI SDK集成

多提供商支持

跨不同AI提供商使用相同的工具

提供商	模型示例	客户端所需
OpenAI	`gpt-4o`, `gpt-4`, `gpt-3.5-turbo`	`openaiClient`
Anthropic	`claude-3-5-sonnet-20241022`, `claude-3-haiku-20240307`	`anthropicClient`
Google	`gemini-pro`, `gemini-1.5-pro`, `gemini-flash`	`googleClient`
DeepSeek	`deepseek-chat`, `deepseek-coder`	`deepseekClient`
Mistral	`mistral-large-latest`, `mistral-small-latest`	`mistralClient`
XAI	`grok-beta`, `grok-vision-beta`	`xaiClient`
TogetherAI	`meta-llama/Llama-2-70b-chat-hf`, `NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO`	`togetheraiClient`

动机

MCP 是一种强大的标准，用于将AI模型连接到外部数据和工具，但它专注于使AI客户端（如Claude Desktop或Cursor）能够连接到工具和数据源。 Metorial 在此基础上构建，但使其成为开发人员的一行代码，以便他们可以将AI应用程序连接到任何API、数据源或工具。因此，我们使开发人员能够创建能够以可靠、简单和安全的方式与其他系统交互的代理AI应用程序。

技术栈

模型上下文协议 (MCP) - Metorial 由 Model Context Protocol 提供支持，这是一种将AI模型连接到外部数据和工具的标准。
Docker - Metorial 使用 Docker 在容器化环境中运行 MCP 服务器，使其易于部署和管理。
MCP 容器 - Metorial 提供了一系列预构建的 MCP 服务器 Docker 容器。
TypeScript - Metorial 的大部分都是用 TypeScript 编写的。
Bun - Metorial 的核心运行在 Bun 上，这是一个与 Node.js 兼容的快速 JavaScript 运行时。
Go - MCP 引擎是用 Go 编写的，为 Metorial 提供高性能的后端。
PostgreSQL - Metorial 使用 PostgreSQL 存储数据。
Redis - Metorial 使用 Redis 进行缓存和实时数据处理。
MongoDB - Metorial 使用 MongoDB 存储使用数据和日志。
React - Metorial 仪表板是用 React 构建的。

特性

Metorial 旨在让开发人员非常容易地将他们的AI应用程序连接到外部数据和工具。由 Model Context Protocol (MCP) 提供支持，Metorial 是基于标准构建的。

大型服务器目录

Metorial 服务器索引已经包含了超过5000个 MCP 服务器。找到并使用适合您AI应用程序的 MCP 服务器非常简单。一切都可搜索并且整齐地组织起来，所以您可以找到适合您使用场景的正确服务器。

https://github.com/user-attachments/assets/a171030e-0159-4ce2-9e92-f4fb3f7bfdc6

内置 MCP 探索器

直接在 Metorial 仪表板中测试和探索 MCP 服务器。内置的 MCP 探索器允许您在不离开仪表板的情况下使用任何 MCP 服务器。这使得在编写任何代码之前测试和调试您的集成变得容易。

https://github.com/user-attachments/assets/eeb73085-e1d6-4745-988a-385694d26500

监控和调试

每个 MCP 会话都会被记录下来，并可以在 Metorial 仪表板中进行审查。这使您能够监控并发现您的集成中的问题。而且更好的是，如果发生错误，Metorial 会检测到并提供详细的错误报告，这样您可以快速解决问题。

https://github.com/user-attachments/assets/c676411e-25b6-442a-af22-c8d99e2be25b

专为开发人员打造

Metorial 是从头开始为开发人员打造的。以下是使 Metorial 成为开发人员优秀选择的一些关键特性：

可定制：Metorial 高度可定制，允许您根据需要配置您的集成。
开源：Metorial 是开源的，因此您可以将其运行在自己的基础设施上，或者使用我们的托管平台。
多实例支持：创建多个 Metorial 项目的实例，以测试不同的配置、环境或集成版本。
强大的SDK：Metorial 提供了强大的 JavaScript/TypeScript 和 Python SDK，使您能够轻松地与您的AI应用程序集成。
详细的文档：Metorial 提供了详细的文档，涵盖了其所有特性的示例和教程，帮助您快速上手。
完整的API访问：Metorial 的每个特性都可以通过API访问，允许您构建自定义集成并自动化您的工作流。理论上，您可以使用API构建自己的仪表板。
高级仪表板：Metorial 仪表板提供了一个强大的界面，用于管理您的集成、监控您的使用情况和调试您的 MCP 服务器。

许可证

Metorial 目录在 Apache License 2.0 下发布。

<div align="center"> <sub>由 <a href="https://metorial.com">Metorial</a> 制作 ❤️</sub> </div>