mcp-coded-tools

从 MCP 服务器生成可发现的代码供 AI 代理工具使用。

为什么？

模型上下文协议 (MCP) 允许 AI 代理连接到外部工具和数据。然而，正如 Anthropic 的 工程文章 所解释的，直接将数百或数千个工具定义加载到代理的上下文窗口中是低效的：

• 工具定义消耗过多的令牌（大型工具集超过 100K 个令牌）
• 中间结果反复通过上下文窗口流动
• 代理在规模上变得越来越慢且成本更高

解决方案：将 MCP 服务器呈现为代理可以通过文件系统接口发现和使用的 代码 API。这种方法可以减少高达 98.7% 的令牌使用量，同时使更强大的代理工作流程成为可能。

问题：手动为每个 MCP 工具编写包装代码是乏味的。

mcp-coded-tools：自动从任何 MCP 服务器生成可发现的 Python 代码。

安装

pip install mcp-coded-tools

快速开始

命令行使用

# 从流行的 MCP 服务器生成代码
mcp-coded-tools generate \
  --command "npx -y @modelcontextprotocol/server-github" \
  --output ./servers \
  --server-name github

# 从多个服务器生成以完成整个工作流
mcp-coded-tools generate \
  --command "npx -y @modelcontextprotocol/server-github" \
  --command "npx -y @modelcontextprotocol/server-postgres" \
  --command "python slack_mcp_server.py" \
  --output ./servers

# 开发模式（更改时自动重新生成）
mcp-coded-tools generate \
  --command "python ./my_mcp_server.py" \
  --output ./tools \
  --watch

💡 参见 POPULAR_MCP_SERVERS.md 获取 50 多个流行服务器和实际用例！

💡 参见 WATCH_MODE.md 获取开发期间的自动重新生成！

Python API

import asyncio
from mcp-coded-tools import MCPCodeGenerator

async def main():
    generator = MCPCodeGenerator()

    # 连接到 MCP 服务器并生成代码
    await generator.connect_and_scan([
        "npx", "-y", "@modelcontextprotocol/server-gdrive"
    ])

    generator.generate_code(
        output_dir="./servers",
        server_name="google_drive"
    )

    print("✓ 生成了可发现的代码！")

asyncio.run(main())

生成的内容

servers/
├── google_drive/
│   ├── __init__.py
│   ├── get_document.py
│   ├── list_files.py
│   └── ...
├── salesforce/
│   ├── __init__.py
│   ├── update_record.py
│   └── ...
└── _client.py

每个工具都成为一个带有类型的 Python 函数：

# servers/google_drive/get_document.py
from typing import Optional, Dict, Any
from .._client import call_mcp_tool

async def get_document(
    document_id: str,
    fields: Optional[str] = None
) -> Dict[str, Any]:
    """
    从 Google Drive 检索文档
    """
    return await call_mcp_tool(
        'gdrive_getDocument',
        {'documentId': document_id, 'fields': fields}
    )

代理使用

代理通过探索文件系统来发现工具：

# 代理列出可用的服务器
import os
servers = os.listdir('./servers')
# ['google_drive', 'salesforce', ...]

# 代理读取特定工具
with open('./servers/google_drive/get_document.py') as f:
    tool_def = f.read()
    # 理解参数、类型、描述

# 代理编写代码以使用工具
import servers.google_drive as gdrive
import servers.salesforce as sf

async def sync_meeting_notes():
    doc = await gdrive.get_document(document_id="abc1_23")
    
    await sf.update_record(
        object_type="Lead",
        record_id="xyz789",
        data={"Notes": doc['content']}
    )

功能

• ✅ 从任何 MCP 服务器自动生成代码
• ✅ 类型提示以获得更好的 IDE 支持和代理理解
• ✅ 从 MCP 工具描述提取文档字符串
• ✅ 多个服务器自动命名空间分离
• ✅ 命令行和 Python API灵活性
• ✅ 详细的日志记录错误处理
• ✅ 异步支持并发工具执行

配置

服务器发现

默认情况下，工具名称被分析以提取服务器前缀：

• gdrive_getDocument → gdrive 服务器
• salesforce_updateRecord → salesforce 服务器

使用显式服务器名称覆盖：

generator.generate_code(
    output_dir="./servers",
    server_name="my_custom_name"
)

自定义模板

使用 Jinja2 模板自定义生成的代码：

generator = MCPCodeGenerator(
    template_dir="./my_templates"
)

工作原理

1. 连接：通过标准 I/O、HTTP 或 SSE 建立与 MCP 服务器的连接
2. 内省：使用 MCP 协议查询服务器获取所有可用工具
3. 解析：提取工具名称、描述和 JSON 模式
4. 生成：创建带有适当导入的带类型的 Python 函数
5. 组织：将代码结构化为可发现的文件系统层次结构

使用案例

🏢 企业事件响应

跨多个系统自动化 DevOps 工作流：

mcp-coded-tools generate \
  --command "npx -y @modelcontextprotocol/server-postgres" \
  --command "npx -y @modelcontextprotocol/server-github" \
  --command "python slack_mcp_server.py" \
  --output ./devops_tools

工作流：查询错误 → 创建问题 → 通知团队 令牌节省：98%（150K → 3K 令牌） 成本影响：每次事件从 $3.00 降低到 $0.06

📊 数据分析管道

处理数百万行数据而不污染上下文：

from data_tools.postgres import execute_query
from data_tools.slack import post_message

# 查询 1M 行 - 保持在执行环境中！
rows = await execute_query(
    query="SELECT * FROM transactions WHERE date > NOW() - INTERVAL '30 days'"
)

# 在代码中处理数据（从未进入上下文）
import pandas as pd
df = pd.DataFrame(rows)
summary = df.groupby('user_id')['amount'].sum()

# 只有摘要进入上下文
await post_message(
    channel='analytics',
    text=f"处理了 {len(df):,} 笔交易，总计：${summary.sum():,.2f}"
)

规模：处理 TB 级数据，而不是 MB 级 投资回报率：每年 $109M 的收益，每天运行 500 次查询的操作

🤖 自动代码审查

大规模地使用 AI 辅助审查 PR：

mcp-coded-tools generate \
  --command "npx -y @modelcontextprotocol/server-github" \
  --command "npx -y @modelcontextprotocol/server-filesystem" \
  --command "npx -y @modelcontextprotocol/server-sequential-thinking" \
  --output ./code_review_tools

影响：每天审查数千个 PR，并保持一致的质量

📚 参见 examples/real_world_workflows.py 获取 5 个完整的生产示例！

开发

# 克隆仓库
git clone https://github.com/bluman1/mcp-coded-tools.git
cd mcp-coded-tools

# 以开发模式安装
pip install -e ".[dev]"

# 运行测试
pytest

# 格式化代码
black src/ tests/
ruff check src/ tests/

# 类型检查
mypy src/

贡献

欢迎贡献！请阅读 CONTRIBUTING.md 了解指南。

许可证

MIT 许可证 - 详情见 LICENSE。

致谢

灵感来自 Anthropic 的 关于使用 MCP 执行代码的工程文章。

由 Michael Ogundare 为 MCP 社区构建。