1xn-虚拟机MCP
项目介绍
vMCP - 虚拟模型上下文协议
AI工作流和代理的乐高：
一个开源工具，用于组合、定制和扩展多个MCP服务器，形成一个单一的逻辑虚拟MCP服务器
专为细粒度上下文工程设计
- 创建vMCP，添加MCP服务器并微调
- 使用自己的提示、工具和资源进行扩展
- 将任何客户端（Claude、ChatGPT、Cursor、VSCode、自定义代理）连接到vMCP
- 根据您的工作流和代理需求创建多个逻辑vMCP
vMCP（虚拟模型上下文协议）是一个基于 模型上下文协议 构建的AI配置和管理平台。它既是：
- 一个构建在MCP基础上并扩展MCP的规范：vMCP.json
- 一个用于创建和部署vMCP服务器的平台：
我们为什么构建这个
模型上下文协议为AI集成解锁了令人难以置信的可能性，但用户和开发者很快遇到了限制：
- 配置地狱：管理多个客户端（Claude、ChatGPT、VSCode、Cursor、Gemini）的MCP配置非常繁琐
- 认证：每个MCP客户端都需要为其所有MCP进行单独认证
- 缺乏定制化：无法修改或扩展现有的MCP以满足特定的工作流需求——“上下文腐烂/混淆”
- 没有组合性：构建复杂工作流需要从多个MCP中拼凑多个工具
vMCP通过在标准MCP之上提供一层抽象和无代码配置界面解决了这些问题。
主要特性
- 灵活的vMCP创建：使用简单的无代码界面将不同的MCP服务器组合成一个统一的MCP服务器。
- 使用MCP进行上下文工程：
- 🛠️ 可定制工具：选择和覆盖上游MCP中的工具名称/描述，并预填充工具参数。
- ✨ 可扩展工具：使用Python、REST API或纯文本（提示工具）创建新工具。
- 🗣️ 可编程提示：定义可以调用其他工具和资源的提示，实现用户控制的工具链。
- 🔗 添加文件作为资源：选择MCP资源并添加您自己的知识库文件。
- MCP服务器认证：一次授权MCP服务器并在多个客户端（Claude、Cursor、ChatGPT、VSCode、Gemini、AI代理）之间重用。
- 使用统计：通过完整的MCP协议级别日志跟踪和分析vMCP使用模式。
- Docker和PyPi就绪：官方Docker镜像便于部署。uv和pip命令快速试用。
🚀 快速入门
前提条件
vMCP需要 Python 3.10 到 3.13 和 uv。
安装
要安装vMCP，请运行：
选项1：使用uvx（推荐）
uvx --from 1xn-vmcp vmcp run
或者使用uv
选项2：使用pip
pip install 1xn-vmcp
vmcp run
选项3：使用Docker
docker pull onexn/vmcp:latest
docker run -it onexn/vmcp:latest vmcp run
这将启动vMCP服务器在 http://localhost:8000。
🛠️ 开发
项目结构
vmcp/
├── src/vmcp/ # 主包
│ ├── backend/ # FastAPI后端
│ │ ├── mcps/ # MCP服务器管理
│ │ ├── vmcps/ # 虚拟MCP管理
│ │ ├── storage/ # 数据库模型
│ │ ├── proxy_server/ # 主应用
│ │ └── utilities/ # 日志与追踪
│ └── cli/ # CLI命令
├── frontend/ # React前端（Vite）
设置开发环境
# 克隆仓库
git clone https://github.com/1xn-labs/1xn-vmcp
make build-frontend
make run
📊 使用示例
创建vMCP
本指南引导您完成使用vMCP创建和管理虚拟MCP服务器的过程。按照以下步骤开始将多个MCP服务器聚合到一个统一的接口中。
步骤1：访问vMCP主页
启动vMCP后，在浏览器中导航到 http://localhost:8000。vMCP主页提供了一个集中式仪表板，您可以在其中管理虚拟MCP配置。
步骤2：创建新的vMCP
点击 "+ 创建您的第一个vMCP" 按钮开始构建您的虚拟MCP。在创建对话框中，为您的vMCP提供名称和描述。vMCP允许您将来自多个MCP服务器的工具、资源和提示组合成一个统一的端点。您可以稍后添加服务器和配置工具，因此从一个描述性的名称开始，例如“Coding_assistant”用于开发重点的vMCP。
<div align="center"> <img src="https://gips3.baidu.com/it/u=237066581,470575836&fm=3081&app=3081&f=PNG?w=910&h=862" alt="创建新的vMCP对话框" width="650"/> </div>步骤3：使用MCP服务器扩展您的vMCP
创建vMCP后，您会看到“添加MCP连接器”按钮，显示一个知名远程MCP服务器的网格。您可以浏览并添加这些服务器到vMCP。
<div align="center"> <img src="https://raw.githubusercontent.com/1xn-labs/1xn-vmcp/main/.assets/img/3_extend_vmcp.png" alt="使用MCP服务器扩展vMCP" width="650"/> </div>步骤4：添加自定义服务器
如果您需要连接到社区库中未包含的自定义MCP服务器，点击 "添加自定义服务器" 或使用自定义服务器选项。在对话框中，提供服务器名称，选择传输类型（HTTP、SSE），输入服务器URL，并可选地添加环境变量和标头。这允许您连接到任何MCP兼容服务器，包括您自己的自定义实现。
<div align="center"> <img src="https://gips0.baidu.com/it/u=3809279971,3498831174&fm=3081&app=3081&f=PNG?w=1302&h=1668" alt="添加自定义MCP服务器对话框" width="650"/> </div>步骤5：过滤和编辑现有工具
将MCP服务器添加到您的vMCP后，导航到vMCP编辑器中的 "工具" 选项卡。在这里，您可以查看所有已连接MCP服务器的可用工具。使用搜索和筛选选项查找特定工具，启用或禁用它们，并覆盖工具名称和描述。您还可以测试单个工具或一次性选择/取消选择来自特定MCP服务器的所有工具。
<div align="center"> <img src="https://raw.githubusercontent.com/1xn-labs/1xn-vmcp/main/.assets/img/5_filter_edit_existing_tools.png" alt="在vMCP中过滤和编辑工具" width="650"/> </div>步骤6：添加自定义工具和提示
除了来自MCP服务器的工具外，您还可以直接在vMCP中创建自定义工具和提示。导航到 "提示" 选项卡以创建可调用其他工具的可编程提示，实现用户控制的工具链。您可以定义提示参数、描述，并使用 @ 语法提及参数、配置、工具和资源。同样，您可以使用Python片段或REST API创建自定义工具。
步骤7：使用您的vMCP
配置并保存vMCP后，您可以使用任何MCP兼容客户端。从编辑器中复制vMCP URL（例如 http://localhost:8000/private/Coding_asstistant/vmcp），并使用MCP Inspector等工具或直接从AI应用程序（如Claude、Cursor或Copilot）连接到它。vMCP将聚合所有选定的工具、资源和提示到一个统一的端点。
📚 文档
有关全面的文档、指南和API参考，请访问 vMCP 文档。
🤝 贡献
我们欢迎贡献！请参阅 CONTRIBUTING.md 了解指南。
运行测试
# 启动测试MCP服务器和REST API服务器。
make test-servers
# 使用pytest运行测试
make run-tests
📄 许可证
vMCP是根据 MIT许可证 许可的开源软件。
🙏 致谢
我们要特别感谢Anthropic和整个 模型上下文协议社区 创建了如此出色的基石。MCP从根本上改变了我们对AI集成的看法。
📞 支持
- 🐛 报告问题
- 📧 邮件: contact@1xn.ai
由1xn团队用心制作