使用说明

MCP工具厂

生成与以下对象兼容的通用MCP服务器任何 AI代理框架。

一次构建，随处运行：Claude、OpenAI、Google ADK、LangChain、CrewAI等等。

为什么选择MCP？

MCP（模型上下文协议）是人工智能工具的通用标准：

由Anthropic创建（2024年11月）
OpenAI采纳（2025年3月）
由谷歌、LangChain、CrewAI、LlamaIdex提供支持
捐赠给Linux基金会（2025年12月）

一个MCP服务器=适用于所有框架。

特性

特性	描述
自然语言	用简单的英语描述工具，获取可用代码
OpenAPI导入	使用身份验证支持自动转换REST API
数据库CRUD	从SQLite/PPostgreSQL模式生成工具
多供应商	Anthropic、OpenAI、谷歌Gemini支持
网页搜索	在生成代码之前研究API
身份验证注入	内置API密钥管理
健康检查	监控服务器和身份验证状态
CI/CD就绪	包括GitHub操作工作流
完整日志记录	完整的执行跟踪

快速开始

安装

pip install mcp-tool-factory

安装您首选的LLM提供程序：

# Anthropic Claude (recommended)
pip install mcp-tool-factory[anthropic]

# OpenAI GPT
pip install mcp-tool-factory[openai]

# Google Gemini
pip install mcp-tool-factory[google]

# All providers
pip install mcp-tool-factory[all-providers]

设置API密钥

cp .env.example .env

编辑 .env:

# Choose one:
ANTHROPIC_API_KEY=sk-ant-api03-xxxxx
# OPENAI_API_KEY=sk-xxxxx
# GOOGLE_API_KEY=xxxxx

获取API密钥：

人类学：https://console.anthropic.com/
OpenAI：https://platform.openai.com/api-keys
谷歌https://aistudio.google.com/apikey

用法

1.从自然语言生成

# Basic generation
mcp-factory generate "Create a tool that fetches weather data for any city"

# With web search for API docs
mcp-factory generate "Stock price API using Alpha Vantage" --web-search

# With API key injection
mcp-factory generate "Weather API" --auth WEATHER_API_KEY --auth BACKUP_KEY

# Disable health check
mcp-factory generate "Simple calculator" --no-health-check

# Use specific provider
mcp-factory generate "Date utilities" --provider openai --model gpt-5.2

2.根据OpenAPI规范生成

# Auto-detect base URL and auth from spec
mcp-factory from-openapi petstore.yaml

# Override base URL
mcp-factory from-openapi api.json --base-url https://api.example.com

# Custom server name
mcp-factory from-openapi spec.yaml --name MyAPIServer

支持的身份验证类型：

API密钥（头、查询、cookie）
承载令牌
OAuth2
基本认证

3.从数据库生成

# SQLite database
mcp-factory from-database ./myapp.db

# Specific tables only
mcp-factory from-database ./data.db --tables users --tables orders

# PostgreSQL
mcp-factory from-database "postgresql://user:pass@host/db" --type postgresql

生成的CRUD工具：

get_<table> -按主键获取记录
list_<table> -带过滤和分页的列表
create_<table> -插入新记录
update_<table> -更新现有记录
delete_<table> -删除记录

4.测试和服务

# Run tests
mcp-factory test ./servers/my-server

# Start server for testing
mcp-factory serve ./servers/my-server

# With SSE transport
mcp-factory serve ./servers/my-server --transport sse --port 8080

生成的输出

每一代都会创建一个完整的服务器包：

servers/my-server/
├── server.py              # FastMCP server with all tools
├── tests/
│   ├── __init__.py
│   └── test_tools.py      # Pytest tests
├── .github/
│   └── workflows/
│       └── ci.yml         # GitHub Actions CI/CD
├── Dockerfile             # Container config with HEALTHCHECK
├── pyproject.toml         # Package configuration
├── README.md              # Usage documentation
├── skill.md               # Claude Code skill file
├── EXECUTION_LOG.md       # Full generation trace
└── execution_log.json     # Machine-readable log

与AI框架一起使用

克劳德代码/克劳德桌面

添加 .claude/mcp.json:

{
  "mcpServers": {
    "my-tools": {
      "command": "python",
      "args": ["./servers/my-server/server.py"],
      "env": {
        "API_KEY": "your-api-key"
      }
    }
  }
}

OpenAI代理SDK

from agents import Agent
from agents.mcp import MCPServerStdio

async with MCPServerStdio(
    command="python",
    args=["./servers/my-server/server.py"],
    env={"API_KEY": "your-key"}
) as mcp:
    agent = Agent(name="MyAgent", mcp_servers=[mcp])

LangChain

from langchain_mcp_adapters import load_mcp_tools

tools = await load_mcp_tools(
    command="python",
    args=["./servers/my-server/server.py"]
)
agent = create_react_agent(llm, tools)

谷歌ADK

from google.adk.tools import MCPToolAdapter

adapter = MCPToolAdapter(
    command="python",
    args=["./servers/my-server/server.py"]
)
agent = Agent(tools=[adapter])

CLI 参考

# Natural language generation
mcp-factory generate "description" [OPTIONS]
  --output, -o      Output directory (default: ./servers)
  --name, -n        Server name
  --provider, -p    LLM provider: claude_code, anthropic, openai, google
  --model, -m       Model to use
  --web-search, -w  Search web for API docs first
  --auth, -a        Auth env vars (repeatable)
  --health-check    Include health check (default: enabled)

# OpenAPI generation
mcp-factory from-openapi OPENAPI_PATH [OPTIONS]
  --base-url, -u    API base URL (auto-detected if not set)
  --output, -o      Output directory
  --name, -n        Server name (auto-generated if not set)

# Database generation
mcp-factory from-database DATABASE_PATH [OPTIONS]
  --type, -t        Database type: sqlite, postgresql
  --output, -o      Output directory
  --name, -n        Server name
  --tables, -T      Specific tables (repeatable)

# Testing & serving
mcp-factory test SERVER_PATH
mcp-factory serve SERVER_PATH [--transport stdio|sse] [--port 8000]

# Info
mcp-factory info

配置

支持的供应商和型号

拟人克劳德（推荐）

型号ID	描述
`claude-sonnet-4-5-20241022`	Sonnet 4.5-最适合代理（默认）
`claude-opus-4-5-20251101`	Opus 4.5-最智能
`claude-haiku-4-5-20241022`	俳句4.5-最快
`claude-opus-4-20250514`	Opus 4-优秀的编码

开放人工智能

型号ID	描述
`gpt-5.2`	GPT-5.2-最新旗舰（默认）
`gpt-5.1`	GPT-5.1-增强个性化
`gpt-4.1`	GPT-4.1-1M上下文，出色的编码
`o3`	o3-最佳推理
`o4-mini`	o4-mini-快速推理

谷歌双子座

型号ID	描述
`gemini-3-flash`	Gemini 3闪光灯（默认）
`gemini-3-pro`	Gemini 3 Pro-能力最强
`gemini-2.5-flash`	Gemini 2.5闪光灯-物超所值

程序化使用

from tool_factory import ToolFactoryAgent
from tool_factory.config import FactoryConfig, LLMProvider

# Auto-detect provider from environment
agent = ToolFactoryAgent()

# Explicit configuration
config = FactoryConfig(
    provider=LLMProvider.ANTHROPIC,
    model="claude-sonnet-4-5-20241022",
    api_key="your-api-key",
)
agent = ToolFactoryAgent(config=config)

# Generate server
result = agent.generate_from_description_sync(
    description="Create a currency converter tool",
    server_name="CurrencyServer",
    web_search=True,
    auth_env_vars=["EXCHANGE_API_KEY"],
    include_health_check=True,
)

# Write to disk
result.write_to_directory("./servers/currency")

OpenAPI程序化使用

import asyncio
import yaml

agent = ToolFactoryAgent()

with open("api.yaml") as f:
    spec = yaml.safe_load(f)

result = asyncio.run(agent.generate_from_openapi(
    openapi_spec=spec,
    base_url="https://api.example.com",  # Optional, auto-detected
    server_name="MyAPIServer",
))

数据库编程使用

from tool_factory.database import (
    DatabaseType,
    DatabaseIntrospector,
    DatabaseServerGenerator,
)

# Introspect schema
introspector = DatabaseIntrospector(
    DatabaseType.SQLITE,
    "./myapp.db"
)
tables = introspector.get_tables()

# Generate server
generator = DatabaseServerGenerator(
    DatabaseType.SQLITE,
    "./myapp.db",
    tables=tables,
)
server_code = generator.generate_server_code("MyDBServer")

建筑

┌─────────────────────────────────────────────────────────────────────────┐
│                         MCP TOOL FACTORY                                 │
├─────────────────────────────────────────────────────────────────────────┤
│                                                                          │
│  ┌──────────────────┐   ┌──────────────────┐   ┌──────────────────────┐ │
│  │      INPUT       │   │    PROCESSING    │   │       OUTPUT         │ │
│  ├──────────────────┤   ├──────────────────┤   ├──────────────────────┤ │
│  │ • Natural Lang   │   │ • Web Search     │   │ • MCP Server         │ │
│  │ • OpenAPI Spec   │ → │ • LLM Generation │ → │ • Tests              │ │
│  │ • Database       │   │ • Code Gen       │   │ • Dockerfile         │ │
│  │                  │   │ • Validation     │   │ • CI/CD Workflow     │ │
│  └──────────────────┘   └──────────────────┘   │ • Documentation      │ │
│                                                 │ • Execution Log      │ │
│                                                 └──────────────────────┘ │
│                                                                          │
│  ┌──────────────────────────────────────────────────────────────────┐   │
│  │                     LLM PROVIDERS                                 │   │
│  │  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────────────┐  │   │
│  │  │ Anthropic│  │  OpenAI  │  │  Google  │  │ Claude Agent SDK │  │   │
│  │  └──────────┘  └──────────┘  └──────────┘  └──────────────────┘  │   │
│  └──────────────────────────────────────────────────────────────────┘   │
│                                                                          │
└─────────────────────────────────────────────────────────────────────────┘
                                    │
                                    ▼
              Works with ALL MCP-compatible frameworks
     ┌──────────┬──────────┬──────────┬──────────┬──────────┐
     │  Claude  │  OpenAI  │  Google  │ LangChain│  CrewAI  │
     │   Code   │  Agents  │   ADK    │          │          │
     └──────────┴──────────┴──────────┴──────────┴──────────┘

例子

天气API与Auth

mcp-factory generate "Weather API using OpenWeatherMap" \
  --web-search \
  --auth OPENWEATHER_API_KEY \
  --name WeatherServer

生成 server.py 包括：

# Auth configuration
AUTH_CONFIG = {
    "OPENWEATHER_API_KEY": os.environ.get("OPENWEATHER_API_KEY"),
}

@mcp.tool()
def health_check() -> dict:
    """Check server health and auth status."""
    return {
        "status": "healthy",
        "auth_config": {"OPENWEATHER_API_KEY": "configured"},
        ...
    }

@mcp.tool()
def get_weather(city: str) -> dict:
    """Get current weather for a city."""
    api_key = require_auth("OPENWEATHER_API_KEY")
    ...

来自OpenAPI的REST API

mcp-factory from-openapi petstore.yaml

为每个端点自动生成工具，包括：

路径参数插值
查询参数处理
请求身体支持
身份验证标头
错误处理

数据库CRUD

mcp-factory from-database ./ecommerce.db --tables products --tables orders

生成完整的CRUD操作：

@mcp.tool()
def get_products(id: int) -> dict: ...

@mcp.tool()
def list_products(name: str = None, price: float = None, limit: int = 100) -> dict: ...

@mcp.tool()
def create_products(name: str, price: float, ...) -> dict: ...

@mcp.tool()
def update_products(id: int, name: str = None, price: float = None) -> dict: ...

@mcp.tool()
def delete_products(id: int) -> dict: ...

支持的框架

框架	支持	集成
Claude代码	原生	内置MCP客户端
Claude Desktop	原生	内置MCP客户端
OpenAI代理SDK	原生	`mcp_servers` 参数
Google ADK	Native	MCP工具适配器
LangChain	本地	`langchain-mcp-adapters`
CrewAI	原生	MCP集成
LlamaIndex	原生	MCP工具规范

发展

# Clone and install
git clone https://github.com/HeshamFS/mcp-tool-factory
cd mcp-tool-factory
pip install -e ".[dev]"

# Run tests
pytest

# Type check
mypy src/

# Format
black src/
ruff check src/

项目结构

mcp-tool-factory/
├── src/tool_factory/
│   ├── __init__.py
│   ├── agent.py              # Main ToolFactoryAgent
│   ├── cli.py                # CLI commands
│   ├── config.py             # Configuration & providers
│   ├── models.py             # Data models
│   ├── prompts.py            # LLM prompts
│   ├── openapi.py            # OpenAPI parser & validator
│   ├── database.py           # Database introspection & CRUD
│   ├── web_search.py         # Web search integration
│   ├── execution_logger.py   # Full execution logging
│   ├── production.py         # Rate limiting, metrics
│   ├── validation.py         # Generated code validation
│   ├── auth/                 # OAuth2/PKCE authentication
│   │   ├── oauth2.py
│   │   ├── pkce.py
│   │   └── providers.py
│   ├── generators/
│   │   ├── server.py         # Server code generator
│   │   ├── docs.py           # Documentation generator
│   │   └── tests.py          # Test generation
│   ├── middleware/
│   │   └── validation.py     # Request/response validation
│   ├── observability/
│   │   └── telemetry.py      # OpenTelemetry integration
│   ├── providers/            # LLM provider implementations
│   │   ├── anthropic.py
│   │   ├── openai.py
│   │   ├── google.py
│   │   └── claude_code.py
│   ├── security/
│   │   └── scanner.py        # Security vulnerability scanning
│   ├── utils/
│   │   ├── input_validation.py
│   │   └── dependencies.py   # Package versioning
│   └── templates/
│       └── server.py.jinja
├── tests/                    # 498 tests
├── servers/                  # Generated servers
├── pyproject.toml
├── .env.example
└── README.md

生产特点

OAuth2/PKCE身份验证

生成支持OAuth2身份验证的服务器：

from tool_factory.auth import OAuth2Config, PKCECodeVerifier

# Configure OAuth2
config = OAuth2Config(
    client_id="your-client-id",
    authorization_url="https://example.com/oauth/authorize",
    token_url="https://example.com/oauth/token",
    scopes=["read", "write"],
    pkce_enabled=True,  # RFC 7636
)

# Generate PKCE verifier/challenge
verifier = PKCECodeVerifier.generate()
auth_url = config.get_authorization_url(
    code_challenge=verifier.challenge,
    code_challenge_method="S256",
)

速率限制

内置内存或Redis后端的速率限制：

from tool_factory.production import ProductionConfig, RateLimitBackend

config = ProductionConfig(
    rate_limit_enabled=True,
    rate_limit_requests=100,
    rate_limit_window_seconds=60,
    rate_limit_backend=RateLimitBackend.REDIS,  # or MEMORY
    redis_url="redis://localhost:6379",
)

开放遥测集成

生产服务器的跟踪和指标：

from tool_factory.observability import TelemetryConfig, TelemetryExporter

config = TelemetryConfig(
    enabled=True,
    service_name="my-mcp-server",
    exporter_type=TelemetryExporter.OTLP,  # OTLP, Jaeger, Zipkin, Azure
    endpoint="http://localhost:4317",
)

安全扫描

扫描生成的代码以查找漏洞：

from tool_factory.security import scan_code, scan_file

# Scan code string
issues = scan_code('password = "hardcoded123"')

# Scan file
issues = scan_file("./servers/my-server/server.py")

for issue in issues:
    print(f"[{issue.severity}] {issue.message}")

检测到的问题包括：

硬编码凭证
SQL注入模式
命令注入（eval、exec、os.system）
不安全密码学（MD5、SHA-1）
不安全的反序列化（pickle、yaml.load）
SSL验证已禁用

输入验证

生成服务器的标准化验证实用程序：

from tool_factory.utils import (
    validate_string,
    validate_email,
    validate_url,
    validate_finite,
    sanitize_string,
)

# Validate inputs
result = validate_email(user_input, "email")
if not result.is_valid:
    raise ValueError(result.error)

# Sanitize against XSS
safe_text = sanitize_string(user_input)

故障排除

常见错误

找不到API密钥

Error: ANTHROPIC_API_KEY not set

解决方案：在中设置API密钥 .env 或环境：

export ANTHROPIC_API_KEY=sk-ant-api03-xxxxx

超出费率限制

Error: Rate limit exceeded. Retry after 60 seconds.

解决方案:

等待速率限制窗口重置
使用Redis后端进行分布式速率限制
降低请求频率

生成的服务器语法错误

SyntaxError: invalid syntax in server.py

解决方案:

检查生成的代码中是否缺少导入
跑 python -m py_compile server.py 验证语法
报告导致该问题的工具描述问题

OpenAPI验证失败

Error: OpenAPI spec validation failed: missing required field 'paths'

解决方案:

确保你的OpenAPI规范有所有必填字段（OpenAPI、info、path）
使用OpenAPI 3.0+格式
验证方式 openapi-spec-validator 进口前

数据库连接失败

Error: Could not connect to database

解决方案:

验证数据库路径/URL是否正确
检查SQLite的文件权限
确保PostgreSQL正在运行且可访问

提供商特定问题

Anthropic

问题	解决方案
`invalid_api_key`	验证密钥以开头 `sk-ant-api03-`
`overloaded_error`	使用指数回退重试
`context_length_exceeded`	减小输入大小或使用更大的模型

开放人工智能

问题	解决方案
`invalid_api_key`	验证密钥以开头 `sk-`
`rate_limit_exceeded`	等待或升级API层
`model_not_found`	检查型号名称（例如。， `gpt-4`，不 `gpt4`)

谷歌

问题	解决方案
`PERMISSION_DENIED`	在Google Cloud中启用Generative AI API
`INVALID_ARGUMENT`	检查型号名称格式
`RESOURCE_EXHAUSTED`	等待配额重置

限速最佳实践

单个实例：使用内存后端（默认）
多个实例：使用Redis后端
建议限值:
- 开发：100个请求/分钟
- 生产：Redis每分钟1000个请求

from tool_factory.production import ProductionConfig, RateLimitBackend

# For production with multiple instances
config = ProductionConfig(
    rate_limit_enabled=True,
    rate_limit_backend=RateLimitBackend.REDIS,
    redis_url="redis://localhost:6379",
)

更新日志

v0.3.0（当前）

OAuth2/PKCE身份验证：支持PKCE的完整OAuth2流（RFC 7636）
速率限制：内存和Redis支持的滑动窗口速率限制
开放遥测：与多个导出器（OTLP、Jaeger、Zipkin、Azure）进行跟踪和度量
安全扫描：检测生成代码中的漏洞
输入验证：标准化验证实用程序
请求/响应验证：JSON模式验证中间件
提供商架构：将LLM提供者重构为单独的模块
依赖关系版本控制：所有软件包的真实版本约束
增强的测试生成：具有模拟支持的功能测试
498次测试 代码覆盖率为68%

v0.2.0版本

添加 from-database SQLite/PPostgreSQL CRUD生成命令
使用auth（API密钥、Bearer、OAuth2、Basic）增强了对OpenAPI的支持
添加 --auth API密钥注入的标志
为所有生成的服务器添加了健康检查端点
添加了GitHub Actions CI/CD工作流生成
根据OpenAPI规范自动检测基本URL和身份验证
使用完整的原始数据改进执行日志记录

v0.1.0

初始版本
自然语言到MCP服务器生成
基本的OpenAPI支持
多提供商LLM支持（Anthropic、OpenAI、谷歌）
API文档的Web搜索

许可证

麻省理工学院

链接

github：https://github.com/HeshamFS/mcp-tool-factory
MCP规范：https://modelcontextprotocol.io
FastMCP：https://github.com/jlowin/fastmcp

使用说明

MCP工具厂

为什么选择MCP？

特性

快速开始

安装

设置API密钥

用法

1.从自然语言生成

2.根据OpenAPI规范生成

3.从数据库生成

4.测试和服务

生成的输出

与AI框架一起使用

克劳德代码/克劳德桌面

OpenAI代理SDK

LangChain

谷歌ADK

CLI 参考

配置

支持的供应商和型号

拟人克劳德（推荐）

开放人工智能

谷歌双子座

程序化使用

OpenAPI程序化使用

数据库编程使用

建筑

例子

天气API与Auth

来自OpenAPI的REST API

数据库CRUD

支持的框架

发展

项目结构

生产特点

OAuth2/PKCE身份验证

速率限制

开放遥测集成

安全扫描

输入验证

故障排除

常见错误

找不到API密钥

超出费率限制

生成的服务器语法错误

OpenAPI验证失败

数据库连接失败

提供商特定问题

Anthropic

开放人工智能

谷歌

限速最佳实践

更新日志

v0.3.0（当前）

v0.2.0版本

v0.1.0

许可证

链接

相关 MCP

Flomo笔记服务

设计转代码服务

3D资产生成服务

文档搜索服务

Microsoft 365命令行管理服务器

AI文本人性化服务