AI导哈

飞书令牌管理服务

一个基于Smithery和Python构建的MCP服务，用于自动管理和刷新飞书的app_access_token。

  • by Leon-Algo
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Leon-Algo/feishu_access_token_MCP

使用说明

飞书 Access Token MCP

本项目是一个基于 Smithery 和 Python 构建的 MCP (Model-Context-Protocol) 服务，用于管理并自动刷新飞书的 app_access_token。

该服务将飞书的 Token 管理逻辑封装成一个 MCP 工具。客户端（如 AI Agent）可以通过配置会话（Session）并调用此工具，来获取一个有效的 app_access_token，无需关心其内部的获取机制。

功能特性

  • MCP 服务化：将 Token 管理封装为标准的 MCP 工具。
  • 会话配置：通过 MCP 会话安全地传递 app_id 和 app_secret。
  • 自动刷新与状态管理：在 app_access_token 过期前自动刷新。
  • Smithery 集成：利用 @smithery.server 装饰器，轻松实现部署和会话管理。
  • 环境变量支持：支持从 .env 文件加载配置。

项目结构

feishu_access_token_mcp/
├── .env                 # 环境变量配置文件
├── .gitignore
├── README.md
├── deployment_test.py   # 部署前测试脚本
├── import_test.py       # 模块导入测试脚本
├── pyproject.toml       # Smithery 配置文件
├── simple_test.py       # 简单功能测试脚本
├── smithery.yaml
├── test_env.py          # 环境变量测试脚本
├── uv.lock              # 依赖锁定文件
└── src/
    └── feishu_access_token_mcp/
        ├── __init__.py
        └── server.py    # MCP 服务器定义和核心逻辑

环境要求

  • Python 3.12
  • 已通过 uv 固定解释器版本

安装与设置

  1. 克隆仓库：

    git clone <your-repo-url>
cd feishu_access_token_mcp

  2. 配置环境变量： 创建 .env 文件并添加您的飞书应用凭证：

    FEISHU_APP_ID=your_app_id
FEISHU_APP_SECRET=your_app_secret

  3. 安装 uv (如果尚未安装): 这是一个高效的 Python 包管理器。

    pip install uv

  4. 创建虚拟环境并安装依赖： uv 会自动创建虚拟环境并安装项目依赖。

    uv sync

如何运行和测试

1. 部署前测试

在部署到 Smithery 之前，建议运行部署前测试以确保所有配置正确：

python deployment_test.py

2. 测试环境变量配置

使用以下命令测试环境变量配置和 Token 获取功能：

python test_env.py

3. 测试模块导入

使用以下命令测试模块是否可以正确导入：

python import_test.py

4. 测试核心功能

使用以下命令测试核心 Token 获取功能：

python simple_test.py

5. 本地开发运行

使用以下命令启动本地开发服务器：

uv run dev

服务器将在 http://127.0.0.1:8081 上运行。

6. 在 Smithery Playground 中测试

为了方便地测试 MCP 服务，您可以使用 Smithery Playground。它提供了一个图形界面来配置会话和调用工具。

运行以下命令：

uv run playground

此命令会将您的本地服务器通过 ngrok 安全地连接到 Smithery Playground。您会得到一个 URL，在浏览器中打开它即可开始测试。

在 Playground 中的测试步骤：

  1. 配置会话 (Configure Session)： 在 Playground 页面的 "Session Config" 部分，填入您的飞书应用凭证：

    {
  "app_id": "你的飞书 app_id",
  "app_secret": "你的飞书 app_secret"
}

  2. 调用工具： 在聊天框中，输入指令来调用我们定义的工具，例如：

    "获取飞书 token"

    或者

    "Call the get_feishu_token tool"

  3. 查看结果： 模型会调用 get_feishu_token 工具，您将在界面上看到返回的包含 app_access_token 和 expires_at 的 JSON 结果。

用于生产环境

此 MVP (最小可行产品) 实现使用内存中的字典来存储不同会话的 TokenManager 实例。这对于开发和大多数场景是足够的，但请注意：

  • 重启后状态丢失：如果应用程序重启，所有会话的令牌信息都将丢失，下次调用时会重新初始化。
  • 扩展性：如果需要部署到多个实例（例如，使用负载均衡），内存缓存将导致状态不一致。

对于需要跨实例共享状态或在重启后保留状态的生产环境，建议将 token_manager_cache 替换为外部的持久化存储，例如：

  • Redis：一个快速的内存数据存储，非常适合缓存令牌。
  • 数据库：如 PostgreSQL 或 MySQL。

部署到 Smithery

准备好部署了吗？将您的代码推送到 GitHub 并部署到 Smithery：

  1. 在 github.com/new 创建一个新的仓库

  2. 初始化 git 并推送到 GitHub：

    git add .
git commit -m "Initial commit: Feishu Access Token Manager"
git remote add origin https://github.com/YOUR_USERNAME/YOUR_REPO.git
git push -u origin main

  3. 在 smithery.ai/new 部署您的服务器

故障排除

部署时出现 "Expected a Python module at: src/feishu_access_token_mcp/init.py" 错误

这个问题通常是由于文件系统大小写敏感性差异导致的。确保：

  1. 目录名使用小写字母：src/feishu_access_token_mcp/（而不是 src/feishu_access_token_MCP/）
  2. [pyproject.toml](file://d:\AI\Agent_experiment\MCP\feishu_access_token_MCP\pyproject.toml) 中的服务器入口点配置正确：server = "feishu_access_token_mcp.server:create_server"
  3. 运行 python deployment_test.py 来验证配置是否正确

如果问题仍然存在，请检查：

  • 确保 [init.py](file://d:\AI\Agent_experiment\MCP\feishu_access_token_MCP\src\feishu_access_token_mcp_init_.py) 文件存在于正确的位置
  • 确保 [uv.lock](file://d:\AI\Agent_experiment\MCP\feishu_access_token_MCP\uv.lock) 文件是最新的（运行 uv lock 重新生成）

相关 MCP