使用说明

自动MCP🚀

自动MCP 是一个功能强大的平台，可以自动生成即用型模型上下文协议（MCP）后端API文档中的服务器。只需上传您的OpenAPI、Swagger或Postman收藏，AutoMCP就会使用谷歌的Gemini AI生成一个完整的、可用于生产的MCP服务器包。

✨ 特性

🤖 人工智能发电：使用Google Gemini AI生成高质量的MCP服务器代码
📚 支持多种格式：支持OpenAPI 3.x、Swagger 2.x和Postman集合
🔧 完成包生成：生成具有以下功能的完整MCP服务器：
- TypeScript工具实现
- 类型定义
- 配置文件
- 带有依赖项的Package.json
- 全面自述
🎯 智能解析：自动提取端点、参数、模式和身份验证方案
📦 随时可用：生成的包可以立即部署
🔒 安全：本地文件存储，无云依赖
🚀 快速：高效的解析和代码生成管道

📋 先决条件

Node.js >=18.x
npm >=9.x
Google Gemini API密钥 (在这里买一个)

🛠️ 安装

克隆仓库
```
git clone <repository-url>
cd AutoMCP
```
安装依赖项
```
npm install
```

设置环境变量

cp .env.example .env

编辑 .env 并添加您的Gemini API密钥：

PORT=3000
GEMINI_API_KEY=your_gemini_api_key_here
GEMINI_MODEL=gemini-1.5-pro
GEMINI_MAX_TOKENS=32768
MAX_FILE_SIZE=10485760

构建项目
```
npm run build
```

⚙️ 配置

环境变量

变量	描述	默认值
`PORT`	服务器端口	`3000`
`GEMINI_API_KEY`	Google Gemini API密钥	必需
`GEMINI_MODEL`	使用Gemini模型	`gemini-1.5-pro`
`GEMINI_TEMPERATURE`	发电温度	`0.7`
`GEMINI_MAX_TOKENS`	每个请求的最大令牌数	`32768`
`MAX_FILE_SIZE`	最大上传文件大小（字节）	`10485760` （10 MB）
`NODE_ENV`	环境模式	`development`

支持的Gemini型号

gemini-1.5-pro （推荐）
gemini-pro
gemini-1.5-flash

要列出可用型号：

npm run list-models

🚀 用法

启动服务器

开发模式：

npm run dev

生产方式：

npm run build
npm start

服务器将于启动 http://localhost:3000

API工作流

1.上传API文档

curl -X POST http://localhost:3000/api/upload \
  -F "file=@your-api-docs.json"

答复：

{
  "status": "success",
  "fileId": "8f4be01f-236d-4f67-8b70-6cf347b81d12",
  "filename": "pet-store-openapi.json",
  "metadata": {
    "title": "Swagger Petstore",
    "version": "1.0.0",
    "endpoints": 19
  }
}

2.生成MCP服务器

curl -X POST http://localhost:3000/api/generate \
  -H "Content-Type: application/json" \
  -d '{
    "fileId": "8f4be01f-236d-4f67-8b70-6cf347b81d12"
  }'

答复：

{
  "status": "success",
  "packageId": "8f4be01f-236d-4f67-8b70-6cf347b81d12",
  "packageName": "mcp-swagger-petstore---openapi-3-0",
  "downloadUrl": "/api/download/8f4be01f-236d-4f67-8b70-6cf347b81d12",
  "toolsGenerated": 19
}

3.检查发电状态

curl http://localhost:3000/api/status/8f4be01f-236d-4f67-8b70-6cf347b81d12

4.下载生成的包

curl -O http://localhost:3000/api/download/8f4be01f-236d-4f67-8b70-6cf347b81d12

或在浏览器中打开：

http://localhost:3000/api/download/8f4be01f-236d-4f67-8b70-6cf347b81d12

使用邮递员

导入提供的Postman收藏(AutoMCP.postman_collection.json)为了便于测试。看 POSTMAN_SETUP.md 了解详情。

📚 API文档

端点

`GET /api/health`

健康检查端点。

答复：

{
  "status": "ok",
  "timestamp": "2024-01-15T10:30:00.000Z",
  "uptime": 3600
}

`POST /api/upload`

上传API文档文件（OpenAPI/Swagger/Postman）。

请求：

方法： POST
内容类型： multipart/form-data
主体： file （文件字段）

答复：

{
  "status": "success",
  "fileId": "uuid",
  "filename": "api-docs.json",
  "metadata": { ... }
}

`POST /api/generate`

从上传的文件生成MCP服务器。

请求：

{
  "fileId": "uuid"
}

答复：

{
  "status": "success",
  "packageId": "uuid",
  "packageName": "mcp-api-name",
  "downloadUrl": "/api/download/uuid",
  "toolsGenerated": 19
}

`GET /api/download/:id`

将生成的MCP服务器包下载为ZIP格式。

答复：

内容类型： application/zip
文件： mcp-server-package.zip

`GET /api/status/:id`

获取包的生成状态。

答复：

{
  "status": "completed",
  "packageId": "uuid",
  "packageName": "mcp-api-name",
  "toolsGenerated": 19,
  "createdAt": "2024-01-15T10:30:00.000Z"
}

🏗️ 建筑

AutoMCP
├── API Layer (Express)
│   ├── Upload Controller
│   ├── Generate Controller
│   └── Download Controller
├── Parser Layer
│   ├── OpenAPI Parser
│   ├── Schema Resolver
│   └── Data Transformer
├── Gemini Integration
│   ├── Gemini Client (with retry logic)
│   ├── Code Generator
│   └── Prompt Templates
├── Generator Layer
│   ├── MCP Package Generator
│   └── Config Template Generator
└── Storage Layer
    ├── File Storage (Local)
    └── Package Storage (Local)

数据流

上传 → 文件已保存到临时存储
解析 → OpenAPI/Swagger解析为结构化格式
变换 → 针对Gemini提示进行标准化的数据
生成 → Gemini AI生成MCP服务器代码
组装 → 代码组装成完整的包
包裹 → ZIP存档已创建
下载 → 软件包可供下载

🧪 测试生成的MCP服务器

1.取出并安装

unzip mcp-server-package.zip
cd mcp-server-package
npm install

2.配置

创建 .env 文件：

API_BASE_URL=https://your-api.com/v2
API_KEY=your_api_key

3.建造

npm run build

4.使用MCP检查员进行测试

npx @modelcontextprotocol/inspector node dist/index.js

这将在以下位置打开web UI http://localhost:5173 您可以在其中测试所有生成的工具。

5.测试单个工具

node -e "
import('./dist/tools/getPetById.js').then(m => 
  m.getPetById({petId: 1})
    .then(console.log)
    .catch(console.error)
);
"

🔧 发展

项目结构

src/
├── api/              # API routes and controllers
├── config/           # Configuration management
├── gemini/           # Gemini AI integration
├── generators/       # MCP package generators
├── middleware/       # Express middleware
├── parsers/          # API documentation parsers
├── transformers/     # Data transformers
├── types/            # TypeScript type definitions
├── utils/            # Utility functions
└── server.ts         # Main server entry point

开发命令

# Development with hot reload
npm run dev

# Build TypeScript
npm run build

# Production start
npm start

# List available Gemini models
npm run list-models

代码风格

具有严格模式的TypeScript
ES2020目标
CommonJS模块
API的Express.js
异步/等待异步操作

🐛 故障排除

常见问题

1.Gemini API错误

错误： 404 Not Found - models/gemini-X is not found

解决方案：

查看可用型号： npm run list-models
更新 GEMINI_MODEL 在 .env 到一个有效的模型
系统将自动检测并使用可用型号

2.文件上传错误

错误： File too large

解决方案：

增加 MAX_FILE_SIZE 在 .env
或者压缩API文档文件

3.发电超时

错误： Generation timeout

解决方案：

增加 GEMINI_MAX_TOKENS 在 .env
将大型API拆分为较小的服务
检查Gemini API配额限制

4.生成的MCP服务器错误

错误： API error: 500 Internal Server Error

解决方案：

检查生成的API基础URL config.ts
验证API身份验证凭据
使用直接测试API curl

调试模式

启用详细日志记录：

DEBUG=* npm run dev

📝 生成的包结构

mcp-api-name/
├── src/
│   ├── index.ts          # MCP server entry point
│   ├── config.ts         # Configuration
│   ├── types.ts          # TypeScript types
│   └── tools/            # Generated tool implementations
│       ├── getPetById.ts
│       ├── addPet.ts
│       └── ...
├── package.json          # Dependencies
├── tsconfig.json         # TypeScript config
├── .env.example          # Environment template
├── .gitignore
└── README.md             # Usage instructions

🤝 贡献

欢迎投稿！请按照以下步骤操作：

克隆该仓库
创建要素分支(git checkout -b feature/amazing-feature)
提交您的更改(git commit -m 'Add amazing feature')
推到分支(git push origin feature/amazing-feature)
打开拉取请求

📄 许可证

ISC许可证

🙏 致谢

模型上下文协议 -MCP规范
谷歌双子座AI -AI代码生成
OpenAPI倡议 -API规范标准

📞 支持

对于问题、疑问或贡献：

在GitHub上打开一个问题
检查现有文档
查看故障排除部分

🗺️ 路线图

[]支持邮递员收藏
[]Swagger 2.x支持改进
[]自定义提示模板
[]批量生成
[]云存储集成
[]Web UI仪表板
[]API版本控制支持
[]身份验证方案改进

建于❤️ 为了黑客马拉松

使用说明

自动MCP🚀

✨ 特性

📋 先决条件

🛠️ 安装

⚙️ 配置

环境变量

支持的Gemini型号

🚀 用法

启动服务器

API工作流

1.上传API文档

2.生成MCP服务器

3.检查发电状态

4.下载生成的包

使用邮递员

📚 API文档

端点

GET /api/health

POST /api/upload

POST /api/generate

GET /api/download/:id

GET /api/status/:id

🏗️ 建筑

数据流

🧪 测试生成的MCP服务器

1.取出并安装

2.配置

3.建造

4.使用MCP检查员进行测试

5.测试单个工具

🔧 发展

项目结构

开发命令

代码风格

🐛 故障排除

常见问题

1.Gemini API错误

2.文件上传错误

3.发电超时

4.生成的MCP服务器错误

调试模式

📝 生成的包结构

🤝 贡献

📄 许可证

🙏 致谢

📞 支持

🗺️ 路线图

相关 MCP

前端开发工具集

AI代码生成服务器

AI代码工作流管理工具

休假管理系统

AI游戏开发工具

pytest测试生成代理

`GET /api/health`

`POST /api/upload`

`POST /api/generate`

`GET /api/download/:id`

`GET /api/status/:id`