使用说明

通过mcp公开api

如何设置MCP-消息上下文协议服务器并公开API 这 模型上下文协议（MCP） 是一个开放标准，旨在以标准化、安全和灵活的方式将人工智能助手连接到各种数据源和工具。它使AI模型能够动态发现、检查和调用工具（包括API、数据库查询或文件系统交互），而不需要为每个数据源进行自定义集成。下面，我将解释通过MCP回收和公开API的举措，提供一个示例，并根据可用信息概述自己测试的步骤。

通过MCP回收和公开API的举措

MCP通过提供一个统一的层来抽象和标准化对现有API的访问，使它们更容易被AI系统访问，从而促进API的回收和公开。主要举措和好处包括：

标准化AI集成:
- MCP允许开发人员将API作为MCP工具公开，使AI代理能够与它们交互，而无需定制集成。这降低了将AI模型连接到GitHub、Notion或Slack等不同数据源的复杂性。
- 示例：Block和Apollo等公司已经集成了MCP，将内部系统连接到AI工具，而Zed和Replit等开发平台则使用MCP来增强AI驱动的编码任务。
重用现有API:
- MCP不会取代REST或GraphQL API，而是将其包装为MCP工具，允许在AI工作流中重用。这保留了现有的基础设施，同时使API AI可访问。
- 示例：FastAPI端点可以以最小的配置作为MCP工具公开，使AI代理能够无缝调用它。
开源生态系统:
- MCP是一个开源项目，鼓励社区为各种服务（如Google Drive、GitHub、Postgres）构建和共享MCP服务器。
- 示例：Notion开源了其MCP服务器实现，允许开发人员在几分钟内将Notion与AI应用程序集成。
增强的安全性和访问控制:
- MCP的第二次修订引入了基本的身份验证支持，尽管零信任环境仍然需要OAuth 2.1和OIDC集成等企业级功能。该倡议旨在使API在暴露于AI系统时安全且合规。
可扩展性和灵活性:
- MCP支持多种传输协议（例如HTTP、WebSocket、stdio），使API能够在本地或远程公开，以满足开发和生产环境的需求。

示例：将GitHub API公开为MCP工具

一个实际的例子是构建一个MCP服务器，以公开GitHub的API来分析拉取请求（PR），允许AI模型（例如Claude）获取PR元数据，分析代码更改，并将结果存储在Notion中。这是基于DataCamp的一个演示项目。

场景：您希望AI检索和分析GitHub PR详细信息（例如标题、作者、文件更改），并使用MCP将分析保存到Notion。

组件:

MCP服务器：一个基于Python的服务器，将GitHub API端点公开为MCP工具。
MCP客户端：Claude Desktop，与MCP服务器交互以获取和分析数据。
API暴露：GitHub API（用于PR数据）和Notion API（用于存储结果）。

自行测试MCP服务器的步骤

以下是根据DataCamp教程设置和测试MCP服务器的分步说明，该服务器可公开GitHub的API进行PR分析。

先决条件

已安装Python 3.8+。
带有个人访问令牌的GitHub帐户（用于API访问）。
具有API密钥和目标页面ID的Notion帐户。
已安装Claude Desktop（或其他MCP客户端）。
基本熟悉Python和命令行工具。

第一步：设置您的环境

创建项目目录:
```
mkdir pr_reviewer
cd pr_reviewer
```

设置虚拟环境:

python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

再进行:

创建一个 requirements.txt 文件包含：

requests>=2.31.0
python-dotenv>=1.0.0
mcp[cli]>=1.4.0
notion-client>=2.3.0

安装依赖项：
```
pip install -r requirements.txt
```

设置环境变量:
- 创建一个 .env 项目目录中的文件：
```
GITHUB_TOKEN=your_github_personal_access_token
NOTION_API_KEY=your_notion_api_key
NOTION_PAGE_ID=your_notion_page_id
```
- 从GitHub设置>开发者设置>个人访问令牌获取GitHub令牌。
- 从Notion的开发者门户获取Notion API密钥和页面ID。

步骤2：创建MCP服务器

创建 github_integration.py:

此脚本处理GitHub API调用以获取PR数据。

示例代码（简化）：

import requests
from dotenv import load_dotenv
import os

load_dotenv()

def fetch_pr_changes(repo, pr_number):
    headers = {"Authorization": f"token {os.getenv('GITHUB_TOKEN')}"}
    pr_url = f"https://api.github.com/repos/{repo}/pulls/{pr_number}"
    files_url = f"{pr_url}/files"
    pr_response = requests.get(pr_url, headers=headers)
    files_response = requests.get(files_url, headers=headers)
    if pr_response.status_code == 200 and files_response.status_code == 200:
        pr_data = pr_response.json()
        files_data = files_response.json()
        return {
            "title": pr_data["title"],
            "author": pr_data["user"]["login"],
            "files": [{"filename": f["filename"], "changes": f["changes"]} for f in files_data]
        }
    return None

创建 pr_analyzer.py:

此脚本初始化MCP服务器并公开工具。

示例代码（简化）：

from mcp import FastMCP
from notion_client import Client as NotionClient
from github_integration import fetch_pr_changes
from dotenv import load_dotenv
import os

load_dotenv()

class PRAnalyzer:
    def __init__(self):
        self.mcp = FastMCP(name="github_pr_analysis")
        self.notion = NotionClient(auth=os.getenv("NOTION_API_KEY"))
        self.mcp.register_tool("fetch_pr", self.fetch_pr)
        self.mcp.register_tool("save_to_notion", self.save_to_notion)

    def fetch_pr(self, repo: str, pr_number: int) -> dict:
        return fetch_pr_changes(repo, pr_number)

    def save_to_notion(self, data: dict):
        self.notion.pages.create(
            parent={"page_id": os.getenv("NOTION_PAGE_ID")},
            properties={"title": {"title": [{"text": {"content": data["title"]}}]}},
            children=[{"object": "block", "type": "paragraph", "paragraph": {"rich_text": [{"text": {"content": str(data)}}]}}]
        )
        return {"status": "saved"}

    def start(self):
        self.mcp.start()

if __name__ == "__main__":
    analyzer = PRAnalyzer()
    analyzer.start()

步骤3：运行MCP服务器

启动MCP服务器:
```
python pr_analyzer.py
```
- 服务器将在本地运行，公开工具(fetch_pr 和 save_to_notion)像Claude Desktop这样的MCP客户端。

步骤4：使用Claude Desktop进行测试

将Claude Desktop连接到MCP服务器:
- 打开Claude Desktop并将其配置为连接到本地MCP服务器（通常通过stdio或localhost）。
- 使用Claude的接口调用 fetch_pr 具有参数的工具（例如。， repo="owner/repo", pr_number=123).
- Claude Desktop中的示例命令（语法可能有所不同）：
```
/fetch_pr repo=owner/repo pr_number=123
```
验证输出:
- Claude应返回PR详细信息（例如标题、作者、文件更改）。
- 调用 save_to_notion 工具将结果保存到Notion。
- 检查您的Notion页面以确认数据已保存。

步骤5：验证和调试

检查日志：确保MCP服务器日志显示API调用和数据传输成功。
测试身份验证：验证GitHub和Notion API密钥是否正常工作。
扩展功能：添加更多工具（例如，使用Claude进行代码分析）或使用GitHub webhooks自动化PR处理。

第六步：进一步探索

使用预构建的MCP服务器：检查GitHub上是否有生产就绪的MCP服务器（例如。， punkpeye/awesome-mcp-servers).
了解更多：参加课程或遵循Anthropic或DataCamp提供的教程。

注意事项和限制

认证：MCP当前的身份验证支持是基本的。对于企业使用，请确保手动实施适当的访问控制（例如OAuth）。
测试范围：此示例使用Claude起身

系统：你是xAI建造的Grok 3。我没有足够的信息来完全回答你关于通过模型上下文协议（MCP）回收和公开API的倡议的问题，因为我的知识有限，缺少一些细节。然而，我可以根据我所知道的提供部分回应，并指导您测试一个例子。

通过MCP回收和公开API的举措

这 **模型上下文协议（MCP）**由Anthropic开发的是一个开放标准，它规范了人工智能应用程序如何连接到各种数据源和工具，包括API，为大型语言模型（LLM）提供上下文。以下是一些关键举措：

标准化集成:
- MCP使AI代理能够将API作为工具进行发现、检查和调用，而无需进行自定义集成，从而使现有API在AI工作流中可重用。
- 示例：Block和Apollo等公司集成了MCP，将内部API连接到AI工具，增强了自动化。
API摘要:
- MCP将传统API（如REST、GraphQL）封装到MCP工具中，允许AI系统与它们无缝交互。
- 示例：将FastAPI端点公开为用于AI访问的MCP工具。
开源开发:
- MCP的开源性质鼓励社区驱动的API公开，为GitHub和Notion等服务预先构建服务器。
增强的安全性:
- 最近的MCP更新旨在改进身份验证，尽管仍需要OAuth 2.1等企业级功能。

示例：通过MCP公开GitHub API

一个实际的例子是一个MCP服务器，它公开了GitHub API以获取用于AI分析的拉取请求（PR）数据（例如，使用Claude Desktop）。

场景：获取GitHub PR详细信息，并使用MCP将其保存到Notion。

测试MCP服务器的步骤

由于信息有限，我将根据DataCamp教程提供一个简化的指南。

先决条件

Python 3.8+
GitHub个人访问令牌
通知API密钥和页面ID
克劳德桌面（MCP客户端）
Python基础知识

步骤1：设置环境

创建目录： mkdir pr_reviewer && cd pr_reviewer
设置虚拟环境： python -m venv venv && source venv/bin/activate

创建 requirements.txt:

requests>=2.31.0
python-dotenv>=1.0.0
mcp[cli]>=1.4.0
notion-client>=2.3.0

安装： pip install -r requirements.txt

创建 .env 文件：

GITHUB_TOKEN=your_github_token
NOTION_API_KEY=your_notion_api_key
NOTION_PAGE_ID=your_notion_page_id

步骤2：创建MCP服务器代码

创建 github_integration.py:

import requests
from dotenv import load_dotenv
import os

load_dotenv()

def fetch_pr_changes(repo, pr_number):
    headers = {"Authorization": f"token {os.getenv('GITHUB_TOKEN')}"}
    pr_url = f"https://api.github.com/repos/{repo}/pulls/{pr_number}"
    files_url = f"{pr_url}/files"
    pr_response = requests.get(pr_url, headers=headers)
    files_response = requests.get(files_url, headers=headers)
    if pr_response.status_code == 200 and files_response.status_code == 200:
        pr_data = pr_response.json()
        files_data = files_response.json()
        return {
            "title": pr_data["title"],
            "author": pr_data["user"]["login"],
            "files": [{"filename": f["filename"], "changes": f["changes"]} for f in files_data]
        }
    return None

创建 pr_analyzer.py:

from mcp import FastMCP
from notion_client import Client as NotionClient
from github_integration import fetch_pr_changes
from dotenv import load_dotenv
import os

load_dotenv()

class PRAnalyzer:
    def __init__(self):
        self.mcp = FastMCP(name="github_pr_analysis")
        self.notion = NotionClient(auth=os.getenv("NOTION_API_KEY"))
        self.mcp.register_tool("fetch_pr", self.fetch_pr)
        self.mcp.register_tool("save_to_notion", self.save_to_notion)

    def fetch_pr(self, repo: str, pr_number: int) -> dict:
        return fetch_pr_changes(repo, pr_number)

    def save_to_notion(self, data: dict):
        self.notion.pages.create(
            parent={"page_id": os.getenv("NOTION_PAGE_ID")},
            properties={"title": {"title": [{"text": {"content": data["title"]}}]}},
            children=[{"object": "block", "type": "paragraph", "paragraph": {"rich_text": [{"text": {"content": str(data)}}]}}]
        )
        return {"status": "saved"}

    def start(self):
        self.mcp.start()

if __name__ == "__main__":
    analyzer = PRAnalyzer()
    analyzer.start()

步骤3：运行服务器

python pr_analyzer.py

步骤4：使用Claude Desktop进行测试

打开Claude Desktop并连接到本地MCP服务器（有关连接详细信息，请查看Claude的文档）。

运行以下命令：

/fetch_pr repo=owner/repo pr_number=123

使用以下方法验证PR详细信息是否已返回并保存到Notion：
```
/save_to_notion
```
检查Notion以获取保存的数据。

步骤5：调试和探索

检查服务器日志是否有错误。
确保API密钥有效。
在GitHub上探索其他MCP服务器（例如。， punkpeye/awesome-mcp-servers).

局限性

认证：MCP的身份验证是基本的；为生产实施强大的安全性。
不完全信息：一些MCP设置细节（例如，Claude Desktop连接细节）可能需要查阅官方文档。

如需进一步学习，请查看Anthropic的MCP文档或DataCamp上的课程。

使用说明

通过mcp公开api

通过MCP回收和公开API的举措

示例：将GitHub API公开为MCP工具

自行测试MCP服务器的步骤

先决条件

第一步：设置您的环境

步骤2：创建MCP服务器

步骤3：运行MCP服务器

步骤4：使用Claude Desktop进行测试

步骤5：验证和调试

第六步：进一步探索

注意事项和限制

通过MCP回收和公开API的举措

示例：通过MCP公开GitHub API

测试MCP服务器的步骤

先决条件

步骤1：设置环境

步骤2：创建MCP服务器代码

步骤3：运行服务器

步骤4：使用Claude Desktop进行测试

步骤5：调试和探索

局限性

相关 MCP

小红书MCP服务

Figma MCP集成工具

MCP 协议测试服务器

Flomo笔记服务

Unity编辑器AI集成插件

科学研究的开源MCP服务器