AI导哈

OpenAPI转MCP工具

将OpenAPI规范转换为可通过模型上下文协议（MCP）访问的工具集，支持动态API暴露和LLM集成。

  • by rajkumarbestha
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 rajkumarbestha/openapi-mcp-server

使用说明

使用OpenAPI规范文件创建MCP服务器

  • 使用模型上下文协议（MCP）可以轻松地将任何OpenAPI规范转换为一组LLM可访问的工具。

  • 此示例使用https://fakerestapi.azurewebsites.net/index.htmlAPI

MCP架构

  • MCP主机：希望通过MCP访问数据的程序，如Claude Desktop、IDE或AI工具。
  • MCP客户端：与服务器保持1:1连接的协议客户端。
  • MCP服务器：通过标准化的模型上下文协议公开特定功能的轻量级程序。
  • 数据源：MCP服务器可以安全访问的计算机文件、数据库和服务。
  • 远程服务：MCP服务器可以连接到的互联网上可用的外部系统（例如，通过API）。

现在让我们MCPise我们的API！

概述

此存储库提供了一个模型上下文协议（MCP）服务器的示例，该服务器使用OpenAPI规范动态公开API端点作为工具。它利用FastMCP框架根据OpenAPI规范（如Swagger Bookstore API）生成服务器，并提供客户端和交互式聊天机器人界面，用于使用基于LLM的代理（通过LangChain和LangGraph）与服务器交互。

特性

  • API动态暴露： 加载OpenAPI规范（例如。， open-api-spec.json)并通过FastMCP将其GET端点作为可调用工具公开。
  • LLM集成： 客户端和测试脚本使用OpenAI模型（通过LangChain）与服务器交互，允许将自然语言查询映射到API调用。
  • 书店示例： 主要的例子是Bookstore API，但该体系结构是通用的，可以适用于任何OpenAPI规范。
  • 流媒体和SSE： 服务器使用服务器发送事件（SSE）与客户端进行实时通信。

主要组件

  • API动态暴露： 加载OpenAPI规范（例如。， open-api-spec.json)并通过FastMCP将其GET端点作为可调用工具公开。
  • LLM集成： 客户端和测试脚本使用OpenAI模型（通过LangChain）与服务器交互，允许将自然语言查询映射到API调用。
  • 书店示例： 主要的例子是Bookstore API，但该体系结构是通用的，可以适用于任何OpenAPI规范。
  • 流媒体和SSE： 服务器使用服务器发送事件（SSE）与客户端进行实时通信。

主要组件

  • bookstore_mcp_server.py：从OpenAPI规范启动FastMCP服务器，将端点作为工具公开。
  • bookstore_mcp_client.py：连接到MCP服务器并使用LLM代理调用工具的示例客户端。
  • bookstore_interactive_agent.py：用于使用自然语言查询测试服务器的交互式聊天机器人。
  • pyproject.toml：项目元数据和依赖关系。

入门指南

  1. 放置您的OpenAPI规范（例如。， openapi_spec.json)在项目根中。
  2. 按照中的指定安装依赖项 pyproject.toml.
  3. 跑 bookstore_mcp_server.py 要启动服务器，请执行以下操作：
    uv run bookstore_mcp_server.py
  4. 使用bookstore_mcp_client.py或bookstore_interactive_agent.py与服务器交互：
    uv run bookstore_mcp_client.py
# or
uv run bookstore_interactive_agent.py

For more details, see the code and comments in each file.

相关 MCP