███ ███ ██████ ███████ ██████ ████████ ██████ ██████ ███████ ████ ████ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ████ ██ ██ ███████ ██████ ██ ██ ██ ██████ █████ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██████ ██ ██████ ██ ██████ ██ ██ ███████ |
mcpstore 是什么？
mcpstore 是一个基于 Rust 构建的 MCP 管理平台，覆盖 MCP 服务的配置、运行、调用与生命周期管理，并提供可复用的 SDK、命令行工具（CLI）以及 App/Web 应用等多种使用方式。
快速开始
SDK
Python（PyPI Lib）
pip install mcpstore
# 或：uv add mcpstore
Rust Lib
cargo add mcpstore
CLI
# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/ip2a/mcpstore/main/install.sh | bash
# 或使用 npm（macOS / Linux / Windows）
npm install -g mcpstore
App
从 GitHub Releases 下载发行版。
App 功能
会话管理
统一查看和管理 MCP 会话，掌握当前连接状态与运行情况。
截图：
docs/assets/images/app-sessions.png
会话转移
在不同 Agent 或工作区之间转移会话，保持上下文连续。
截图：
docs/assets/images/app-session-transfer.png
技能管理
集中管理可用工具和技能，按需配置 Agent 的能力范围。
截图：
docs/assets/images/app-skills.png
Agent 管理
创建和管理不同 Agent，为每个 Agent 配置独立的服务与工具。
截图：
docs/assets/images/app-agents.png
CLI 使用
通过 CLI 管理 MCP 服务、查看运行状态，并为 Agent 提供命令行工作流。
SDK 使用
通过 Python SDK 或 Rust Lib 将 mcpstore 集成到自己的应用中。
简单示例
初始化 store：
from mcpstore import MCPStore
store = MCPStore.setup_store()
通过 store.for_store() 管理全局作用域内的 MCP 服务和工具。
添加第一个服务
store.for_store().add_service({
"mcpServers": {
"mcpstore_wiki": {
"url": "https://example.com/mcp"
}
}
}).wait_service("mcpstore_wiki")
add_service 接受 MCP 服务配置；wait_service 等待指定服务就绪。
转换为 LangChain 工具
tools = store.for_store().for_langchain().list_tools()
print("loaded langchain tools:", len(tools))
适配器从 store.for_store() 读取工具，并转换为对应框架使用的对象。
框架适配
| 框架 | 获取工具 |
|---|---|
| LangChain | tools = store.for_store().for_langchain().list_tools() |
| LangGraph | tools = store.for_store().for_langgraph().list_tools() |
| OpenAI | tools = store.for_store().for_openai().list_tools() |
| AutoGen | tools = store.for_store().for_autogen().list_tools() |
| CrewAI | tools = store.for_store().for_crewai().list_tools() |
| LlamaIndex | tools = store.for_store().for_llamaindex().list_tools() |
| Semantic Kernel | tools = store.for_store().for_semantic_kernel().list_tools() |
在 LangChain 中使用
from langchain.agents import create_agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
temperature=0,
model="your-model",
api_key="sk-*****",
base_url="https://api.xxx.com",
)
agent = create_agent(model=llm, tools=tools, system_prompt="你是一个助手")
events = agent.invoke({
"messages": [{"role": "user", "content": "mcpstore 怎么添加服务？"}]
})
print(events)
这里的 tools 由 store.for_store() 提供。
为 Agent 分组
使用 for_agent(agent_id) 为不同 Agent 建立独立作用域：
store.for_agent("agent1").add_service({
"name": "mcpstore_wiki",
"url": "https://example.com/mcp",
})
store.for_agent("agent2").add_service({
"name": "gitodo",
"command": "uvx",
"args": ["gitodo"],
})
agent1_tools = store.for_agent("agent1").list_tools()
agent2_tools = store.for_agent("agent2").list_tools()
store.for_agent(agent_id) 与 store.for_store() 提供相同的操作，服务和工具按 Agent 作用域隔离。
Rust API 与 MCP Server
当前推荐直接使用 Rust CLI 暴露服务，而不是再依赖历史 Python hub 接口：
# 启动 Rust HTTP API
mcpstore api --config-path ./mcp.json --host 127.0.0.1 --port 1820
# 以 stdio 启动 Rust MCP Server
mcpstore mcp --config-path ./mcp.json
# 以 streamable-http 启动 Rust MCP Server
mcpstore mcp --config-path ./mcp.json --transport streamable-http --host 127.0.0.1 --port 1830 --path /mcp
Python SDK 不再启动嵌入式 API server；需要对外提供服务时，请使用 Rust CLI。
常用接口
以下示例使用完整调用链：
| 动作 | 示例 |
|---|---|
| 添加服务 | store.for_store().add_service(config) |
| 定位服务 | store.for_store().find_service("service_name") |
| 查看服务信息 | store.for_store().find_service("service_name").info() |
| 查看服务状态 | store.for_store().find_service("service_name").state() |
| 更新服务 | store.for_store().update_service("service_name", new_config) |
| 增量更新 | store.for_store().patch_service("service_name", updates) |
| 等待就绪 | store.for_store().wait_service("service_name", timeout=30) |
| 重启服务 | store.for_store().restart_service("service_name") |
| 断开服务 | store.for_store().disconnect_service("service_name") |
| 删除服务 | store.for_store().remove_service(service_name="service_name") |
| 列出服务 | store.for_store().list_services() |
| 列出工具 | store.for_store().list_tools() |
| 列出当前作用域资源 | store.for_store().list_resources() |
| 列出当前作用域资源模板 | store.for_store().list_resource_templates() |
| 读取指定服务资源 | store.for_store().find_service("service_name").read_resource("resource://uri") |
| 列出当前作用域 Prompts | store.for_store().list_prompts() |
| 获取指定服务 Prompt | store.for_store().find_service("service_name").get_prompt("prompt_name", {"k": "v"}) |
| 调用工具 | store.for_store().find_tool("tool_name").call({"k": "v"}) |
| 查看配置 | store.for_store().show_config() |
| 列出 Agent | store.list_agents() |
数据源共享
可以使用 Redis 等 KV 后端，在多个进程或实例之间共享服务与工具数据。
Redis 示例
from mcpstore import MCPStore
from mcpstore.config import RedisConfig
redis_config = RedisConfig(
host="127.0.0.1",
port=6379,
password=None,
namespace="demo_namespace",
)
store = MCPStore.setup_store(source=redis_config)
使用相同后端和 namespace 的实例可以共享数据。若当前进程只使用共享数据源、不维护本地服务实例，可设置 mode="data_plane"：
from mcpstore import MCPStore
from mcpstore.config import RedisConfig
redis_config = RedisConfig(
host="127.0.0.1",
port=6379,
password=None,
namespace="demo_namespace",
)
store = MCPStore.setup_store(source=redis_config, mode="data_plane")
services = store.for_store().list_services()
Docker 部署
仓库提供 Docker 配置，可用于本地试用和部署。
Star History
欢迎通过 Issues 提交问题与建议。