GitHub stars GitHub forks GitHub license Python versions

English | 简体中文

在线体验 | 详细文档 | 快速使用

mcpstore 是什么？

mcpstore 是面向开发者的开箱即用的 MCP 服务编排层：用一个 Store 统一管理服务，并将 MCP 适配给 AI 框架LangChain等使用。

简单示例

首先只需要需要初始化一个store

from mcpstore import MCPStore
store = MCPStore.setup_store()

现在就有了一个 store，后续只需要围绕这个store去添加或者操作你的服务，store 会维护和管理这些 MCP 服务。

给store添加第一个服务

#在上面的代码下面加入
store.for_store().add_service({"mcpServers": {"mcpstore_wiki": {"url": "https://www.mcpstore.wiki/mcp"}}})
store.for_store().wait_service("mcpstore_wiki")

通过add方法便捷添加服务，add_service方法支持多种mcp服务配置格式，主流的mcp配置格式都可以直接传入。wait方法可选，是否同步等待服务就绪。

将mcp适配转为langchain需要的对象

tools = store.for_store().for_langchain().list_tools()
print("loaded langchain tools:", len(tools))

简单链上即可直观的将mcp适配为langchain直接使用的tools列表

框架适配

会逐渐支持更多的框架

已支持框架	获取工具
LangChain	`tools = store.for_store().for_langchain().list_tools()`
LangGraph	`tools = store.for_store().for_langgraph().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()`

现在就可以正常的使用langchain了

#添加上面的代码
from langchain.agents import create_agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
    temperature=0, 
    model="deepseek-chat",
    api_key="sk-*****",
    base_url="https://api.deepseek.com"
)
agent = create_agent(model=llm, tools=tools, system_prompt="你是一个助手，回答的时候带上表情")
events = agent.invoke({"messages": [{"role": "user", "content": "mcpstore怎么添加服务？"}]})
print(events)

快速开始

pip install mcpstore

Agent 分组

使用 for_agent(agent_id) 实现对mcp服务进行分组

agent_id1 = "agent1"
store.for_agent(agent_id1).add_service({"name": "mcpstore_wiki", "url": "https://www.mcpstore.wiki/mcp"})

agent_id2 = "agent2"
store.for_agent(agent_id2).add_service({"name": "playwright", "command": "npx", "args": ["@playwright/mcp"]})

agent1_tools = store.for_agent(agent_id1).list_tools()
agent2_tools = store.for_agent(agent_id2).list_tools()

store.for_agent(agent_id) 与 store.for_store() 共享大部分函数接口，本质上是通过分组机制在全局范围内创建了一个逻辑子集。

通过为不同 Agent 分配专属服务实现服务的有效隔离，避免上下文过长。

与聚合服务hub_service(实验性)和快速生成 A2A Agent Card (计划支持)配合较好。

常用操作

动作	命令示例
定位服务	`store.for_store().find_service("service_name")`
更新服务	`store.for_store().update_service("service_name", new_config)`
增量更新	`store.for_store().patch_service("service_name", {"headers": {"X-API-Key": "..."}})`
删除服务	`store.for_store().delete_service("service_name")`
重启服务	`store.for_store().restart_service("service_name")`
断开服务	`store.for_store().disconnect_service("service_name")`
健康检查	`store.for_store().check_services()`
查看配置	`store.for_store().show_config()`
服务详情	`store.for_store().get_service_info("service_name")`
等待就绪	`store.for_store().wait_service("service_name", timeout=30)`
聚合服务	`store.for_agent(agent_id).hub_services()`
列出Agent	`store.for_store().list_agents()`
列出服务	`store.for_store().list_services()`
列出工具	`store.for_store().list_tools()`
定位工具	`store.for_store().find_tool("tool_name")`
执行工具	`store.for_store().call_tool("tool_name", {"k": "v"})`

缓存/Redis 后端

支持使用 Redis 作为共享缓存后端，用于跨进程/多实例共享服务与工具元数据。安装额外依赖：

pip install mcpstore[redis]
#或直接 单独 pip install redis

使用方式:在store初始化的时候通过 external_db 参数传入：

from mcpstore import MCPStore
store = MCPStore.setup_store(
    external_db={
        "cache": {
            "type": "redis",
            "url": "redis://localhost:6379/0",
            "password": None,
            "namespace": "demo_namespace"
        }
    }
)

更多的setup_store配置见文档

API 模式

启动api

通过SDK快速启动

from mcpstore import MCPStore
prod_store = MCPStore.setup_store()
prod_store.start_api_server(host="0.0.0.0", port=18200)

或者使用CLI快速启动

mcpstore run api

示例页面：在线体验

常用接口

# 服务管理
POST /for_store/add_service
GET  /for_store/list_services
POST /for_store/delete_service

# 工具操作
GET  /for_store/list_tools
POST /for_store/use_tool

# 运行状态
GET  /for_store/get_stats
GET  /for_store/health

更多见接口文档：详细文档

docker部署

Star History

McpStore 仍在高频更新中，欢迎反馈与建议。

mcpstore