mcpstore

English | 简体中文

在线体验 | 详细文档 | 快速使用

mcpstore 是什么？

开发者最佳的mcp管理包 快速维护mcp服务并应用

快速开始

pip install mcpstore

Rust-first 架构

当前 mcpstore 以 Rust 作为唯一真实运行时：

• mcpstore api 由 Rust 二进制直接启动完整 HTTP API 服务
• mcpstore mcp-server 由 Rust 二进制直接暴露 MCP Server，支持 stdio 和 streamable-http
• Python 包主要提供 PyO3 store facade、稳定的 Python SDK 入口，以及 Python 生态 adapter

如果你只想把 mcpstore 当成独立服务使用，优先直接调用 Rust CLI：

mcpstore api --config-path ./mcp.json --port 18200
mcpstore mcp-server --config-path ./mcp.json
mcpstore mcp-server --config-path ./mcp.json --transport streamable-http --port 18300 --path /mcp

简单示例

一切的开始：初始化一个store

from mcpstore import MCPStore
store = MCPStore.setup_store()

现在你获得了一个 store，利用store去使用你的MCP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")

add_service方法支持多种mcp服务配置格式，。wait_service用来等待服务就绪。

将mcp适配转为langchain需要的对象

#在上面的代码下面加入
tools = store.for_store().for_langchain().list_tools()
print("loaded langchain tools:", len(tools))

轻松将mcp服务转为langchain可以直接使用的tools列表

框架适配

积极支持更多的框架

代码中使用 以langchain为例

#添加上面的代码
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，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)

如你所见。这里的langchain的agent可以正常的调用你通过sotre管理的mcp服务了。

为 Agent 分组

使用 for_agent(agent_id) 实现分组

#不同的agent需要不同的mcp的集合

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": "gitodo", "command": "uvx", "args": ["gitodo"]})

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() 镜像大部分函数接口， agent 的分组是 store 的逻辑子集。

通过为不同 agent 隔离mcp服务，避免上下文过长,并由 sotre 统一维护。

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 18200

# 以 stdio 启动 Rust MCP Server
mcpstore mcp-server --config-path ./mcp.json

# 以 streamable-http 启动 Rust MCP Server
mcpstore mcp-server --config-path ./mcp.json --transport streamable-http --host 127.0.0.1 --port 18300 --path /mcp

Python 侧已不再提供嵌入式 API server；请直接使用 Rust CLI 启动服务。

常用接口

数据源热拔插和共享

支持使用 KV 数据库作为共享缓存后端(如redis)，用于跨进程/多实例共享服务与工具

pip install mcpstore[redis]
#或直接 单独 pip install redis
#或者其他 pyvk 支持的数据库

快速使用

from mcpstore import MCPStore
from mcpstore.config import RedisConfig
redis_config = RedisConfig(
    host="127.0.0.1",
    port=6379,
    password=None,
    namespace="demo_namespace"  # 隔离前缀，防冲突
)
store = MCPStore.setup_store(cache=redis_config)

在 cache 定义好数据库配置的情况下，所有的数据将由数据保存，也就意味着不同实例的 store 只要可以访问到该数据库，就可以共享mcp服务数据以及协同.

也就意味着，你可以通过分布式的方式管理你的mcp服务，在资源受限的环境下可以共享使用由 store 维护好的mcp服务。

你可以在资源充足的环境启动 RedisConfig 配置过的 store。

然后在若干个资源首先的环境下，可以通过 only_db 的方式，放弃管理和维护mcp服务，所有的对mcp服务的操作会以事件的形式通知被共享的环境去维护 store 和进程。

from mcpstore import MCPStore
from mcpstore.config import RedisConfig

redis_config = RedisConfig(
  host="127.0.0.1",
  port=6379,
  password=None,
  namespace="demo_namespace" #使用相同的命名空间来隔离同一个数据库里的不同键  
)
store = MCPStore.setup_store(cache=redis_config, only_db=True) #这里配置only_db 
store.for_store().list_services()

更多细节参考 setup_store 配置见文档

API 与 MCP 服务

当前版本已经内置 Rust API 与 Rust MCP Server：

• mcpstore api：启动完整 HTTP API 服务
• mcpstore mcp-server：启动 MCP Server

因此，对外服务能力应优先理解为 Rust-first；Python 不再承载独立的 API / MCP 核心实现。

docker部署

提供了一些 docker 的配置方便大家尝试，本项目的初衷是做一个更方便好用的 mcp 管理的包，并不偏向于完成一个项目的构建，所以项目设计的可能不太完善和成熟，欢迎大家提出意见谢谢

Star History

McpStore 仍在高频更新中，欢迎反馈与建议。