mcpstore

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。

聚合服务

hub_service 是把当前对象（Store / Agent / Service）再暴露成一个 MCP 服务的桥接器，便于把管理面包装成新的 MCP 端点给外部使用。支持 HTTP / SSE / stdio ：

store = MCPStore.setup_store()

# 将全局 Store 暴露为 HTTP MCP
hub = store.for_store().hub_http(port=8000, host="0.0.0.0", path="/mcp", block=False)

# 仅暴露某个 Agent 视角的工具 
agent_hub = store.for_agent("agent1").hub_sse(port=8100, host="0.0.0.0", path="/sse", block=False)

# 将单个服务暴露为 stdio MCP (因为支持关闭单个服务内的某个工具)
service_hub = store.for_agent("agent1").find_service("demo").hub_stdio(block=False)

• 选择 hub_http / hub_sse / hub_stdio 即可对应三种传输；block=False 时后台线程运行。
• 会自动按对象类型生成服务名（Store / Agent / Service），无需手写 tool 注册,可以实现studio与http的转换。

常用接口

| 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().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"}) |

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 模式

新的版本移除了 api 模式直接启动，带来的效果是显著的，mcpstore不再强依赖fastapi包，也可以自己灵活的定制路由和复杂的网络情况 旧版本的api被独立出来做成了示例的mini项目，可以快速启动。

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。