arcade-mcp

GitHub
860 87 简单 1 次阅读 今天MIT插件开发框架Agent图像语言模型
AI 解读 由 AI 自动生成,仅供参考

arcade-mcp 是一个专为构建、部署和分享 MCP(模型上下文协议)服务器而设计的开源框架。在 AI 应用开发中,让大模型安全地调用外部工具往往涉及复杂的认证管理和代码编排,arcade-mcp 正是为了解决这一痛点而生。它提供了一套标准化的开发流程,帮助开发者轻松将各类 API 转化为大模型可理解的工具,同时内置了完善的密钥管理与身份验证机制,显著降低了集成难度。

这款工具主要面向 Python 开发者及 AI 应用工程师。无论是希望快速原型验证的研究人员,还是致力于生产级落地的工程团队,都能从中受益。其独特的技术亮点在于极简的命令行体验:只需运行 arcade new 指令,即可自动生成包含完整依赖配置、环境变量示例及基础工具代码的项目骨架。框架原生支持装饰器定义工具函数,并自动处理参数校验与文档生成,让开发者能专注于业务逻辑本身。此外,它还预置了如 Reddit 等常见服务的认证模板,进一步加速开发进程。如果你正在寻找一种高效、规范的方式来扩展大模型的能力边界,arcade-mcp 值得尝试。

使用场景

某初创公司的后端工程师需要在半天内为内部 AI 助手集成 Slack 通知和 GitHub 状态查询功能,以便团队能自然语言获取项目进度。

没有 arcade-mcp 时

  • 重复造轮子:工程师需手动搭建 HTTP 服务器、解析 MCP 协议消息并处理生命周期管理,耗费大量时间在基础设施而非业务逻辑上。
  • 鉴权复杂易错:处理 OAuth 流程(如连接 Slack 或 GitHub)需要编写繁琐的回调代码和安全存储令牌,极易出现安全漏洞。
  • 部署维护困难:缺乏标准化的项目模板,每次新建服务都要重新配置依赖和环境变量,导致不同成员开发的工具风格迥异,难以统一维护。
  • 调试门槛高:缺少内置的日志和上下文管理机制,排查工具调用失败的原因如同“黑盒”摸索,严重拖慢开发节奏。

使用 arcade-mcp 后

  • 极速启动开发:通过 arcade new 命令一键生成包含标准结构和示例代码的项目,工程师可直接聚焦于编写具体的业务工具函数。
  • 内置安全鉴权:利用框架预置的 Auth 模块(如 Reddit 或其他提供商),仅需简单装饰器即可安全处理复杂的 OAuth 流程,自动管理密钥注入。
  • 标准化与复用:生成的 pyproject.toml 和目录结构确保了所有微服务的一致性,团队成员可轻松理解彼此代码,便于后续共享和扩展。
  • 智能上下文支持:框架自动注入 Context 对象并提供完善的日志系统,让工具能感知会话状态,故障排查变得直观高效。

arcade-mcp 将原本需要数天的 MCP 服务器构建与鉴权工作压缩至小时级,让开发者能专注于创造有价值的 AI 工具本身。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该工具是一个 MCP 服务器框架,主要用于构建 AI 代理工具,不涉及重型模型推理,因此无特殊 GPU 或大内存需求。推荐使用 'uv' 工具进行依赖管理和项目运行。部分功能(如 OAuth 认证)需要安装 Arcade CLI 并执行 'arcade login' 进行身份验证。支持 stdio 和 http 两种传输模式,其中 http 模式在本地运行时不支持需要认证或密钥的工具,除非通过 'arcade deploy' 部署。
python3.8+
arcade-mcp-server
httpx
uv
arcade-mcp hero image

快速开始

预构建工具联系我们

Arcade MCP 服务器框架

  • 要查看使用 Arcade MCP 服务器框架(本仓库)构建的示例服务器,请参阅我们的 示例

  • 要了解更多关于 Arcade MCP 服务器框架(本仓库)的信息,请参阅我们的 Arcade MCP 文档

  • 要了解 Arcade.dev 的其他产品和服务,请参阅我们的 文档

顺便说一句,如果你喜欢这个项目,别忘了给我们点个赞哦!

GitHub 星标

快速入门:创建一个新的服务器

最快捷的入门方式是使用 arcade new CLI 命令,它会创建一个完整的 MCP 服务器项目:

# 安装 CLI 工具
uv tool install arcade-mcp

# 创建一个新的服务器项目
arcade new my_server

# 进入项目目录
cd my_server/src/my_server

这将生成一个包含以下内容的项目:

  • server.py - 主服务器文件,包含 MCPApp 和示例工具

  • pyproject.toml - 依赖项和项目配置

  • .env.example - 示例 .env 文件,其中包含 server.py 中生成的一个工具所需的密钥

生成的 server.py 包含完善的命令行参数处理以及三个示例工具:

#!/usr/bin/env python3
"""simple_server MCP 服务器"""

import sys
from typing import Annotated

import httpx
from arcade_mcp_server import Context, MCPApp
from arcade_mcp_server.auth import Reddit

app = MCPApp(name="simple_server", version="1.0.0", log_level="DEBUG")


@app.tool
def greet(name: Annotated[str, "要问候的人的名字"]) -> str:
    """用名字问候某人。"""
    return f"你好,{name}!"


# 要在本地使用此工具,你需要在 .env 文件中设置密钥,或者将其作为环境变量。
@app.tool(requires_secrets=["MY_SECRET_KEY"])
def whisper_secret(context: Context) -> Annotated[str, "密钥的最后4位字符"]:
    """揭示密钥的最后4位字符"""
    # 密钥会在运行时注入到上下文中。
    # LLM 和 MCP 客户端无法看到或访问你的密钥。
    # 你可以将密钥定义在 .env 文件中。
    try:
        secret = context.get_secret("MY_SECRET_KEY")
    except Exception as e:
        return str(e)

    return "密钥的最后4位字符是:" + secret[-4:]

# 要在本地使用此工具,你需要安装 Arcade CLI(uv tool install arcade-mcp),然后运行 'arcade login' 进行认证。
@app.tool(requires_auth=Reddit(scopes=["read"]))
async def get_posts_in_subreddit(
    context: Context, subreddit: Annotated[str, "子版块的名字"]
) -> dict:
    """从特定子版块获取帖子"""
    # 规范化子版块名称
    subreddit = subreddit.lower().replace("r/", "").replace(" ", "")

    # 准备 httpx 请求
    # OAuth 令牌会在运行时注入到上下文中。
    # LLM 和 MCP 客户端无法看到或访问你的 OAuth 令牌。
    oauth_token = context.get_auth_token_or_empty()
    headers = {
        "Authorization": f"Bearer {oauth_token}",
        "User-Agent": "{{ toolkit_name }}-mcp-server",
    }
    params = {"limit": 5}
    url = f"https://oauth.reddit.com/r/{subreddit}/hot"

    # 发起请求
    async with httpx.AsyncClient() as client:
        response = await client.get(url, headers=headers, params=params)
        response.raise_for_status()

        # 返回响应
        return response.json()

# 使用指定传输方式运行
if __name__ == "__main__":
    # 从命令行参数获取传输方式,默认为 "stdio"
    # - "stdio"(默认):用于 Claude Desktop、CLI 工具等的标准 I/O。
    #   可以直接支持需要身份验证或密钥的工具。
    # - "http":用于 Cursor、VS Code 等的 HTTPS 流式传输。
    #   不支持需要身份验证或密钥的工具,除非服务器通过 'arcade deploy' 部署,或者在 Arcade 开发者仪表板中将服务器类型设置为 'Arcade'。
    transport = sys.argv[1] if len(sys.argv) > 1 else "stdio"

    # 运行服务器
    app.run(transport=transport,host="127.0.0.1",port=8000)

这种方法为你提供了:

  • 完整的项目设置 - 一切只需一条命令即可完成

  • 最佳实践 - 使用 pyproject.toml 进行规范的依赖管理

  • 示例代码 - 从常见模式的实际示例中学习

  • 生产就绪 - 结构化设计,便于扩展和部署

运行你的服务器

你可以直接使用 Python 运行你的服务器:

# 使用 stdio 传输方式(默认)
uv run server.py

# 使用 http 传输方式,通过命令行参数指定
uv run server.py http

# 或者直接使用 python
python server.py http
python server.py stdio

你的服务器将会启动并监听连接。如果使用 HTTP 传输方式,你可以在 http://127.0.0.1:8000/docs 访问 API 文档。

配置 MCP 客户端

服务器启动后,将其连接到您喜爱的 AI 助手:

arcade configure claude # 配置 Claude Desktop 以连接到当前目录下的 stdio 服务器
arcade configure cursor --transport http --port 8080 # 配置 Cursor 以连接到本地 HTTP 服务器,端口为 8080
arcade configure vscode --entrypoint my_server.py # 配置 VSCode 以连接到 stdio 服务器,该服务器将在直接执行 my_server.py 时启动

从源代码安装此仓库

git clone https://github.com/ArcadeAI/arcade-mcp.git && cd arcade-mcp && make install

支持与社区

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|1周前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

157.4k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.3k|★★☆☆☆|6天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|6天前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|1周前
插件开发框架