mcp-ui
mcp-ui 是一套基于模型上下文协议(MCP)的开发生态工具,旨在让 AI 应用能够轻松拥有丰富、可交互的图形用户界面。它解决了传统 AI 工具仅能输出纯文本、缺乏直观视觉反馈的痛点,通过标准化协议将后端逻辑与前端展示无缝连接,使开发者能构建出“下一代”的沉浸式 AI 体验。
这套工具非常适合各类软件开发者使用,无论是熟悉 TypeScript、Python 还是 Ruby 的工程师,都能利用其提供的多语言 SDK 快速上手。其核心亮点在于率先提出并实现了"MCP Apps"标准模式:开发者只需在注册 AI 工具时添加简单的元数据链接,即可将特定工具与独立的 UI 资源关联。当用户触发工具时,宿主程序会自动获取并渲染对应的网页界面,无需手动处理复杂的通信逻辑。
作为该领域的先行者,mcp-ui 不仅提供了完善的客户端渲染和服务端资源创建能力,更直接推动了 MCP 官方规范的演进。对于希望突破命令行限制,为 AI 助手添加图表、表单或自定义控制面板的开发团队而言,mcp-ui 是一个成熟且生产就绪的技术选择。
使用场景
某电商数据团队正在开发一个内部 AI 助手,帮助运营人员实时查询库存并调整商品展示策略。
没有 mcp-ui 时
- 交互割裂:AI 只能返回纯文本或 JSON 数据,运营人员需复制结果到后台系统手动操作,流程繁琐且易出错。
- 缺乏可视化:复杂的库存趋势或销售预测数据仅以文字描述呈现,难以直观理解业务波动。
- 开发成本高:若要嵌入图表或按钮,开发者需单独搭建 Web 服务并处理前后端通信,无法复用 MCP 协议能力。
- 响应延迟:用户在聊天窗口与外部系统间反复切换,导致决策链条拉长,错过最佳营销时机。
使用 mcp-ui 后
- 原生交互体验:通过
createUIResource直接在对话中渲染可交互的 HTML 组件,运营人员点击按钮即可一键补货或下架商品。 - 动态数据可视:利用
_meta.ui.resourceUri将工具输出关联至富界面,自动展示库存热力图与销量曲线,关键信息一目了然。 - 协议级集成:基于 MCP Apps 标准,前端渲染器(
AppRenderer)自动拉取并展示 UI,无需额外开发独立后端服务。 - 闭环决策效率:从“查询 - 分析 - 执行”全流程在对话框内完成,大幅缩短操作路径,提升突发状况响应速度。
mcp-ui 通过将标准化工具调用升级为沉浸式图形界面,让 AI 助手真正具备了“手眼协调”的业务执行力。
运行环境要求
未说明
未说明

快速开始
📦 模型上下文协议 UI SDK
什么是 mcp-ui? • 核心概念 • 安装 • 快速上手 • 使用指南 • 示例 • 支持的宿主 • 安全性 • 路线图 • 贡献 • 许可证
mcp-ui 首创了基于 MCP 的交互式 UI 概念,为 AI 工具提供了丰富的 Web 界面。与 Apps SDK 一起,这里开发的模式直接影响了 MCP Apps 规范,该规范标准化了通过协议传递 UI 的方式。
@mcp-ui/* 包实现了 MCP Apps 标准。@mcp-ui/client 是推荐用于 MCP Apps 宿主的 SDK。
@mcp-ui/*包完全符合 MCP Apps 规范,可直接用于生产环境。
💡 什么是 mcp-ui?
mcp-ui 是一个实现 MCP Apps 标准的 SDK,用于在 MCP 上构建 UI。它提供:
@mcp-ui/server(TypeScript):使用createUIResource创建 UI 资源。可与@modelcontextprotocol/ext-apps/server中的registerAppTool和registerAppResource配合使用。@mcp-ui/client(TypeScript):使用AppRenderer(MCP Apps)或UIResourceRenderer(旧版 MCP-UI 宿主)渲染工具 UI。mcp_ui_server(Ruby):用 Ruby 创建 UI 资源。mcp-ui-server(Python):用 Python 创建 UI 资源。
MCP Apps 模式通过 _meta.ui.resourceUri 将工具与其 UI 关联起来。宿主会获取并渲染 UI,同时显示工具的结果。
✨ 核心概念
MCP Apps 模式(推荐)
MCP Apps 标准通过 _meta.ui.resourceUri 将工具与其 UI 关联:
import { registerAppTool, registerAppResource } from '@modelcontextprotocol/ext-apps/server';
import { createUIResource } from '@mcp-ui/server';
// 1. 创建 UI 资源
const widgetUI = await createUIResource({
uri: 'ui://my-server/widget',
content: { type: 'rawHtml', htmlString: '<h1>Widget</h1>' },
encoding: 'text',
});
// 2. 注册资源处理器
registerAppResource(server, 'widget_ui', widgetUI.resource.uri, {}, async () => ({
contents: [widgetUI.resource]
}));
// 3. 注册带有 _meta 链接的工具
registerAppTool(server, 'show_widget', {
description: '显示小部件',
inputSchema: { query: z.string() },
_meta: { ui: { resourceUri: widgetUI.resource.uri } } // 将工具 → UI 链接
}, async ({ query }) => {
return { content: [{ type: 'text', text: `查询: ${query}` }] };
});
宿主检测 _meta.ui.resourceUri,通过 resources/read 获取 UI,并使用 AppRenderer 渲染。
UIResource(数据格式)
UI 内容的底层有效载荷:
interface UIResource {
type: 'resource';
resource: {
uri: string; // 例如:ui://component/id
mimeType: 'text/html;profile=mcp-app';
text?: string; // HTML 内容
blob?: string; // Base64 编码的 HTML 内容
};
}
uri:使用ui://方案的唯一标识符mimeType:text/html;profile=mcp-app—— MCP Apps 标准 MIME 类型textvs.blob:纯文本或 Base64 编码的内容
客户端组件
AppRenderer(MCP Apps)
对于 MCP Apps 宿主,可以使用 AppRenderer 来渲染工具 UI:
import { AppRenderer } from '@mcp-ui/client';
function ToolUI({ client, toolName, toolInput, toolResult }) {
return (
<AppRenderer
client={client}
toolName={toolName}
sandbox={{ url: sandboxUrl }}
toolInput={toolInput}
toolResult={toolResult}
onOpenLink={async ({ url }) => window.open(url)}
onMessage={async (params) => console.log('消息:', params)}
/>
);
}
关键属性:
client:可选的 MCP 客户端,用于自动获取资源toolName:要渲染 UI 的工具名称sandbox:包含代理 URL 的沙盒配置toolInput/toolResult:工具的参数和结果onOpenLink/onMessage:处理 UI 请求的回调函数
UIResourceRenderer(旧版 MCP-UI)
对于将资源嵌入工具响应中的旧版宿主:
import { UIResourceRenderer } from '@mcp-ui/client';
<UIResourceRenderer
resource={mcpResource.resource}
onUIAction={(action) => console.log('动作:', action)}
/>
属性:
resource:包含uri、mimeType和内容(text/blob)的资源对象onUIAction:用于处理工具、提示、链接、通知和意图等操作的回调函数
也可作为 Web 组件使用:
<ui-resource-renderer
resource='{ "mimeType": "text/html", "text": "<h2>Hello!</h2>" }'
></ui-resource-renderer>
支持的资源类型
HTML (text/html;profile=mcp-app)
使用内部 <HTMLResourceRenderer /> 组件渲染,该组件会在 <iframe> 中显示内容。这适用于自包含的 HTML。
mimeType:text/html;profile=mcp-app(MCP Apps 标准)
UI 行动
UI 片段必须能够与代理进行交互。在 mcp-ui 中,这是通过监听 UI 片段发送的事件并在宿主中作出响应来实现的(参见 onUIAction 属性)。例如,当用户点击按钮时,HTML 可能会触发工具调用,方法是发送一个事件,该事件会被客户端捕获并处理。
平台适配器
MCP-UI SDK 包含对特定宿主实现的适配器支持,使您的开放 MCP-UI 小部件能够在任何宿主环境下无缝运行。适配器会自动在 MCP-UI 的 postMessage 协议与宿主特定 API 之间进行转换。随着时间推移,当宿主逐渐兼容该开放规范时,这些适配器将不再需要。
可用适配器
Apps SDK 适配器
对于 Apps SDK 环境(例如 ChatGPT),此适配器会将 MCP-UI 协议转换为 Apps SDK API 调用(例如 window.openai)。
工作原理:
- 拦截来自您小部件的 MCP-UI
postMessage调用 - 将其转换为相应的 Apps SDK API 调用
- 处理双向通信(工具调用、提示词、状态管理)
- 透明运行——您现有的 MCP-UI 代码无需修改即可继续工作
使用示例:
import { createUIResource } from '@mcp-ui/server';
const htmlResource = await createUIResource({
uri: 'ui://greeting/1',
content: {
type: 'rawHtml',
htmlString: `
<button onclick="window.parent.postMessage({ type: 'tool', payload: { toolName: 'myTool', params: {} } }, '*')">
调用工具
</button>
`
},
encoding: 'text',
});
🏗️ 安装
TypeScript
# 使用 npm
npm install @mcp-ui/server @mcp-ui/client
# 或 pnpm
pnpm add @mcp-ui/server @mcp-ui/client
# 或 yarn
yarn add @mcp-ui/server @mcp-ui/client
Ruby
gem install mcp_ui_server
Python
# 使用 pip
pip install mcp-ui-server
# 或 uv
uv add mcp-ui-server
🚀 入门
您可以使用 GitMCP 让您的 IDE 访问 mcp-ui 的最新文档!
TypeScript(MCP Apps 模式)
服务器端:使用
_meta.ui.resourceUri创建带有 UI 的工具import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js'; import { registerAppTool, registerAppResource } from '@modelcontextprotocol/ext-apps/server'; import { createUIResource } from '@mcp-ui/server'; import { z } from 'zod'; const server = new McpServer({ name: 'my-server', version: '1.0.0' }); // 创建 UI 资源 const widgetUI = await createUIResource({ uri: 'ui://my-server/widget', content: { type: 'rawHtml', htmlString: '<h1>交互式小部件</h1>' }, encoding: 'text', }); // 注册资源处理器 registerAppResource(server, 'widget_ui', widgetUI.resource.uri, {}, async () => ({ contents: [widgetUI.resource] })); // 注册带 _meta 链接的工具 registerAppTool(server, 'show_widget', { description: '显示小部件', inputSchema: { query: z.string() }, _meta: { ui: { resourceUri: widgetUI.resource.uri } } }, async ({ query }) => { return { content: [{ type: 'text', text: `查询: ${query}` }] }; });客户端:使用
AppRenderer渲染工具 UIimport { AppRenderer } from '@mcp-ui/client'; function ToolUI({ client, toolName, toolInput, toolResult }) { return ( <AppRenderer client={client} toolName={toolName} sandbox={{ url: sandboxUrl }} toolInput={toolInput} toolResult={toolResult} onOpenLink={async ({ url }) => window.open(url)} onMessage={async (params) => console.log('消息:', params)} /> ); }
旧版 MCP-UI 模式
对于尚不支持 MCP Apps 的宿主:
import { UIResourceRenderer } from '@mcp-ui/client';
<UIResourceRenderer
resource={mcpResource.resource}
onUIAction={(action) => console.log('动作:', action)}
/>
Python
服务器端:构建您的 UI 资源
from mcp_ui_server import create_ui_resource
# 内联 HTML
html_resource = create_ui_resource({
"uri": "ui://greeting/1",
"content": { "type": "rawHtml", "htmlString": "<p>你好,来自 Python!</p>" },
"encoding": "text",
})
# 外部 URL
external_url_resource = create_ui_resource({
"uri": "ui://greeting/2",
"content": { "type": "externalUrl", "iframeUrl": "https://example.com" },
"encoding": "text",
})
Ruby
服务器端:构建您的 UI 资源
require 'mcp_ui_server'
# 内联 HTML
html_resource = McpUiServer.create_ui_resource(
uri: 'ui://greeting/1',
content: { type: :raw_html, htmlString: '<p>你好,来自 Ruby!</p>' },
encoding: :text
)
# 外部 URL
external_url_resource = McpUiServer.create_ui_resource(
uri: 'ui://greeting/2',
content: { type: :external_url, iframeUrl: 'https://example.com' },
encoding: :text
)
# remote-dom
remote_dom_resource = McpUiServer.create_ui_resource(
uri: 'ui://remote-component/action-button',
content: {
type: :remote_dom,
script: "
const button = document.createElement('ui-button');
button.setAttribute('label', '点击我,来自 Ruby!');
button.addEventListener('press', () => {
window.parent.postMessage({ type: 'tool', payload: { toolName: 'uiInteraction', params: { action: 'button-click', from: 'ruby-remote-dom' } } }, '*');
});
root.appendChild(button);
",
framework: :react,
},
encoding: :text
)
🚶 演示教程
如需详细了解如何将 mcp-ui 集成到您自己的服务器中,请访问 mcp-ui 文档网站 上的完整服务器教程:
这些指南将向您展示如何在现有服务器上添加 mcp-ui 端点、创建返回 UI 资源的工具,并使用 ui-inspector 测试您的设置!
🌍 示例
客户端示例
- Goose - 开源 AI 代理,支持
mcp-ui。 - LibreChat - 增强版 ChatGPT 克隆,支持
mcp-ui。 - ui-inspector - 检查本地启用
mcp-ui的服务器。 - MCP-UI Chat - 使用
mcp-ui客户端构建的交互式聊天。请查看托管版本! - MCP-UI RemoteDOM 演示(
examples/remote-dom-demo)- 用于测试 RemoteDOM 资源的本地演示应用。 - MCP-UI Web 组件演示(
examples/wc-demo)- 用于测试宿主中 Web 组件集成的本地演示应用。
服务器示例
- TypeScript: 一个功能齐全的服务器,已部署到托管环境以便于测试。
typescript-server-demo:一个简单的 TypeScript 服务器,演示如何生成 UI 资源。- server: 一个功能齐全的 TypeScript 服务器,已部署到 Cloudflare 托管环境以方便测试。
- HTTP 流式传输:
https://remote-mcp-server-authless.idosalomon.workers.dev/mcp - SSE:
https://remote-mcp-server-authless.idosalomon.workers.dev/sse
- HTTP 流式传输:
- Ruby: 一个基础的演示服务器,展示如何将
mcp_ui_server和mcpgem 结合使用。 - Python: 一个简单的演示服务器,展示如何使用
mcp-ui-serverPython 包。 - XMCP - 带有
mcp-ui入门示例的 TypeScript MCP 框架。
将这些 URL 放入任何兼容 MCP 的宿主中,即可查看 mcp-ui 的实际效果。如需支持的本地检查工具,请参阅 ui-inspector。
💻 支持的宿主
@mcp-ui/* 包既适用于 MCP Apps 宿主,也适用于旧版 MCP-UI 宿主。
MCP Apps 宿主
这些宿主实现了MCP Apps 规范,并支持带有 _meta.ui.resourceUri 的工具:
| 宿主 | 备注 |
|---|---|
| Claude | ✅ |
| VSCode | |
| Postman | |
| Goose | |
| MCPJam | |
| LibreChat | |
| mcp-use | |
| Smithery |
旧版 MCP-UI 宿主
这些宿主期望在工具响应中直接嵌入 UI 资源:
| 宿主 | 渲染 | UI 操作 | 备注 |
|---|---|---|---|
| Nanobot | ✅ | ✅ | |
| MCPJam | ✅ | ✅ | |
| Postman | ✅ | ⚠️ | |
| Goose | ✅ | ⚠️ | |
| LibreChat | ✅ | ⚠️ | |
| Smithery | ✅ | ❌ | |
| fast-agent | ✅ | ❌ |
需要适配器的宿主
| 宿主 | 协议 | 备注 |
|---|---|---|
| ChatGPT | Apps SDK | 指南 |
图例: ✅ 支持 · ⚠️ 部分支持 · ❌ 尚未支持
🔒 安全性
宿主和用户的安全性是 mcp-ui 的首要关注点之一。在所有内容类型中,远程代码均在沙箱 iframe 中执行。
🛣️ 路线图
- 添加在线 Playground
- 扩展 UI 操作 API(超越工具调用)
- 支持 Web 组件
- 支持 Remote-DOM
- 添加组件库(进行中)
- 为其他编程语言添加 SDK(进行中;Ruby、Python 已可用)
- 支持更多前端框架
- 探索提供 UI SDK(除了客户端和服务器 SDK 之外)
- 添加声明式 UI 内容类型
- 支持生成式 UI?
核心团队
mcp-ui 是由 Ido Salomon 与 Liad Yosef 合作开展的项目。
🤝 贡献
欢迎贡献代码、提出想法以及报告问题!请参阅贡献指南开始参与。
📄 许可证
Apache 许可证 2.0 © MCP-UI 作者
免责声明
本项目按“原样”提供,不提供任何形式的保证。mcp-ui 的作者及贡献者对因使用本软件而产生的任何损害、损失或问题概不负责。请自行承担风险使用。
版本历史
client/v7.0.02026/03/12client/v6.1.12026/03/12server/v6.1.02026/02/13client/v6.1.02026/02/13server/v6.0.12026/02/06client/v6.0.02026/01/26server/v6.0.02026/01/26client/v5.18.0-alpha.32025/12/22server/v5.17.0-alpha.22025/12/20client/v5.18.0-alpha.22025/12/20client/v5.17.32025/12/20client/v5.17.22025/12/20server/v5.17.0-alpha.12025/12/18client/v5.18.0-alpha.12025/12/18server/v5.16.32025/12/18server/v5.16.22025/12/08server/v5.16.12025/12/01client/v5.17.12025/12/01server/v5.16.02025/11/30client/v5.17.02025/11/30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
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。
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
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。
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。
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