go-mcp

GitHub
667 107 简单 1 次阅读 昨天MIT开发框架Agent
AI 解读 由 AI 自动生成,仅供参考

go-mcp 是一款专为 Go 语言开发者打造的开源工具包,旨在实现模型上下文协议(MCP)。它的核心作用是搭建一座桥梁,让外部系统与大模型应用之间能够进行高效、无缝的通信,解决不同系统间数据交互标准不一、集成复杂的难题。

这款工具特别适合正在使用 Go 语言构建 AI 应用的后端工程师和系统架构师。如果你希望将现有的业务系统快速接入大模型能力,或者需要开发符合 MCP 标准的服务端与客户端,go-mcp 能提供极大的便利。

在技术亮点上,go-mcp 完整实现了 MCP 协议规范,确保兼容性;其架构设计清晰,支持双向通信,并提供了标准的 HTTP 处理器,可轻松融入现有的 Web 框架。得益于 Go 语言本身的强类型特性,它能编写出更安全、易维护的代码;同时利用 Go 强大的并发能力和静态编译优势,确保了服务的高性能与低资源消耗,且部署简单,无需繁琐的依赖管理。通过简洁地道的 API 设计,go-mcp 帮助开发者以更低的成本完成系统集成,专注于核心业务逻辑的实现。

使用场景

某电商平台的后端团队正致力于将现有的 Go 语言库存管理系统与大模型应用对接,以实现通过自然语言查询实时库存和自动补货。

没有 go-mcp 时

  • 协议适配成本高:团队需手动解析 JSON-RPC 消息并维护复杂的状态机来符合 MCP 规范,开发周期长达数周。
  • 类型安全隐患大:由于缺乏强类型约束,外部系统与 AI 交互时的数据结构错误频发,导致运行时崩溃难以排查。
  • 并发性能瓶颈:自研的通信层难以高效处理高并发请求,在促销高峰期经常出现响应延迟甚至超时。
  • 部署依赖繁琐:动态语言特性导致生产环境需要携带大量依赖库,容器镜像体积大且启动缓慢。

使用 go-mcp 后

  • 开箱即用集成:直接调用 go-mcp 提供的标准 API 和 http.Handler,三天内即可完成库存系统与 AI 的双向通信对接。
  • 编译期错误拦截:利用 Go 的强类型系统,所有数据交互在编译阶段即可验证,彻底消除了运行时格式错误。
  • 高性能并发支撑:依托 Go 原生协程机制,go-mcp 轻松承载万级并发查询,确保大促期间库存反馈毫秒级响应。
  • 极简静态部署:得益于静态编译特性,最终服务仅包含单个二进制文件,无外部依赖,部署效率提升 80%。

go-mcp 让 Go 开发者能以最低成本、最高性能将传统后端系统无缝接入 AI 生态,真正实现业务逻辑与大模型的流畅对话。

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该工具是基于 Go 语言开发的 MCP SDK,无需 Python 环境。利用 Go 的静态编译特性,部署简单,无复杂的依赖管理需求。支持多种传输协议(HTTP SSE/POST, Streamable HTTP, Stdio)。
python不适用
Go 1.18+
go-mcp hero image

快速开始

Go-MCP

Statusphere logo

Release Stars Forks Issues Pull Requests License Contributors Last Commit

Go Reference Go Report Go Tests

简体中文 | 繁體中文 | Tiếng Việt

🚀 概述

Go-MCP 是一个功能强大的 Go 版本 MCP SDK,实现了模型上下文协议(MCP),以促进外部系统与 AI 应用程序之间的无缝通信。基于 Go 语言的强类型和高性能优势,它提供了一个简洁且符合惯用风格的 API,方便您将外部系统集成到 AI 应用程序中。

✨ 核心特性

  • 🔄 完整的协议实现:全面实现 MCP 规范,确保与所有兼容服务的无缝集成
  • 🏗️ 优雅的架构设计:采用清晰的三层架构,支持双向通信,确保代码模块化和可扩展性
  • 🔌 与 Web 框架的无缝集成:提供符合 MCP 协议的 http.Handler,使开发者能够将 MCP 集成到其服务框架中
  • 🛡️ 类型安全:利用 Go 的强类型系统,编写清晰且易于维护的代码
  • 📦 简单的部署:受益于 Go 的静态编译特性,无需复杂的依赖管理
  • 高性能设计:充分利用 Go 的并发能力,在各种场景下保持出色的性能和较低的资源开销

🛠️ 安装

go get github.com/ThinkInAIXYZ/go-mcp

需要 Go 1.18 或更高版本。

🎯 快速入门

客户端示例

package main

import (
	"context"
	"log"

	"github.com/ThinkInAIXYZ/go-mcp/client"
	"github.com/ThinkInAIXYZ/go-mcp/transport"
)

func main() {
	// 创建 SSE 传输客户端
	transportClient, err := transport.NewSSEClientTransport("http://127.0.0.1:8080/sse")
	if err != nil {
		log.Fatalf("创建传输客户端失败: %v", err)
	}

	// 初始化 MCP 客户端
	mcpClient, err := client.NewClient(transportClient)
	if err != nil {
		log.Fatalf("创建 MCP 客户端失败: %v", err)
	}
	defer mcpClient.Close()

	// 获取可用工具
	tools, err := mcpClient.ListTools(context.Background())
	if err != nil {
		log.Fatalf("列出工具失败: %v", err)
	}
	log.Printf("可用工具: %+v", tools)
}

服务器示例

package main

import (
	"context"
	"fmt"
	"log"
	"time"

	"github.com/ThinkInAIXYZ/go-mcp/protocol"
	"github.com/ThinkInAIXYZ/go-mcp/server"
	"github.com/ThinkInAIXYZ/go-mcp/transport"
)

type TimeRequest struct {
	Timezone string `json:"timezone" description:"时区" required:"true"` // 使用字段标签描述输入模式
}

func main() {
	// 创建 SSE 传输服务器
	transportServer, err := transport.NewSSEServerTransport("127.0.0.1:8080")
	if err != nil {
		log.Fatalf("创建传输服务器失败: %v", err)
	}

	// 初始化 MCP 服务器
	mcpServer, err := server.NewServer(transportServer)
	if err != nil {
		log.Fatalf("创建 MCP 服务器失败: %v", err)
	}
	
	// 可选:全局中间件(可变参数 - 支持多个中间件)
	// mcpServer.Use(
	// 	LoggingMiddleware,
	// 	AuthMiddleware,
	// 	MetricsMiddleware,
	// )

	// 注册时间查询工具
	tool, err := protocol.NewTool("current_time", "获取指定时区的当前时间", TimeRequest{})
	if err != nil {
		log.Fatalf("创建工具失败: %v", err)
		return
	}
	mcpServer.RegisterTool(tool, handleTimeRequest)

	// 启动服务器
	if err = mcpServer.Run(); err != nil {
		log.Fatalf("服务器启动失败: %v", err)
	}
}

func handleTimeRequest(ctx context.Context, req *protocol.CallToolRequest) (*protocol.CallToolResult, error) {
	var timeReq TimeRequest
	if err := protocol.VerifyAndUnmarshal(req.RawArguments, &timeReq); err != nil {
		return nil, err
	}

	loc, err := time.LoadLocation(timeReq.Timezone)
	if err != nil {
		return nil, fmt.Errorf("无效的时区: %v", err)
	}

	return &protocol.CallToolResult{
		Content: []protocol.Content{
			&protocol.TextContent{
				Type: "text",
				Text: time.Now().In(loc).String(),
			},
		},
	}, nil
}

与 Gin 服务器的集成

package main

import (
	"context"
	"log"

	"github.com/ThinkInAIXYZ/go-mcp/protocol"
	"github.com/ThinkInAIXYZ/go-mcp/server"
	"github.com/ThinkInAIXYZ/go-mcp/transport"
	"github.com/gin-gonic/gin"
)

func main() {
	messageEndpointURL := "/message"

	sseTransport, mcpHandler, err := transport.NewSSEServerTransportAndHandler(messageEndpointURL)
	if err != nil {
		log.Panicf("new sse transport and hander with error: %v", err)
	}

	// 新建 MCP 服务器
	mcpServer, _ := server.NewServer(sseTransport)

	// 将工具注册到 mcpServer 中
	// mcpServer.RegisterTool(tool, toolHandler)

	// 启动 MCP 服务器
	go func() {
		mcpServer.Run()
	}()

	defer mcpServer.Shutdown(context.Background())

	r := gin.Default()
	r.GET("/sse", func(ctx *gin.Context) {
		mcpHandler.HandleSSE().ServeHTTP(ctx.Writer, ctx.Request)
	})
	r.POST(messageEndpointURL, func(ctx *gin.Context) {
		mcpHandler.HandleMessage().ServeHTTP(ctx.Writer, ctx.Request)
	})

	if err = r.Run(":8080"); err != nil {
		return
	}
}

参考:更完整的示例

🏗️ 架构设计

Go-MCP 采用优雅的三层架构:

架构概览

  1. 传输层:负责底层通信实现,支持多种传输协议。
  2. 协议层:负责 MCP 协议的编码/解码以及数据结构定义。
  3. 用户层:提供友好的客户端和服务器 API。

目前支持的传输方式如下:

传输方式

  • HTTP SSE/POST:基于 HTTP 的服务器推送和客户端请求,适用于 Web 场景。
  • 可流式 HTTP:支持无状态和有状态两种模式的 HTTP POST/GET 请求,其中有状态模式利用 SSE 进行多消息流式传输,以实现服务器到客户端的通知和请求。
  • Stdio:基于标准输入输出流,适用于本地进程间通信。

传输层使用统一的接口抽象,使得添加新的传输方式(如可流式 HTTP、WebSocket、gRPC)变得简单,而不会影响上层代码。

🤝 贡献

我们欢迎任何形式的贡献!详情请参阅 CONTRIBUTING.md

📄 许可证

本项目采用 MIT 许可证授权——详情请参阅 LICENSE 文件。

📞 联系我们

  • GitHub Issues提交问题
  • Discord:点击这里加入我们的用户群
  • 微信交流群

微信二维码

✨ 贡献者

感谢所有为本项目做出贡献的开发者!

贡献者

📈 项目趋势

星标历史

版本历史

v0.2.252026/04/06
v0.2.242025/10/10
v0.2.232025/09/18
v0.2.222025/09/08
v0.2.212025/08/24
v0.2.202025/08/09
v0.2.192025/07/27
v0.2.182025/07/23
v0.2.172025/07/09
v0.2.162025/07/01
v0.2.152025/06/17
v0.2.142025/05/28
v0.2.132025/05/26
v0.2.122025/05/24
v0.2.112025/05/18
v0.2.102025/05/18
v0.2.92025/05/18
v0.2.82025/05/17
v0.2.72025/05/15
v0.2.62025/05/14

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|★★★☆☆|6天前
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

151.3k|★★☆☆☆|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|★★☆☆☆|2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|★★☆☆☆|2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|★★☆☆☆|5天前
插件开发框架