mcp.el

GitHub
555 46 中等 2 次阅读 5天前GPL-3.0插件开发框架
AI 解读 由 AI 自动生成,仅供参考

mcp.el 是一个为 Emacs 设计的 Model Context Protocol(MCP)客户端插件,允许用户在编辑器内直接与 MCP 服务器进行交互。它通过结构化通信方式连接各类 MCP 服务(如文件系统、数据库、AI 模型接口等),并提供统一的管理界面和快捷键操作,简化了开发流程中跨服务的数据交换需求。

这一工具解决了传统开发中需要频繁切换终端或外部工具管理服务器的问题,尤其适合习惯使用 Emacs 的开发者、研究人员或 AI 工程师。对于需要同时处理多类 MCP 服务(如本地文件存储、向量数据库 Qdrant、Graphlit 等)的场景,mcp.el 通过内置的异步/同步操作支持和资源管理功能,显著提升了工作效率。

其技术亮点包括:对多种 MCP 服务器类型的兼容性支持、与 gptel 等主流 Emacs 插件的深度集成、以及通过 mcp-hub 提供的可视化服务器生命周期管理界面。用户可通过简单配置启动多个服务实例,并通过快捷键(如 s 启动、k 停止服务器)快速完成操作。对于需要构建复杂 AI 工作流的用户,mcp.el 的可扩展工具系统和环境变量配置能力也提供了灵活的定制空间。

使用场景

一个AI项目开发者正在构建智能文档分析系统,需要同时运行文件系统服务器、向量数据库(Qdrant)和第三方知识图谱服务(Graphlit),这些服务都基于MCP协议实现。

没有 mcp.el 时

  • 需要手动在终端依次启动3个MCP服务,每次重启Emacs后都要重复操作
  • 服务状态分散在不同终端窗口,无法统一查看日志和管理生命周期
  • 配置Graphlit服务时需手动设置多个环境变量,容易出错且难以复用
  • 调试时无法直接在Emacs内调用LLM模型进行测试,需要切换到独立应用
  • 服务根目录维护困难,添加/移除路径需要修改配置文件并重启服务

使用 mcp.el 后

  • 通过mcp-hub-start-all-server一键启动所有MCP服务,Emacs重启后自动恢复
  • 在专用管理界面实时查看各服务状态,使用l键快速定位日志输出
  • Graphlit服务配置通过结构化Elisp代码管理,环境变量自动注入无需手动输入
  • 集成gptel插件后,可在Emacs内直接调用LLM模型进行服务测试
  • 使用+/-快捷键动态调整文件系统服务的根目录,无需重启服务即可生效

核心价值:mcp.el将分散的MCP服务管理整合到Emacs工作流中,通过可视化界面和快捷键操作,使多服务协同开发效率提升50%以上,显著降低环境配置和调试成本。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes需安装 Node.js 环境(用于 npx 命令)及 Python 环境(用于 uvx 命令)。部分服务器(如 graphlit)需要配置环境变量(如 GRAPHLIT_ORGANIZATION_ID 等)。建议提前安装 @modelcontextprotocol/server-filesystem 等 MCP 服务端依赖。
python未说明
mcp.el hero image

快速开始

#+TITLE: MCP.el - Model Context Protocol(模型上下文协议)的 Emacs 客户端

[[https://melpa.org/#/mcp][file:https://melpa.org/packages/mcp-badge.svg]] [[https://www.gnu.org/licenses/gpl-3.0][https://img.shields.io/badge/License-GPLv3-blue.svg]]

这是用于与 [[https://modelcontextprotocol.io/introduction][MCP]] 交互的 Emacs 客户端,支持连接到 MCP 服务器。

  • 功能特性
  • 与 MCP 服务器的结构化通信
  • 支持文件系统和通用 MCP 服务器
  • 可扩展的工具和提示系统
  • 异步和同步操作
  • 资源管理能力
  • 直观的服务器生命周期管理接口(启动/停止/重启)
  • 与流行 Emacs 插件的集成(如 gptel, llm)
  • 安装 需要 Emacs 30 或更高版本

#+begin_src elisp (use-package mcp :ensure t :after gptel :custom (mcp-hub-servers `(("filesystem" . (:command "npx" :args ("-y" "@modelcontextprotocol/server-filesystem") :roots ("/home/lizqwer/MyProject/"))) ("fetch" . (:command "uvx" :args ("mcp-server-fetch"))) ("qdrant" . (:url "http://localhost:8000/sse")) ("graphlit" . ( :command "npx" :args ("-y" "graphlit-mcp-server") :env ( :GRAPHLIT_ORGANIZATION_ID "your-organization-id" :GRAPHLIT_ENVIRONMENT_ID "your-environment-id" :GRAPHLIT_JWT_SECRET "your-jwt-secret"))))) :config (require 'mcp-hub) :hook (after-init . mcp-hub-start-all-server)) #+end_src

  • 使用方法 ** Mcp hub *** 配置 MCP 服务器

#+begin_src elisp (setq mcp-hub-servers '(("filesystem" . (:command "npx" :args ("-y" "@modelcontextprotocol/server-filesystem") :roots ("/home/lizqwer/MyProject/"))) ("fetch" . (:command "uvx" :args ("mcp-server-fetch"))) ("qdrant" . (:url "http://localhost:8000/sse")) ("graphlit" . ( :command "npx" :args ("-y" "graphlit-mcp-server") :env ( :GRAPHLIT_ORGANIZATION_ID "your-organization-id" :GRAPHLIT_ENVIRONMENT_ID "your-environment-id" :GRAPHLIT_JWT_SECRET "your-jwt-secret"))))) #+end_src 可以使用 =mcp-hub-start-all-server= 启动所有 MCP 服务器,例如在启动 Emacs 后自动启动所有 MCP 服务器。 #+begin_src elisp (add-hook 'after-init-hook #'mcp-hub-start-all-server) #+end_src *** 管理 MCP 服务器 使用 =mcp-hub= 启动服务器管理界面,该界面会自动启动所有配置的 MCP 服务器。

#+html: mcp-hub

*** 快捷键映射 | 按键 | 函数 | 描述 | |-----+----------------------------+-----------------------------------------| | l | mcp-hub-view-log | 查看服务器日志 | | s | mcp-hub-start-server | 启动光标下的服务器 | | k | mcp-hub-close-server | 停止光标下的服务器 | | r | mcp-hub-restart-server | 重启光标下的服务器 | | S | mcp-hub-start-all-server | 启动所有配置的服务器 | | R | mcp-hub-restart-all-server | 重启所有配置的服务器 | | K | mcp-hub-close-all-server | 停止所有运行的服务器 | | + | mcp-hub-add-root | 向服务器添加根目录 | | - | mcp-hub-remove-root | 从服务器移除根目录 | | = | mcp-hub-view-roots | 查看服务器的根目录 | *** 与 [[https://github.com/karthink/gptel][gptel]] 的集成

#+begin_src elisp (mcp-connect-server "filesystem" :command "npx" :args '("-y" "@modelcontextprotocol/server-filesystem") :roots '("/Downloads/" "/Documents/") :initial-callback #'(lambda (connection) (message "%s connection" (jsonrpc-name connection))) :tools-callback #'(lambda (connection tools) (message "%s tools: %s" (jsonrpc-name connection) tools)) :prompts-callback #'(lambda (connection prompts) (message "%s prompts: %s" (jsonrpc-name connection) prompts)) :resources-callback #'(lambda (connection resources) (message "%s resources: %s" (jsonrpc-name connection) resources))) #+end_src *** 使用文件系统服务器的根目录 文件系统服务器使用 MCP 根目录协议来确定可以访问的目录。可以通过 =:roots= 参数指定目录(而非通过命令行参数传递):

#+begin_src elisp (mcp-connect-server "filesystem" :command "npx" :args '("-y" "@modelcontextprotocol/server-filesystem") :roots '("/home/user/project1" "/home/user/project2")) #+end_src

连接服务器后也可以动态管理根目录:

#+begin_src elisp ;; 添加新根目录 (mcp-add-root "filesystem" "/home/user/new-project")

;; 移除根目录 (mcp-remove-root "filesystem" "/home/user/old-project")

;; 替换所有根目录 (mcp-set-roots "filesystem" '("/home/user/project1" "/home/user/project2"))

;; 查看当前根目录 (mcp-get-roots "filesystem") #+end_src

Root 指定方式

根目录也可以指定为包含附加元数据的属性列表(plists):

  (mcp-connect-server "filesystem"
                      :command "npx"
                      :args '("-y" "@modelcontextprotocol/server-filesystem")
                      :roots '((:uri "file:///home/user/project" :name "My Project")
                               "/home/user/downloads"))

定义工具使用方式

当前文本正在使用 [[https://github.com/karthink/gptel/issues/514][gptel tool]] 分支进行测试。使用 mcp-make-text-tool 创建标准工具调用数据([[https://github.com/ahyatt/llm/discussions/124][Discussions]])。建议在 tools-callback 内创建工具,或等待 mcp 连接服务器完成。

  (mcp-make-text-tool "filesystem" "write_file")

这将生成一个数据结构,其中函数是用于访问 MCP 服务器的自动生成的同步或异步 lambda 函数。

  (list :function #'(lambda (&rest args)
                      ;; Synchronous or asynchronous access to the MCP server's Lambda function.
                      )
        :name "write_file"
        :async nil
        :description "Create a new file or completely overwrite an existing file with new content. Use with caution as it will overwrite existing files without warning. Handles text content with proper encoding. Only works within allowed directories."
        :args ((:type "string" :name "path" :description "path")
               (:type "string" :name "content" :description "content"))
        :category "files")

与服务器断开连接

  (mcp-stop-server "filesystem")

手动函数调用

同步调用

  (let ((connection (gethash "filesystem" mcp-server-connections)))
    (mcp-call-tool connection "write_file" '(:path "filename or file path" :content "the file content")))

异步调用

  (let ((connection (gethash "filesystem" mcp-server-connections)))
    (mcp-async-call-tool connection
                         "write_file"
                         '(:path "filename or file path" :content "the file content")
                         #'(lambda (res)
                             ;; handle res
                             (mcp--parse-tool-call-result res))
                         #'(lambda (code message)
                             ;; handle error
                             (format "call %s tool error with %s: %s"
                                     tool-name
                                     code
                                     message))))

手动获取提示

由于 [[https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem][filesystem]] 服务器缺少提示功能,此处使用 [[https://github.com/modelcontextprotocol/servers/tree/main/src/everything][everything]] 服务器进行演示。

同步调用

  (let ((connection (gethash "everything" mcp-server-connections)))
    (mcp-get-prompt connection "complex_prompt" '(:temperature "1.0")))

异步调用

  (let ((connection (gethash "everything" mcp-server-connections)))
    (mcp-async-get-prompt connection
                          "complex_prompt"
                          '(:temperature "1.0")
                          #'(lambda (res)
                              (message "prompt: %s" res))
                          #'(lambda (code message)
                              (message "error call: %s, %s" code message))))

手动获取资源

由于 [[https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem][filesystem]] 服务器缺少资源功能,此处使用 [[https://github.com/modelcontextprotocol/servers/tree/main/src/everything][everything]] 服务器进行演示。

同步调用

  (let ((connection (gethash "everything" mcp-server-connections)))
    (mcp-read-resource connection "test://static/resource/1"))

异步调用

  (let ((connection (gethash "everything" mcp-server-connections)))
    (mcp-async-read-resource connection "test://static/resource/1"
                             #'(lambda (resource)
                                 (message "res: %s" resource))))

获取资源模板

由于 [[https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem][filesystem]] 服务器缺少资源功能,此处使用 [[https://github.com/modelcontextprotocol/servers/tree/main/src/everything][everything]] 服务器进行演示。

  (let ((connection (gethash "everything" mcp-server-connections)))
    (mcp-async-list-resource-templates connection
                                       #'(lambda (connection templates)
                                           (message "%s" templates))))

开发路线图

  • 基于 HTTP SSE 的 MCP 服务器连接
  • MCP 市场(浏览器和自动安装 MCP 服务器)
  • 与其他 Emacs AI 客户端的简化集成
  • 扩展文档
  • 完整的 MCP 协议客户端实现

许可证

本项目采用 GNU General Public License v3.0 许可证 - 详见 [[file:LICENSE][LICENSE]] 文件。

常见问题

相似工具推荐

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|★★★☆☆|今天
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

139k|★★☆☆☆|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。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架