Metorial (YC F25)

面向智能体AI的开源集成平台。
只需一次函数调用，即可将任何AI模型连接到数千个API、数据源和工具。

[!TIP] 跳过部署，直接使用托管服务： 使用Metorial最快速、最简单且最可靠的方式，就是注册我们的托管平台。

➡️ 立即开始（免费）

简介

Metorial使AI智能体开发者能够通过模型上下文协议（MCP）轻松地将他们的模型连接到各种API、数据源和工具。Metorial抽象了MCP的复杂性，为开发者提供了一个简单统一的接口，包括功能强大的SDK、详细的监控以及高度可定制的平台。

特性

• ✨ 一行式SDK：只需一次函数调用，即可将您的AI模型连接到任何API、数据源或工具。
• 🛠️ 基于MCP：Metorial构建于模型上下文协议之上，该协议是用于将AI模型与外部数据和工具连接的标准。
• 🚀 数分钟内上手：Metorial设计简洁易用，设置流程简单，并为所有AI集成提供统一的界面。
• 🕊️ 自行部署：Metorial的源代码托管在GitHub上，您可以自行部署。
• 👩‍💻 专为开发者打造：Metorial并非面向最终用户，而是为需要高质量工具、监控和自定义选项来构建智能体AI应用的开发者而设计。

SDK

Metorial目前提供以下语言的SDK：

• JavaScript/TypeScript
• Python

如果您想构建自定义集成，请查看我们的API文档，了解如何直接使用Metorial API。

Metorial平台

Metorial平台是驱动Metorial引擎的核心代码。它是开源的，支持自行部署。您可以使用它运行自己的Metorial实例，该实例由本仓库中的MCP服务器提供支持。

快速入门

最简单的入门方式是使用.run()方法，它可以自动处理会话管理和对话循环：

import { Metorial } from 'metorial';
import OpenAI from 'openai';

let metorial = new Metorial({ apiKey: 'your-metorial-api-key' });
let openai = new OpenAI({ apiKey: 'your-openai-api-key' });

let result = await metorial.run({
  message: '扫描我的Slack消息，找出会议并将其添加到我的Google日历中。',
  serverDeployments: ['google-calendar-server', 'slack-server'], 
  model: 'gpt-4o',
  client: openai,
  maxSteps: 10 // 可选：限制对话步骤
});

console.log(`响应（共${result.steps}步完成）：`);
console.log(result.text);

import asyncio
from metorial import Metorial
from openai import AsyncOpenAI

async def main():
  metorial = Metorial(api_key="your-metorial-api-key")
  openai = AsyncOpenAI(api_key="your-openai-api-key")
  
  response = await metorial.run(
    message="在HackerNews上搜索最新的AI讨论。",
    server_deployments=["hacker-news-server-deployment"],
    client=openai,
    model="gpt-4o",
    max_steps=25    # 可选
  )
  
  print("响应：", response.text)

asyncio.run(main())

OAuth 集成

在使用需要用户认证的服务（如 Google 日历、Slack 等）时，Metorial 提供 OAuth 会话管理来处理认证流程：

import { Metorial } from 'metorial';
import Anthropic from '@anthropic-ai/sdk';

let metorial = new Metorial({ apiKey: 'your-metorial-api-key' });
let anthropic = new Anthropic({ apiKey: 'your-anthropic-api-key' });

// 为需要用户认证的服务创建 OAuth 会话
let [googleCalOAuthSession, slackOAuthSession] = await Promise.all([
  metorial.oauth.sessions.create({ 
    serverDeploymentId: 'your-google-calendar-server-deployment-id' 
  }),
  metorial.oauth.sessions.create({ 
    serverDeploymentId: 'your-slack-server-deployment-id' 
  })
]);

// 向用户提供 OAuth 认证 URL
console.log('用于用户认证的 OAuth URL：');
console.log(`   Google 日历：${googleCalOAuthSession.url}`);
console.log(`   Slack：${slackOAuthSession.url}`);

// 等待用户完成 OAuth 流程
await metorial.oauth.waitForCompletion([googleCalOAuthSession, slackOAuthSession]);

console.log('OAuth 会话已完成！');

// 现在可以在运行中使用已认证的会话
let result = await metorial.run({
  message: `在 Slack 中查找提及潜在合作伙伴的内容。使用 Exa 查找他们的背景、公司和电子邮件。请为他们安排一场 30 分钟的介绍性电话，时间定在 2025 年 12 月 13 日旧金山时间的空闲时段，并将日历链接发送给我。无需等待任何确认即可继续执行。`,

  serverDeployments: [
    { 
      serverDeploymentId: 'your-google-calendar-server-deployment-id', 
      oauthSessionId: googleCalOAuthSession.id 
    },
    { 
      serverDeploymentId: 'your-slack-server-deployment-id', 
      oauthSessionId: slackOAuthSession.id 
    },
    { 
      serverDeploymentId: 'your-exa-server-deployment-id' // Exa 不需要 OAuth
    }
  ],
  client: anthropic,
  model: 'claude-3-5-sonnet-20241022'
});

console.log(result.text);

import asyncio
import os
from metorial import Metorial
from anthropic import AsyncAnthropic

async def main():
  metorial = Metorial(api_key=os.getenv("METORIAL_API_KEY"))
  anthropic = AsyncAnthropic(api_key=os.getenv("ANTHROPIC_API_KEY"))

  # 创建用于认证服务的 OAuth 会话
  google_cal_deployment_id = os.getenv("GOOGLE_CALENDAR_DEPLOYMENT_ID")
  
  print("🔗 创建 OAuth 会话...")
  oauth_session = metorial.oauth.sessions.create(
    server_deployment_id=google_cal_deployment_id
  )

  print("用于用户认证的 OAuth URL：");
  print(f"   Google 日历：{oauth_session.url}")

  print("\n⏳ 等待 OAuth 完成...");
  await metorial.oauth.wait_for_completion([oauth_session])
  print("✅ OAuth 会话已完成！")

  # 使用包含混合认证的多个服务器部署
  hackernews_deployment_id = os.getenv("HACKERNEWS_DEPLOYMENT_ID")
  
  result = await metorial.run(
    message="""使用现有工具在 Hackernews 上搜索最新的 AI 讨论。然后使用 Google 日历工具为 my@email.address 创建一个明天下午 2 点举行的关于 AI 趋势的会议日程。""",
    server_deployments=[
      { "serverDeploymentId": google_cal_deployment_id, "oauthSessionId": oauth_session.id },
      { "serverDeploymentId": hackernews_deployment_id },
    ],
    client=anthropic,
    model="claude-sonnet-4-20250514",
    max_tokens=4096,
    max_steps=25,
  )
  print(result.text)

asyncio.run(main())

OAuth 流程说明

1. 创建 OAuth 会话：为每个需要用户认证的服务调用 metorial.oauth.sessions.create() 方法。
2. 发送 URL：向用户展示 OAuth URL，以便他们在浏览器中完成认证。
3. 等待完成：使用 metorial.oauth.waitForCompletion() 等待用户完成 OAuth 流程。
4. 使用已认证的会话：在配置 serverDeployments 时传递 oauthSessionId。

示例

更多全面的示例请参阅 examples/ 目录：

• https://github.com/metorial/metorial-node/tree/main/examples/typescript-openai-run/ - 简单的 .run() 方法示例
• https://github.com/metorial/metorial-node/tree/main/examples/typescript-openai/ - 手动 OpenAI 集成
• https://github.com/metorial/metorial-node/tree/main/examples/typescript-anthropic/ - Anthropic 集成
• https://github.com/metorial/metorial-node/tree/main/examples/typescript-ai-sdk/ - AI SDK 集成

多提供商支持

可在不同 AI 提供商之间使用相同的工具。

提供商	模型示例	必需客户端
OpenAI	gpt-4o, gpt-4, gpt-3.5-turbo	openaiClient
Anthropic	claude-3-5-sonnet-20241022, claude-3-haiku-20240307	anthropicClient
Google	gemini-pro, gemini-1.5-pro, gemini-flash	googleClient
DeepSeek	deepseek-chat, deepseek-coder	deepseekClient
Mistral	mistral-large-latest, mistral-small-latest	mistralClient
XAI	grok-beta, grok-vision-beta	xaiClient
TogetherAI	meta-llama/Llama-2-70b-chat-hf, NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO	togetheraiClient

动机

MCP 是一种强大的标准，用于将 AI 模型与外部数据和工具连接起来，但它主要面向 AI 客户端（如 Claude Desktop 或 Cursor），帮助它们连接到工具和数据源。 Metorial 在 MCP 的基础上进一步简化了这一过程，使开发者只需一行代码即可将其 AI 应用程序连接到任何 API、数据源或工具。 通过这种方式，我们赋能开发者构建能够以可靠、简单和安全的方式与其他系统交互的智能体式 AI 应用程序。

技术栈

• 模型上下文协议 (MCP) - Metorial 基于模型上下文协议构建，该协议是一种用于将 AI 模型连接到外部数据和工具的标准。
• Docker - Metorial 使用 Docker 在容器化环境中运行 MCP 服务器，从而简化部署和管理。
• MCP 容器 - Metorial 提供了一系列预构建的 MCP 服务器 Docker 镜像。
• TypeScript - Metorial 的大部分代码使用 TypeScript 编写。
• Bun - Metorial 的核心运行在 Bun 上，Bun 是一个与 Node.js 兼容的高性能 JavaScript 运行时。
• Go - MCP 引擎使用 Go 语言编写，为 Metorial 提供高性能的后端服务。
• PostgreSQL - Metorial 使用 PostgreSQL 进行数据存储。
• Redis - Metorial 使用 Redis 进行缓存和实时数据处理。
• MongoDB - Metorial 使用 MongoDB 存储使用数据和日志。
• React - Metorial 控制台基于 React 构建。

功能特性

Metorial 旨在让开发者能够极其便捷地将其 AI 应用程序连接到外部数据和工具。依托模型上下文协议 (MCP)，Metorial 坚持标准化设计。

海量服务器目录

Metorial 服务器索引 已收录超过 5000 个 MCP 服务器。开发者可以轻松查找并使用适合其 AI 应用的 MCP 服务器。所有内容均可搜索且分类清晰，便于您根据具体需求快速定位合适的服务器。

https://github.com/user-attachments/assets/a171030e-0159-4ce2-9e92-f4fb3f7bfdc6

内置 MCP 浏览器

您可以在 Metorial 控制台中直接测试和探索 MCP 服务器。内置的 MCP 浏览器使您无需离开控制台即可使用任何 MCP 服务器，从而在编写代码之前轻松完成集成的测试与调试。

https://github.com/user-attachments/assets/eeb73085-e1d6-4745-988a-385694d26500

监控与调试

每个 MCP 会话都会被记录，并可在 Metorial 控制台中查看。这使您能够监控集成状态并及时发现潜在问题。更棒的是，一旦发生错误，Metorial 会自动检测并生成详细的错误报告，帮助您迅速解决问题。

https://github.com/user-attachments/assets/c676411e-25b6-442a-af22-c8d99e2be25b

专为开发者打造

Metorial 从一开始就以开发者为核心进行设计。以下是一些使其成为开发者理想选择的关键特性：

• 可定制性：Metorial 具有高度可定制性，允许您根据自身需求配置集成方案。
• 开源：Metorial 是开源项目，您可以将其部署在自己的基础设施上，也可以使用我们的托管平台。
• 多实例支持：为测试不同的配置、环境或版本的集成，您可以创建多个 Metorial 项目实例。
• 强大的 SDK：Metorial 提供功能强大的 JavaScript/TypeScript 和 Python SDK，方便您与 AI 应用程序无缝集成。
• 详尽文档：Metorial 为所有功能提供了详细文档，包含示例和教程，助您快速上手。
• 全面 API 访问：Metorial 的每一项功能均可通过 API 调用，方便您构建自定义集成并自动化工作流。理论上，您甚至可以利用 API 打造属于自己的控制台。
• 高级控制台：Metorial 控制台提供强大的界面，用于管理集成、监控使用情况以及调试 MCP 服务器。

许可证

Metorial 目录采用 Apache License 2.0 许可证授权。

Metorial 快速上手指南

Metorial 是一个开源的 AI Agent 集成平台，基于模型上下文协议（MCP），帮助开发者通过单次函数调用将 AI 模型连接到数千个 API、数据源和工具。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Linux, macOS 或 Windows (WSL2 推荐)
• 运行时环境:
  • Node.js (推荐 v18+) 或 Bun (用于 TypeScript/JavaScript 开发)
  • Python 3.9+ (用于 Python 开发)
• API Keys:
  • Metorial API Key: 需在 Metorial 官网 注册获取。
  • 大模型 API Key: 如 OpenAI, Anthropic, Google 等对应的密钥。
• 依赖库:
  • TypeScript/JS: npm install metorial openai (或其他对应 SDK)
  • Python: pip install metorial openai (或其他对应 SDK)

提示: 为了获得最稳定的体验，建议直接使用 Metorial 提供的托管服务，无需自行部署后端基础设施。

安装步骤

根据您的开发语言选择相应的安装命令：

1. TypeScript / JavaScript

使用 npm 或 bun 安装官方 SDK：

npm install metorial openai
# 或者
bun add metorial openai

2. Python

使用 pip 安装官方 SDK：

pip install metorial openai

基本使用

Metorial 的核心功能是 .run() 方法，它自动处理会话管理和对话循环。以下是最简单的使用示例。

场景示例

让 AI 扫描 Slack 消息中的会议安排，并自动添加到 Google 日历中。

TypeScript 示例

import { Metorial } from 'metorial';
import OpenAI from 'openai';

// 初始化客户端
let metorial = new Metorial({ apiKey: 'your-metorial-api-key' });
let openai = new OpenAI({ apiKey: 'your-openai-api-key' });

// 执行任务
let result = await metorial.run({
  message: 'Scan my slack messages for meetings and put them on my google calendar.',
  serverDeployments: ['google-calendar-server', 'slack-server'], 
  model: 'gpt-4o',
  client: openai,
  maxSteps: 10 // 可选：限制最大交互步数
});

console.log(`Response (completed in ${result.steps} steps):`);
console.log(result.text);

Python 示例

import asyncio
from metorial import Metorial
from openai import AsyncOpenAI

async def main():
  # 初始化客户端
  metorial = Metorial(api_key="your-metorial-api-key")
  openai = AsyncOpenAI(api_key="your-openai-api-key")
  
  # 执行任务
  response = await metorial.run(
    message="Search Hackernews for the latest AI discussions.",
    server_deployments=["hacker-news-server-deployment"],
    client=openai,
    model="gpt-4o",
    max_steps=25    # 可选
  )
  
  print("Response:", response.text)

asyncio.run(main())

进阶：处理 OAuth 认证

当连接需要用户授权的服务（如 Google Calendar, Slack）时，需先创建 OAuth 会话：

1. 调用 metorial.oauth.sessions.create() 创建会话。
2. 引导用户在浏览器中打开返回的 URL 完成授权。
3. 调用 waitForCompletion 等待授权完成。
4. 在 run 方法中传入 oauthSessionId。

(具体代码逻辑请参考官方文档中的 OAuth Integration 章节)

支持的模型提供商

Metorial 支持多种主流大模型提供商，只需更换 client 和 model 参数即可：

提供商	模型示例	所需 Client
OpenAI	gpt-4o, gpt-4	openaiClient
Anthropic	claude-3-5-sonnet	anthropicClient
Google	gemini-pro	googleClient
DeepSeek	deepseek-chat	deepseekClient
Mistral	mistral-large-latest	mistralClient