mcp-golang

GitHub
1.2k 120 较难 1 次阅读 3天前MIT开发框架Agent
AI 解读 由 AI 自动生成,仅供参考

mcp-golang 是一个专为 Go 语言开发者设计的开源库,旨在帮助用户仅用几行代码即可快速构建符合模型上下文协议(Model Context Protocol, MCP)的服务器与客户端。它解决了在 Go 生态中开发 MCP 应用时往往需要编写大量重复样板代码、手动处理数据序列化及错误逻辑等痛点,让开发者能专注于核心业务逻辑的实现。

该工具特别适合熟悉 Go 语言的后端工程师、系统架构师以及希望将现有 Go 服务快速接入大模型生态的研究人员使用。其核心技术亮点在于强大的类型安全机制:用户只需定义原生的 Go 结构体并添加标签,mcp-golang 便能自动生成标准的 JSON Schema,并自动完成参数反序列化与错误处理,极大降低了出错概率。此外,它支持高度模块化设计,内置了标准输入输出(stdio)和 HTTP 等多种传输方式,同时也允许用户自定义传输层。无论是构建复杂的交互式工具、动态提示词(Prompts),还是管理外部资源,mcp-golang 都能通过简洁的 API 轻松搞定,是 Go 开发者进入 MCP 领域的高效利器。

使用场景

某后端团队希望将内部 Go 语言编写的监控数据查询服务快速接入大模型,让 AI 助手能直接调用实时指标。

没有 mcp-golang 时

  • 手动解析繁琐:开发者需手写大量代码解析 JSON-RPC 请求,并手动映射到 Go 结构体,容易出错且维护困难。
  • Schema 定义割裂:OpenAPI 或 JSON Schema 文档与代码逻辑分离,一旦参数变更,需同步修改多处定义,极易产生不一致。
  • 样板代码冗余:为了实现标准的 MCP 协议交互,需编写大量重复的握手、错误处理和响应封装代码,核心业务逻辑被淹没。
  • 调试周期漫长:缺乏类型安全保护,参数类型错误或必填项缺失往往要在运行时才能发现,排查耗时。

使用 mcp-golang 后

  • 原生结构体驱动:直接定义带 jsonschema 标签的 Go 结构体作为参数,mcp-golang 自动完成 Schema 生成、反序列化及校验。
  • 代码即文档:工具参数的定义完全内嵌于代码结构中,修改结构体字段即自动更新协议描述,确保逻辑与文档永远同步。
  • 极简开发体验:仅需几行代码注册工具函数,mcp-golang 自动处理所有 MCP 端点路由和协议细节,开发者只关注业务实现。
  • 编译期安全保障:利用 Go 的强类型特性,在编译阶段即可拦截参数类型错误,大幅减少运行时异常,提升服务稳定性。

mcp-golang 通过“代码即协议”的理念,将原本复杂的 MCP 服务端开发简化为定义结构体和函数的自然过程,极大降低了 Go 生态接入大模型的门槛。

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 Model Context Protocol (MCP) 实现,无需 Python 环境。主要通过 'go get' 安装。支持 stdio(全功能、双向通信)和 HTTP(无状态、不支持通知)两种传输方式。若需在 Claude Desktop 中使用,需配置可执行的 Go 二进制文件路径。
python不适用
Go (版本未说明,需支持 go modules)
github.com/metoro-io/mcp-golang
github.com/gin-gonic/gin (可选,用于 HTTP 传输)
mcp-golang hero image

快速开始

Statusphere logo

GitHub 星标 GitHub 分支 GitHub 问题 GitHub 拉取请求 GitHub 许可证 GitHub 贡献者 GitHub 最后提交 GoDoc Go Report Card 测试

mcp-golang

mcp-golang 是 Model Context Protocol 的一个非官方 Go 实现。

只需几行代码,即可用 Go 编写 MCP 服务器和客户端。

文档请访问 https://mcpgolang.com

亮点

  • 🛡️类型安全 - 将工具参数定义为原生 Go 结构体,其余工作由 mcp-golang 自动完成。自动模式生成、反序列化、错误处理等。
  • 🚛 自定义传输层 - 可使用内置传输层(stdio 提供完整功能支持,HTTP 用于无状态通信)或编写自己的传输层。
  • 低样板代码 - mcp-golang 会为您生成所有 MCP 端点,您只需关注工具、提示和资源。
  • 🧩 模块化 - 该库分为三个组件:传输层、协议层和服务器/客户端层。您可以全部使用,也可以只取所需部分。
  • 🔄 双向通信 - 通过 stdio 传输层完全支持服务器端和客户端实现。

使用示例

通过 go get github.com/metoro-io/mcp-golang 安装。

服务器示例

package main

import (
	"fmt"
	"github.com/metoro-io/mcp-golang"
	"github.com/metoro-io/mcp-golang/transport/stdio"
)

// 工具参数仅为结构体,并添加 jsonschema 标签
// 更多信息请参见 https://mcpgolang.com/tools#schema-generation
type Content struct {
	Title       string  `json:"title" jsonschema:"required,description=要提交的标题"`
	Description *string `json:"description" jsonschema:"description=要提交的描述"`
}
type MyFunctionsArguments struct {
	Submitter string  `json:"submitter" jsonschema:"required,description=调用此工具的实体名称(openai、google、claude 等)"`
	Content   Content `json:"content" jsonschema:"required,description=消息内容"`
}

func main() {
	done := make(chan struct{})

	server := mcp_golang.NewServer(stdio.NewStdioServerTransport())
	err := server.RegisterTool("hello", "向某人问好", func(arguments MyFunctionsArguments) (*mcp_golang.ToolResponse, error) {
		return mcp_golang.NewToolResponse(mcp_golang.NewTextContent(fmt.Sprintf("你好,%server!", arguments.Submitter))), nil
	})
	if err != nil {
		panic(err)
	}

	err = server.RegisterPrompt("promt_test", "这是一个测试提示", func(arguments Content) (*mcp_golang.PromptResponse, error) {
		return mcp_golang.NewPromptResponse("description", mcp_golang.NewPromptMessage(mcp_golang.NewTextContent(fmt.Sprintf("你好,%server!", arguments.Title)), mcp_golang.RoleUser)), nil
	})
	if err != nil {
		panic(err)
	}

	err = server.RegisterResource("test://resource", "resource_test", "这是一个测试资源", "application/json", func() (*mcp_golang.ResourceResponse, error) {
		return mcp_golang.NewResourceResponse(mcp_golang.NewTextEmbeddedResource("test://resource", "这是一个测试资源", "application/json")), nil
	})

	err = server.Serve()
	if err != nil {
		panic(err)
	}

	<-done
}

HTTP 服务器示例

您也可以使用标准 HTTP 传输层或 Gin 框架创建基于 HTTP 的服务器:

// 标准 HTTP
transport := http.NewHTTPTransport("/mcp")
transport.WithAddr(":8080")
server := mcp_golang.NewServer(transport)

// 或使用 Gin 框架
transport := http.NewGinTransport()
router := gin.Default()
router.POST("/mcp", transport.Handler())
server := mcp_golang.NewServer(transport)

注意:HTTP 传输层是无状态的,不支持通知等双向功能。如需这些功能,请使用 stdio 传输层。

客户端示例

更多完整示例请查看 examples/client 目录。

package main

import (
    "context"
    "log"
    mcp "github.com/metoro-io/mcp-golang"
    "github.com/metoro-io/mcp-golang/transport/stdio"
)

// 定义类型安全的参数
type CalculateArgs struct {
    Operation string `json:"operation"`
    A         int    `json:"a"`
    B         int    `json:"b"`
}

func main() {
   cmd := exec.Command("go", "run", "./server/main.go")
   stdin, err := cmd.StdinPipe()
   if err != nil {
    log.Fatalf("无法获取标准输入管道: %v", err)
   }
   stdout, err := cmd.StdoutPipe()
   if err != nil {
    log.Fatalf("无法获取标准输出管道: %v", err)
   }

   if err := cmd.Start(); err != nil {
    log.Fatalf("无法启动服务器: %v", err)
   }
   defer cmd.Process.Kill()
    // 创建并初始化客户端
    transport := stdio.NewStdioServerTransportWithIO(stdout, stdin)
    client := mcp.NewClient(transport)
    
    if _, err := client.Initialize(context.Background()); err != nil {
        log.Fatalf("初始化失败: %v", err)
    }

    // 使用类型化参数调用工具
    args := CalculateArgs{
        Operation: "add",
        A:         10,
        B:         5,
    }
    
    response, err := client.CallTool(context.Background(), "calculate", args)
    if err != nil {
        log.Fatalf("调用工具失败: %v", err)
    }
    
    if response != nil && len(response.Content) > 0 {
        log.Printf("结果: %s", response.Content[0].TextContent.Text)
    }
}

与 Claude Desktop 集成

在 ~/Library/Application Support/Claude/claude_desktop_config.json 中创建文件,内容如下:

{
"mcpServers": {
  "golang-mcp-server": {
      "command": "<您的 Go MCP 服务器可执行文件路径>",
      "args": [],
      "env": {}
    }
  }
}

贡献

我们非常欢迎贡献!请查看我们的贡献指南

Discord

有任何建议或关于 API 和使用的问题吗?请在 Discord 服务器 上提问。维护人员将很乐意为您提供帮助。

示例

在此处可以找到使用该库的更多详细示例:

  • Metoro - 查询并与由 Metoro 监控的 Kubernetes 环境交互

欢迎提交 PR 来添加您自己的项目!

服务器功能实现

工具

  • 工具调用
  • 将原生 Go 结构体作为参数
  • 自动生成的工具列表端点
  • 变更通知
  • 分页

提示词

  • 提示词调用
  • 自动生成的提示词列表端点
  • 变更通知
  • 分页

资源

  • 资源调用
  • 自动生成的资源列表端点
  • 变更通知
  • 分页

传输协议

  • Stdio - 完全支持所有功能,包括双向通信
  • HTTP - 适用于简单请求-响应场景的无状态传输(不支持通知)
  • Gin - 集成 Gin 框架的 HTTP 传输(无状态,不支持通知)
  • SSE
  • 自定义传输协议支持
  • HTTPS 并支持自定义认证 - 正在开发中。目前不在规范范围内,但我们将为其添加实验性支持。

客户端

  • 调用工具
  • 调用提示词
  • 调用资源
  • 列出工具
  • 列出提示词
  • 列出资源

版本历史

v0.16.12026/02/25
v0.16.0-hotfix-map-race2026/02/25
v0.16.02025/08/21
v0.15.02025/08/21
v0.14.02025/07/12
v0.13.02025/05/22
v0.12.02025/05/07
v0.11.02025/04/18
v0.10.02025/04/18
v0.9.02025/04/09
v0.8.02025/01/22
v0.7.02025/01/22
v0.6.02025/01/22
v0.5.02025/01/21
v0.4.02024/12/15
v0.3.02024/12/13
v0.2.02024/12/12
v0.1.02024/12/11

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|★★★☆☆|今天
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|★★★☆☆|昨天
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

141.5k|★★☆☆☆|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。

107.9k|★★☆☆☆|今天
开发框架图像Agent

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|今天
语言模型图像Agent

Deep-Live-Cam

Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。

88.9k|★★★☆☆|今天
开发框架图像Agent