php-sdk

GitHub
1.4k 126 非常简单 1 次阅读 昨天NOASSERTION开发框架Agent
AI 解读 由 AI 自动生成,仅供参考

php-sdk 是 Model Context Protocol (MCP) 的官方 PHP 开发工具包,由 PHP 基金会与 Symfony 项目联手打造。它旨在帮助开发者轻松构建符合 MCP 标准的服务器端和客户端应用,打通 PHP 系统与 AI 智能体(如 Claude 等)之间的连接桥梁。

过去,让传统 PHP 业务逻辑被 AI 直接调用往往需要复杂的适配工作。php-sdk 通过提供框架无关的 API,简化了这一过程:开发者只需定义简单的函数或资源,即可将其暴露给 AI,使其能够执行计算、读取配置或获取数据库信息。无论是将现有功能转化为 AI 可调用的“工具”,还是构建能主动连接外部服务的“客户端”,该工具包都能高效胜任。

这款工具主要面向 PHP 后端开发者及架构师。其独特的技术亮点在于深度结合了现代 PHP 特性,支持使用原生属性(Attributes)自动发现并注册能力,极大减少了样板代码;同时也保留了手动注册的灵活性。此外,它遵循 Symfony 的高标准开发规范,承诺向后兼容,并提供 STDIO 和 HTTP 多种传输方式以适应不同部署环境。目前虽处于实验阶段,但已为 PHP 生态融入 AI 浪潮提供了坚实且优雅的基础设施。

使用场景

某电商团队希望让内部 AI 助手直接调用现有的 PHP 订单系统,以自动处理退款和查询库存。

没有 php-sdk 时

  • 协议实现繁琐:开发人员需手动解析 Model Context Protocol 的 JSON-RPC 消息格式,极易因字段遗漏导致通信失败。
  • 功能暴露困难:将原有的 PHP 业务逻辑(如 refundOrder)转化为 AI 可识别的工具,需要编写大量重复的适配代码和文档描述。
  • 维护成本高昂:缺乏统一标准,每次新增 AI 能力都需重构接口层,且难以保证与不同 AI 客户端的兼容性。
  • 调试黑盒化:缺少标准化的传输层(如 STDIO 或 HTTP)支持,本地调试 AI 与后端交互时日志混乱,定位问题耗时。

使用 php-sdk 后

  • 开箱即用:php-sdk 内置了完整的协议解析器,只需几行配置即可建立符合标准的 MCP 服务端,无需关注底层细节。
  • 属性化开发:利用 PHP 属性(Attributes)标记现有方法(如 #[McpTool]),瞬间将普通函数变为 AI 可调用的工具,自动同步元数据。
  • 架构灵活统一:遵循 Symfony 编码规范,支持自动发现与手动注册混合模式,轻松集成到现有项目中并保持长期向后兼容。
  • 多场景部署:内置 STDIO 和 HTTP 多种传输方式,既能本地命令行调试,也能快速部署为分布式微服务供云端 AI 调用。

php-sdk 通过标准化接口和声明式开发,将 PHP 应用接入 AI 生态的周期从数天缩短至几分钟。

运行环境要求

操作系统
  • 未说明
GPU

不需要

内存

未说明

依赖
notes这是一个 PHP 开发工具包(SDK),用于实现 Model Context Protocol (MCP) 的服务器和客户端,而非直接运行 AI 模型的工具。因此不需要 GPU 或特定内存配置。安装需通过 Composer (`composer require mcp/sdk`)。支持 STDIO 和 HTTP 两种传输方式,会话存储支持内存、文件或基于 PSR-16 的缓存后端(如 Redis)。该项目目前处于实验阶段。
python不适用
composer (PHP 包管理器)
mcp/sdk
php-sdk hero image

快速开始

MCP PHP SDK

模型上下文协议(MCP)的官方 PHP SDK。它提供了一个与框架无关的 API,用于在 PHP 中实现 MCP 服务器和客户端。

该项目是 PHP 基金会Symfony 项目 合作的成果。它采用了 Symfony 项目的开发实践和标准,包括 编码规范向后兼容性承诺

在首个重大版本发布之前,该 SDK 被视为实验性,请参阅 路线图 以了解计划中的下一步和功能。

目录

安装

composer require mcp/sdk

概述

MCP PHP SDK 提供了模型上下文协议的服务器客户端实现,使您能够:

  • 构建 MCP 服务器:将您的 PHP 应用程序的功能(工具、资源、提示)暴露给 AI 代理
  • 构建 MCP 客户端:从您的 PHP 应用程序中连接并交互 MCP 服务器

服务器 SDK

构建 MCP 服务器,以将您的 PHP 应用程序的能力暴露给 Claude、Codex 等 AI 代理。

快速入门

use Mcp\Server;
use Mcp\Server\Transport\StdioTransport;
use Mcp\Capability\Attribute\McpTool;
use Mcp\Capability\Attribute\McpResource;

// 使用 PHP 属性定义能力
class CalculatorCapabilities
{
    #[McpTool]
    public function add(int $a, int $b): int
    {
        return $a + $b;
    }

    #[McpResource(uri: 'config://calculator/settings')]
    public function getSettings(): array
    {
        return ['precision' => 2];
    }
}

// 构建并运行服务器
$server = Server::builder()
    ->setServerInfo('Calculator Server', '1.0.0')
    ->setDiscovery(__DIR__, ['.'])  // 自动发现属性
    ->build();

$transport = new StdioTransport();
$server->run($transport);

服务器能力

  • 工具:AI 代理可以调用的可执行函数
  • 资源:可读取的数据源(文件、配置、数据库)
  • 资源模板:带有 URI 参数的动态资源
  • 提示:预定义的 AI 交互模板
  • 服务器发起的通信:启发式请求、采样、日志记录、进度通知

注册方法

有多种方式可以注册您的 MCP 能力——选择最适合您应用程序架构的方法:

1. 基于属性的发现 — 使用 PHP 属性定义能力,以便自动发现:

#[McpTool]
public function generateReport(): string { /* ... */ }

#[McpResource(uri: 'config://app/settings')]
public function getConfig(): array { /* ... */ }

2. 手动注册 — 不使用属性而通过编程方式注册能力:

$server = Server::builder()
    ->addTool([Calculator::class, 'add'], 'add_numbers')
    ->addResource([Config::class, 'get'], 'config://app')
    ->build();

3. 混合方法 — 结合两种方法以获得最大灵活性:

$server = Server::builder()
    ->setDiscovery(__DIR__, ['.'])
    ->addTool([ExternalService::class, 'process'], 'external')
    ->build();

传输方式

根据您的部署环境选择合适的传输方式:

1. STDIO 传输 — 用于命令行集成和本地进程:

$transport = new StdioTransport();
$server->run($transport);

2. HTTP 传输 — 用于基于 Web 的服务器和分布式系统:

$transport = new StreamableHttpTransport($request, $responseFactory, $streamFactory);
$response = $server->run($transport);

会话管理

配置会话存储以在请求之间保持状态。选择适合您基础设施的后端:

内存中(默认,适用于 STDIO):

$server = Server::builder()
    ->setSession(ttl: 7200) // 2 小时
    ->build();

基于文件(适用于单服务器 HTTP 部署):

$server = Server::builder()
    ->setSession(new FileSessionStore(__DIR__ . '/sessions'))
    ->build();

PSR-16 缓存(例如使用 Redis 进行扩展部署):

$server = Server::builder()
    ->setSession(new Psr16SessionStore(
        cache: new Psr16Cache($redisAdapter),
        prefix: 'mcp-',
        ttl: 3600
    ))
    ->build();

→ 服务器文档

客户端 SDK

从您的 PHP 应用程序中连接到 MCP 服务器,以访问其工具、资源和提示。

快速入门

use Mcp\Client;
use Mcp\Client\Transport\StdioTransport;

// 构建客户端
$client = Client::builder()
    ->setClientInfo('My Application', '1.0.0')
    ->setInitTimeout(30)
    ->setRequestTimeout(120)
    ->build();

// 连接到服务器
$transport = new StdioTransport(
    command: 'php',
    args: ['/path/to/server.php'],
);

$client->connect($transport);

// 发现并使用能力
$tools = $client->listTools();
$result = $client->callTool('add', ['a' => 5, 'b' => 3]);

$resources = $client->listResources();
$content = $client->readResource('config://calculator/settings');

$client->disconnect();

客户端能力

  • 调用工具:列出并执行任何 MCP 服务器上的工具
  • 访问资源:读取静态和动态资源
  • 提示管理:列出并获取提示模板
  • 补全支持:请求参数补全建议

进阶功能

  • 进度跟踪:在长时间操作期间实时跟踪进度
$result = $client->callTool(
    name: 'process_data',
    arguments: ['dataset' => 'large_file.csv'],
    onProgress: function (float $progress, ?float $total, ?string $message) {
        echo "进度: {$progress}/{$total} - {$message}\n";
    }
);
  • 采样支持:处理服务器 LLM 的采样请求
$samplingHandler = new SamplingRequestHandler($myCallback);
$client = Client::builder()
    ->setCapabilities(new ClientCapabilities(sampling: true))
    ->addRequestHandler($samplingHandler)
    ->build();
  • 日志通知:接收服务器的日志消息
$loggingHandler = new LoggingNotificationHandler($myCallback);
$client = Client::builder()
    ->addNotificationHandler($loggingHandler)
    ->build();

传输方式

使用与您的设置匹配的传输方式连接到 MCP 服务器:

1. STDIO 传输 — 连接到本地服务器进程:

$transport = new StdioTransport(
    command: 'php',
    args: ['/path/to/server.php'],
);

$client->connect($transport);

2. HTTP 传输 — 连接到远程或基于 Web 的服务器:

$transport = new HttpTransport('http://localhost:8000');

$client->connect($transport);

→ 客户端文档

文档

核心概念

学习与示例

  • 示例 — 服务器和客户端的全面示例讲解
  • ROADMAP.md — 计划中的功能与开发路线图

外部资源

使用 MCP SDK 的 PHP 库

贡献

我们热衷于支持各层次经验的贡献者,并非常欢迎您的参与。

请参阅 贡献指南,在您 提交问题发送拉取请求 之前开始行动。

致谢

本 SDK 的起点是 PHP-MCP 项目,由 Kyrian Obikwelu 发起,以及 Symfony AI 计划。我们感谢这两个项目及其贡献者所做出的工作,正是他们的努力为本 SDK 打下了坚实的基础。

许可证

本项目对新贡献采用 Apache License, Version 2.0 许可证,现有代码则采用 MIT 许可证 — 详情请参阅 LICENSE 文件。

版本历史

v0.4.02026/02/23
v0.3.02026/01/11
v0.2.22025/12/28
v0.2.12025/12/27
v0.2.02025/12/20
v0.1.02025/11/20

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|★★★☆☆|昨天
Agent图像开发框架