php-sdk
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
- 未说明
不需要
未说明

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 和 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 和 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和客户端实现,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();
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);
文档
核心概念
- 服务器构建器 — 完整的 ServerBuilder 参考与配置
- 客户端 — 用于连接和与 MCP 服务器通信的客户端 SDK
- 传输方式 — STDIO 和 HTTP 传输的设置与使用
- MCP 元素 — 创建工具、资源、提示和模板
- 服务器-客户端通信 — 抽样、日志记录、进度和通知
- 事件 — 使用事件钩入服务器生命周期
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
- Model Context 协议文档 — 官方 MCP 文档
- Model Context 协议规范 — 协议规范
- 官方支持的服务器 — 参考服务器实现
使用 MCP SDK 的 PHP 库
- pronskiy/mcp — 额外的开发者体验层
- symfony/mcp-bundle — Symfony 集成组件包
- josbeir/cakephp-synapse — CakePHP 集成插件
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 和 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
v0.4.02026/02/23v0.3.02026/01/11v0.2.22025/12/28v0.2.12025/12/27v0.2.02025/12/20v0.1.02025/11/20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。
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
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。
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。
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。
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。