mcphub.nvim

GitHub
1.8k 81 简单 1 次阅读 今天MIT语言模型插件开发框架
AI 解读 由 AI 自动生成,仅供参考

mcphub.nvim 是一款专为 Neovim 打造的 MCP(模型上下文协议)客户端插件。它旨在打破编辑器与外部 AI 服务之间的壁垒,让用户能在熟悉的编码环境中无缝连接、管理和测试各类 MCP 服务器。

对于依赖 AI 辅助编程的开发者而言,以往配置和切换不同的 AI 工具往往需要繁琐的外部设置或复杂的命令行操作。mcphub.nvim 通过提供直观的交互界面,将这一过程简化为编辑器内的自然工作流。用户可以直接在 Neovim 中调用 MCP 服务器提供的工具、资源和提示词(Prompts),并与其常用的聊天插件深度集成,从而实现更流畅的人机协作体验。

这款工具特别适合热衷于定制开发环境的程序员、技术研究人员以及重度 Neovim 用户。其核心技术亮点在于对 MCP 协议特性的全面支持,包括工具调用、资源管理及模板化提示词,并具备实时监听服务器列表变化的能力,确保状态同步零延迟。基于 Lua 编写且遵循 MIT 协议,mcphub.nvim 以轻量、灵活的方式,帮助开发者将强大的 AI 上下文能力直接融入代码编辑的每一个环节。

使用场景

一位后端开发者正在 Neovim 中重构微服务架构,需要频繁调用本地数据库查询工具、读取分布式日志资源,并让 AI 助手基于实时上下文生成代码。

没有 mcphub.nvim 时

  • 配置割裂且繁琐:开发者需在终端手动启动多个 MCP 服务器,并在不同的聊天插件配置文件中硬编码连接信息,每次新增工具都要重启编辑器。
  • 状态黑盒难以调试:无法直观看到哪些资源(Resources)或提示词(Prompts)已加载,当 AI 无法调用预期工具时,只能翻阅晦涩的日志文件排查连接故障。
  • 响应滞后影响流:当后端服务更新导致可用工具列表变化时,编辑器无法感知,开发者必须手动重载配置才能同步最新的能力列表,打断心流。
  • 交互体验不统一:管理服务器、测试工具参数和实际对话分散在不同窗口,缺乏统一的界面来预览和验证 MCP 服务器的具体能力。

使用 mcphub.nvim 后

  • 一站式无缝集成:直接在 Neovim 内通过直观界面管理所有 MCP 服务器,无需离开编辑器即可配置、启动并与喜爱的聊天插件自动对接。
  • 可视化实时监控:提供清晰的面板展示已加载的工具、资源和提示词列表,支持实时查看状态变更,故障排查从“猜谜”变为“可视”。
  • 动态热更新支持:借助对工具列表和资源变更的实时监听,一旦后端服务更新接口,mcphub.nvim 立即同步最新能力,确保 AI 始终基于最新上下文工作。
  • 闭环测试与管理:内置测试功能允许开发者在调用前直接验证工具参数和返回值,将服务器管理、能力测试与代码生成整合在同一工作流中。

mcphub.nvim 通过将复杂的 MCP 协议转化为 Neovim 原生的可视化工作流,让开发者从繁琐的配置管理中解放,专注于真正的智能编码协作。

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 Neovim 的 Lua 插件,用于集成 MCP (Model Context Protocol) 服务器。核心运行环境为 Neovim,无需独立的 Python 环境或 GPU 资源(除非调用的具体 MCP 服务器有额外需求)。支持通过 systemd 服务运行,并兼容 VS Code 风格的配置文件语法及 JSON5 格式。
python未说明
Neovim (需支持 Lua)
lua-json5
nui.nvim (间接依赖)
mcphub.nvim hero image

快速开始


MCP HUB

Lua NixOS License: MIT Discord

MCP Hub 是一个适用于 Neovim 的 MCP 客户端,可将 MCP(模型上下文协议) 服务器无缝集成到你的编辑工作流中。它提供了一个直观的界面,用于管理、测试和使用你最喜欢的聊天插件中的 MCP 服务器。

图片

💜 赞助商

CryogenicPlanet Oli Morris Super Memory yingmanwumen Yetone omarcresp petermoser watsy0007 kohane27 Kelly CopleyNom Social

特别感谢:

Composio.dev logo Vapi logo

✨ 功能

类别 功能 支持 详情
能力
工具 完全支持
🔔 工具列表变更 实时更新
资源 完全支持
🔔 资源列表变更 实时更新
资源模板 URI 模板
提示 完全支持
🔔 提示列表变更 实时更新
不支持
采样 不支持
MCP 服务器传输方式
可流式HTTP 远程服务器的主要传输协议
SSE 远程服务器的备用传输方式
STDIO 用于本地服务器
远程服务器的身份验证
OAuth 带 PKCE 流程
头部信息 用于 API 密钥/令牌
聊天集成
Avante.nvim 工具、资源、资源模板、提示(作为 slash_commands)
CodeCompanion.nvim 工具、资源、模板、提示(作为 slash_commands)、🖼 图像响应
CopilotChat.nvim 工具、资源、函数调用支持
市场
服务器发现 可浏览经过验证的 MCP 服务器
安装 手动安装以及借助 AI 自动安装
配置
通用 ${} 语法 环境变量及命令执行贯穿所有字段
VS Code 兼容性 支持 servers 键、${env:}${input:} 以及预定义变量
JSON5 支持 通过 lua-json5 支持注释和尾随逗号
工作区管理
项目本地配置 自动检测并与全局配置合并
高级功能
智能文件监听 通过监听配置文件实现智能更新
多实例 所有 Neovim 实例保持同步
关机延迟 可以作为 systemd 服务运行,并在停止中心之前设置延迟
Lua 原生 MCP 服务器 一次编写,处处可用。可以直接用 Lua 编写工具、资源和提示
开发模式 文件更改时热重载 MCP 服务器,便于开发

🎥 演示

MCP Hub + CodeCompanion + Github

MCP Hub + Avante + Figma

🚀 快速入门

访问我们的 文档网站 获取详细指南和示例

👋 获取帮助

:gift: 贡献

请阅读 CONTRIBUTING.md 指南。

🚧 待办事项

  • Neovim MCP 服务器(某种程度上):改进编辑功能、差异对比、终端集成等(欢迎提出想法)
  • 增强的帮助视图,包含全面的文档
  • 将 MCP 资源作为聊天插件中的变量
  • 将 MCP 提示作为聊天插件中的斜杠命令
  • 允许 LLM 动态启动和停止 MCP 服务器
  • 支持 SSE 传输协议
  • 在 avante 中支持 /slash_commands
  • 支持可流式传输的 HTTP 传输协议
  • 支持 OAuth
  • 添加类型定义
  • 完善文档
  • 添加测试
  • 在 avante 中支持 #variables

👏 致谢

感谢以下项目:

版本历史

v6.2.02025/07/31
v6.0.02025/07/18
v5.13.02025/07/14
v5.12.02025/07/09
v5.11.12025/07/08
v5.11.02025/06/26
v5.10.02025/06/24
v5.9.02025/06/24
v5.8.02025/06/22
v5.7.52025/06/18
v5.7.42025/06/16
v5.7.32025/06/13
v5.7.22025/06/11
v5.7.12025/06/10
v5.7.02025/06/05
v5.6.12025/05/30
v5.6.02025/05/28
v5.5.02025/05/26
v5.4.02025/05/24
v5.3.12025/05/24

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|★★★☆☆|2天前
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|★★★☆☆|3天前
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

145.9k|★★☆☆☆|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。

108.1k|★★☆☆☆|今天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|2天前
插件开发框架

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|★★★☆☆|2天前
语言模型图像Agent