███ ███ ██████ ███████ ██████ ████████ ██████ ██████ ███████ ████ ████ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ████ ██ ██ ███████ ██████ ██ ██ ██ ██████ █████ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██ ██████ ██ ██████ ██ ██████ ██ ██ ███████

---

English | 简体中文

文档 | 快速使用

mcpstore 是什么？

mcpstore 是一个基于 Rust 构建的 MCP 管理平台，覆盖 MCP 服务的配置、运行、调用与生命周期管理，并提供可复用的 SDK、命令行工具（CLI）以及 App/Web 应用等多种使用方式。

快速开始

SDK

Python（PyPI Lib）

pip install mcpstore
# 或：uv add mcpstore

Rust Lib

cargo add mcpstore

CLI

# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/ip2a/mcpstore/main/install.sh | bash

# 或使用 npm（macOS / Linux / Windows）
npm install -g mcpstore

App

从 GitHub Releases 下载发行版。

App 功能

会话管理

统一查看和管理 MCP 会话，掌握当前连接状态与运行情况。

截图：docs/assets/images/app-sessions.png

会话转移

在不同 Agent 或工作区之间转移会话，保持上下文连续。

截图：docs/assets/images/app-session-transfer.png

技能管理

集中管理可用工具和技能，按需配置 Agent 的能力范围。

截图：docs/assets/images/app-skills.png

Agent 管理

创建和管理不同 Agent，为每个 Agent 配置独立的服务与工具。

截图：docs/assets/images/app-agents.png

CLI 使用

通过 CLI 管理 MCP 服务、查看运行状态，并为 Agent 提供命令行工作流。

SDK 使用

通过 Python SDK 或 Rust Lib 将 mcpstore 集成到自己的应用中。

简单示例

初始化 store：

from mcpstore import MCPStore

store = MCPStore.setup_store()

通过 store.for_store() 管理全局作用域内的 MCP 服务和工具。

添加第一个服务

store.for_store().add_service({
    "mcpServers": {
        "mcpstore_wiki": {
            "url": "https://example.com/mcp"
        }
    }
}).wait_service("mcpstore_wiki")

add_service 接受 MCP 服务配置；wait_service 等待指定服务就绪。

转换为 LangChain 工具

tools = store.for_store().for_langchain().list_tools()
print("loaded langchain tools:", len(tools))

适配器从 store.for_store() 读取工具，并转换为对应框架使用的对象。

框架适配

框架	获取工具
LangChain	tools = store.for_store().for_langchain().list_tools()
LangGraph	tools = store.for_store().for_langgraph().list_tools()
OpenAI	tools = store.for_store().for_openai().list_tools()
AutoGen	tools = store.for_store().for_autogen().list_tools()
CrewAI	tools = store.for_store().for_crewai().list_tools()
LlamaIndex	tools = store.for_store().for_llamaindex().list_tools()
Semantic Kernel	tools = store.for_store().for_semantic_kernel().list_tools()

在 LangChain 中使用

from langchain.agents import create_agent
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    temperature=0,
    model="your-model",
    api_key="sk-*****",
    base_url="https://api.xxx.com",
)
agent = create_agent(model=llm, tools=tools, system_prompt="你是一个助手")
events = agent.invoke({
    "messages": [{"role": "user", "content": "mcpstore 怎么添加服务？"}]
})
print(events)

这里的 tools 由 store.for_store() 提供。

为 Agent 分组

使用 for_agent(agent_id) 为不同 Agent 建立独立作用域：

store.for_agent("agent1").add_service({
    "name": "mcpstore_wiki",
    "url": "https://example.com/mcp",
})

store.for_agent("agent2").add_service({
    "name": "gitodo",
    "command": "uvx",
    "args": ["gitodo"],
})

agent1_tools = store.for_agent("agent1").list_tools()
agent2_tools = store.for_agent("agent2").list_tools()

store.for_agent(agent_id) 与 store.for_store() 提供相同的操作，服务和工具按 Agent 作用域隔离。

Rust API 与 MCP Server

当前推荐直接使用 Rust CLI 暴露服务，而不是再依赖历史 Python hub 接口：

# 启动 Rust HTTP API
mcpstore api --config-path ./mcp.json --host 127.0.0.1 --port 1820

# 以 stdio 启动 Rust MCP Server
mcpstore mcp --config-path ./mcp.json

# 以 streamable-http 启动 Rust MCP Server
mcpstore mcp --config-path ./mcp.json --transport streamable-http --host 127.0.0.1 --port 1830 --path /mcp

Python SDK 不再启动嵌入式 API server；需要对外提供服务时，请使用 Rust CLI。

常用接口

以下示例使用完整调用链：

动作	示例
添加服务	store.for_store().add_service(config)
定位服务	store.for_store().find_service("service_name")
查看服务信息	store.for_store().find_service("service_name").info()
查看服务状态	store.for_store().find_service("service_name").state()
更新服务	store.for_store().update_service("service_name", new_config)
增量更新	store.for_store().patch_service("service_name", updates)
等待就绪	store.for_store().wait_service("service_name", timeout=30)
重启服务	store.for_store().restart_service("service_name")
断开服务	store.for_store().disconnect_service("service_name")
删除服务	store.for_store().remove_service(service_name="service_name")
列出服务	store.for_store().list_services()
列出工具	store.for_store().list_tools()
列出当前作用域资源	store.for_store().list_resources()
列出当前作用域资源模板	store.for_store().list_resource_templates()
读取指定服务资源	store.for_store().find_service("service_name").read_resource("resource://uri")
列出当前作用域 Prompts	store.for_store().list_prompts()
获取指定服务 Prompt	store.for_store().find_service("service_name").get_prompt("prompt_name", {"k": "v"})
调用工具	store.for_store().find_tool("tool_name").call({"k": "v"})
查看配置	store.for_store().show_config()
列出 Agent	store.list_agents()

数据源共享

可以使用 Redis 等 KV 后端，在多个进程或实例之间共享服务与工具数据。

Redis 示例

from mcpstore import MCPStore
from mcpstore.config import RedisConfig

redis_config = RedisConfig(
    host="127.0.0.1",
    port=6379,
    password=None,
    namespace="demo_namespace",
)
store = MCPStore.setup_store(source=redis_config)

使用相同后端和 namespace 的实例可以共享数据。若当前进程只使用共享数据源、不维护本地服务实例，可设置 mode="data_plane"：

from mcpstore import MCPStore
from mcpstore.config import RedisConfig

redis_config = RedisConfig(
    host="127.0.0.1",
    port=6379,
    password=None,
    namespace="demo_namespace",
)
store = MCPStore.setup_store(source=redis_config, mode="data_plane")
services = store.for_store().list_services()

Docker 部署

仓库提供 Docker 配置，可用于本地试用和部署。

Star History

---

欢迎通过 Issues 提交问题与建议。