AI工具有那些? @ 香港AI工具平台
MCP Connect專案:MCP-connect 是一個為了解決模型內容協定 (Model Context Protocol, MCP) 生態系中一個關鍵痛點而生的微型工具。它的核心目標是充當一個橋樑 (Bridge),讓雲端 (Cloud-based) 的 AI 服務,能夠安全地存取和使用你本機 (Local) 上的 MCP 伺服器。
MCP工具

MCP Connect專案

MCP-connect 是一個為了解決模型內容協定 (Model Context Protocol, MCP) 生態系中一個關鍵痛點而生的微型工具。它的核心目標是充當一個橋樑 (Bridge),讓雲端 (Cloud-based) 的 AI 服務,能夠安全地存取和使用你本機 (Local) 上的 MCP 伺服器。

核心價值:打破本地與雲端的隔閡

許多強大的 MCP 伺服器(例如前面介紹的 MCPControl)是基於 Stdio(標準輸入/輸出)傳輸協定建立的。這種方式非常適合在本機上運行的桌面應用程式(如 Claude Desktop)直接呼叫,因為它簡單、高效且安全。

然而,這也帶來了一個限制:那些運行在雲端伺服器上的 AI 應用或服務,無法直接與你電腦上的 Stdio 工具溝通。MCP-connect 正是為了解決這個問題而設計的。

  1. 本地運行: 你在自己的電腦上啟動 MCP-connect 伺服器。
  2. 建立通道 (Tunneling): MCP-connect 會建立一個安全的公開網路位址(內建支援 Ngrok),指向你本地運行的橋接器。
  3. 雲端發送請求: 遠端的雲端 AI 服務將原本要給 MCP 工具的指令,打包成一個 HTTP 請求,發送到這個公開的網路位址。
  4. 協定轉換: MCP-connect 收到 HTTP 請求後,會將其「翻譯」成 Stdio 指令。
  5. 執行本地工具: 它會在你本地的電腦上,用 Stdio 的方式去執行指定的 MCP 伺服器(例如,啟動 MCPControl 來移動滑鼠)。
  6. 回傳結果: 本地 MCP 伺服器執行完畢後,會將結果透過 Stdio 回傳給 MCP-connect,後者再將結果打包成 HTTP 回應,沿著通道傳回給遠端的雲端 AI 服務。

主要功能與特色

  • 協定轉譯: 核心功能,實現了 HTTP/HTTPS 與 Stdio 之間的無縫轉換。
  • 雲端整合: 讓任何雲端 AI 平台(專案中以 ConsoleX AI 為例)都能夠利用本地的 MCP 工具生態。
  • 無需修改: 你完全不需要修改任何現有的 Stdio MCP 伺服器,MCP-connect 像一個外掛的轉接頭一樣運作。
  • 內建通道支援: 內建對 Ngrok 的支援,極大地簡化了建立安全公開網路連線的複雜度。
  • 安全性:
    • 你的敏感工具和資料始終保留在本地電腦上,不會暴露到雲端。
    • MCP-connect 本身支援權杖 (Token) 驗證,確保只有授權的雲端服務可以存取你的本地橋接器。

安裝與設定

此專案是基於 Node.js 開發的,設定過程專為開發者設計:

  1. 複製專案庫,並安裝依賴。
  2. 設定 .env 檔案,配置伺服器埠號、驗證權杖,以及最重要的 Ngrok 認證權杖
  3. 透過 npm run start:tunnel 指令啟動,即可獲得一個公開的 URL。
  4. 雲端服務透過向此 URL 的 /bridge 端點發送 POST 請求來呼叫本地工具。請求的內容是一個 JSON 物件,詳細描述了要執行的本地 MCP 伺服器路徑、參數和環境變數。

總結來說,MCP-connect 是一個小而美的基礎設施工具。它極大地擴展了 MCP 生態系的應用場景,將原本只能在桌面客戶端使用的強大本地工具,釋放給了廣闊的雲端 AI 應用世界,是連接兩個世界的重要橋樑。

 

  • MCP平台來源: github
  • 連結: https://github.com/EvalsOne/MCP-connect

立即試用MCP工具