🚀 使用Vercel API的轻量级模型控制协议（MCP）服务器

这是一个轻量级的Model Control Protocol (MCP) 服务器，它借助 create-mcp 创建，并部署在Cloudflare Workers上。该服务器可让AI代理（例如Cursor）通过MCP协议与 Vercel API 进行交互。此项目目前仍处于开发阶段，后续会按需添加更多工具。

🚀 快速开始

此轻量级MCP服务器允许AI代理通过MCP协议与Vercel API交互，为AI应用提供便利。

✨ 主要特性

• 轻量级设计，借助Cloudflare Workers部署。
• 允许AI代理通过MCP协议与Vercel API交互。
• 可根据需要添加更多工具。

📦 安装指南

安装步骤

1. 运行自动化安装脚本以克隆此MCP服务器并将其部署到您的Cloudflare账户：

bun create mcp --clone https://github.com/zueai/vercel-api-mcp

2. 打开Cursor Settings -> MCP -> 添加新的MCP服务器，并将复制到剪贴板的命令粘贴进去。
3. 上传您的 Vercel API令牌 作为秘密变量：

bunx wrangler secret put VERCEL_API_TOKEN

部署更新

1. 运行部署脚本：

bun run deploy

2. 刷新您的Cursor窗口以使用更新后的工具。

💻 使用示例

基础用法

要创建新的MCP工具，请将方法添加到src/index.ts中的MyWorker类。每个函数都会自动成为可用的MCP工具，供您的代理调用。示例代码如下：

/**
 * 一个温暖友好的问候语，来自您的MCP服务器。
 * @param name {string} 要问候的人的名字。
 * @return {string} 您的问候内容。
 */
sayHello(name: string) {
    return `你好，${name}！`;
}

注意事项

JSDoc注释非常重要：

• 第一行将成为工具的描述
• @param标签定义参数的类型和描述
• @return标签指定返回值及其类型

📚 详细文档

已提供的工具

请查看 src/index.ts 以获取当前可用工具列表。每个类中的方法都是一个MCP工具。

学习资源

请参考以下资源以获取更多信息：

• create-mcp文档 - 了解create-mcp CLI工具
• 模型控制协议（MCP）文档 - 了解MCP协议
• workers-mcp - 实现MCP协议的Cloudflare Workers包
• Cloudflare Workers文档 - 学习Cloudflare Workers平台
• Vercel API文档 - 了解Vercel API