Openapi MCP

🚀 OpenAPI 到模型上下文协议 (MCP) 代理

OpenAPI 到模型上下文协议 (MCP) 代理可将 OpenAPI 规范转换为 MCP 工具，让 AI 代理无需自定义包装器就能访问外部 API，有效解决了 AI 代理与外部 API 交互的难题。

🚀 快速开始

安装依赖

pip install openapi-mcp-proxy

初始化代理

from openapi_mcp_proxy import MCPProxy

proxy = MCPProxy(openapi_spec_path="path/to/spec.yaml")

获取工具信息

tools_info = proxy.list_tools()
print(tools_info)

✨ 主要特性

• OpenAPI 到 MCP 转换：把 OpenAPI 规范转换为模型上下文协议 (MCP)，供 AI 工具链（如 Claude、GPT）使用。
• 工具支持：自动生成的工具具备 API 请求、响应处理和参数解析功能，简化与外部系统的交互。
• 资源管理：从 OpenAPI 组件模式生成资源对象，注册为 URI（如 /resource/{name}），方便进行结构化数据处理。
• 提示语集成：自动生成上下文提示语，帮助 AI 理解 API 功能和使用方法，提升交互体验。
• OAuth2 支持：集成 OAuth2 客户端凭证流程，简化身份验证逻辑，增强安全性。

📦 安装指南

安装依赖

pip install openapi-mcp-proxy

初始化代理

from openapi_mcp_proxy import MCPProxy

proxy = MCPProxy(openapi_spec_path="path/to/spec.yaml")

💻 使用示例

基础用法

from openapi_mcp_proxy import MCPProxy

# 初始化代理
proxy = MCPProxy(openapi_spec_path="path/to/spec.yaml")

# 获取工具信息
tools_info = proxy.list_tools()
print(tools_info)

📚 详细文档

环境变量配置

以下是运行 OpenAPI-MCP 代理所需的环境变量：

工作原理

sequenceDiagram
    参与者 LLM 作为 LLM (Claude/GPT)
    参与者 MCP 作为 OpenAPI-MCP 代理
    参与者 API 作为 外部 API

    注释 在 LLM 和 API 之间：通信流程

    LLM->>MCP: 1. 初始化 (initialize)
    MCP-->>LLM: 元数据、工具、资源和提示语

    LLM->>MCP: 2. 请求工具列表 (tools_list)
    MCP-->>LLM: 工具的详细列表，包括资源和提示语

    LLM->>MCP: 3. 调用工具 (tools_call)

    alt 使用 OAuth2
        MCP->>API: 请求 OAuth2 令牌
        API-->>MCP: 访问令牌
    end

    MCP->>API: 4. 执行 API 调用，格式正确
    API-->>MCP: 5. API 响应（JSON 格式）

    alt 类型转换
        MCP->>MCP: 6. 将参数转换为正确的数据类型
    end

    MCP-->>LLM: 7. 格式化的响应结果

    alt 干运行模式
        LLM->>MCP: 调用 dry_run=true
        MCP-->>LLM: 显示请求信息，不执行调用
    end

资源与提示语

除了工具之外，代理服务器还自动注册了以下内容：

• 资源：从 OpenAPI 组件模式生成的资源对象，注册为定义的 URI（如 /resource/{name}），便于结构化数据处理。
• 提示语：根据 API 操作自动生成上下文提示语，帮助 LLM 理解 API 的功能和使用方法。

这种扩展的元数据提升了集成体验，提供了全面的 API 上下文信息。

贡献指南

1. ** Fork 该仓库。
2. 在你的分支中创建新的功能或修复问题。
3. 提交 Pull Request，附上清晰的更改说明。

📄 许可证

MIT License

如果你觉得这个项目对你有帮助，请在 GitHub 上给我一个 ⭐！