Remote MCP Server

0
0 評論
2 Stars
此MCP(模型上下文協議)允許開發者在Cloudflare上遠端託管和管理機器學習工具,促成安全且可擴展的存取。它支援連接MCP客戶端,如Claude、MCP Inspector等,透過HTTP/SSE調用工具,精簡AI工作流程和整合。
新增日期:
創建者:
Apr 23 2025
Remote MCP Server

Remote MCP Server

0 評論
2
0
Remote MCP Server
此MCP(模型上下文協議)允許開發者在Cloudflare上遠端託管和管理機器學習工具,促成安全且可擴展的存取。它支援連接MCP客戶端,如Claude、MCP Inspector等,透過HTTP/SSE調用工具,精簡AI工作流程和整合。
新增日期:
Created by:
Apr 23 2025
Sunil Pai
精選

Remote MCP Server 是什麼?

遠端MCP伺服器旨在運行在Cloudflare Workers上,提供一個平台來遠端部署和管理MCP工具。它使得AI助理或檢查工具等客戶端與託管的MCP工具之間能夠無縫通信,透過API實現互動。它支持OAuth登錄、本地開發、部署和遠端存取,適合構建可擴展的AI和自動化解決方案。它還提供了連接Claude Desktop、MCP Inspector及通過Wrangler部署等功能,確保對各種AI應用的靈活和高效整合。

誰會使用 Remote MCP Server?

  • AI開發者
  • 自動化工程師
  • 雲服務供應商
  • 研究MCP協議的研究人員
  • 部署遠端AI工具的組織

如何使用 Remote MCP Server?

  • 步驟1:從GitHub克隆倉庫。
  • 步驟2:使用npm安裝依賴項。
  • 步驟3:使用'npx nx dev remote-mcp-server'在本地運行。
  • 步驟4:連接MCP Inspector或Claude Desktop進行測試。
  • 步驟5:使用'npx wrangler kv namespace create' 和'npm run deploy'部署到Cloudflare。
  • 步驟6:透過提供Workers.dev URL連接遠端客戶端。
  • 步驟7:根據需要調試和管理連接。

Remote MCP Server 的核心特徵與益處

主要功能
  • 在Cloudflare上託管MCP工具
  • 基於API和SSE的通信
  • 支援OAuth登錄
  • 本地開發和部署
  • 遠端客戶端整合(Claude、MCP Inspector)
優點
  • MCP工具的可擴展遠端託管
  • 與AI客戶端的無縫整合
  • 在Cloudflare上安全且可擴展的部署
  • 支援本地測試及生產環境部署
  • 遠端AI工作流程的彈性

Remote MCP Server 的主要使用案例與應用

  • 為遠端調用託管AI工具
  • 將MCP與像Claude一樣的AI助理整合
  • 構建可擴展的AI工作流程和自動化
  • 在雲平台上遠端管理MCP工具

Remote MCP Server 的常見問答

開發者

您可能也喜歡:

開發者工具

一款用於管理伺服器與客戶端互動的桌面應用程式,具備全面的功能。
一個為 Eagle 提供的 Model Context Protocol 伺服器,負責管理 Eagle 應用程式和數據來源之間的數據交換。
一個基於聊天的客戶端,直接在聊天環境中集成和使用各種 MCP 工具,以提高生產力。
一個 Docker 映像,承載多個 MCP 伺服器,透過整合 supergateway 以統一入口點訪問。
透過 MCP 協議提供 YNAB 帳戶餘額、交易及交易創建的訪問權限。
一個快速可擴展的MCP伺服器,用於管理多客戶的即時Zerodha交易操作。
一個遠端SSH客戶端,方便安全、基於代理訪問MCP伺服器,以便利用遠端工具。
一個基於Spring的MCP伺服器,整合了AI能力以管理和處理Minecraft模組的通信協議。
一款具有基本聊天功能的極簡MCP客戶端,支持多種模型和上下文交互。
一個安全的MCP伺服器,讓AI代理與身份驗證器應用程式互動以獲取2FA代碼和密碼。

雲端平台

一個基於 Spring 的 Cloud Foundry 聊天機器人,與 AI 服務、MCP 和 memGPT 集成,以實現先進的功能。
一個展示通過MCP工具和Tambo進行Supabase集成的React應用程序,註冊UI組件。
使用boto3自動化AWS服務的MCP伺服器創建,簡化開發的伺服器設置。
演示專案,展示如何將 MCP 協議整合至 Azure OpenAI,以實現無縫的 AI 應用互動。
一個在AWS Lambda上托管的無伺服器MCP,透過API Gateway與AWS Bedrock互動以進行AI模型處理。
一個動態的MCP伺服器,方便與Etherscan的API互動以檢索區塊鏈數據。
一個伺服器-客戶端的 MCP,促進 AI 服務和存儲系統之間的通信和數據交換。
Spring Link 促進在統一環境中有效地鏈接和管理多個 Spring Boot 應用程序。
透過 REST API 與 SharePoint Online 互動,支援網站、清單和使用者管理功能。
一套全面的容器,用於高效的微服務部署和管理。

虛擬化

一個基於 Python 的 MCP 設定,允許快速部署天氣數據服務,適用於 MCP 主機和客戶端。
基於JavaScript/TypeScript的MCP客戶端,旨在有效整合和管理多個服務。
一個MCP伺服器,用於高效獲取網址和YouTube視頻的文字稿。
一個用於連接和互動MCP伺服器的客戶端實現,能夠進行工具探索和遠程服務整合。
一個用於通過 stdio 和 HTTP 傳輸與 MCP 伺服器互動的命令行介面,簡化伺服器通信。
一款用於與MCP伺服器互動的TypeScript客戶端,支持JSON-RPC請求和專業服務。
簡單的 MCP 伺服器,允許執行 Shell 命令,通過 Ngrok 進行本地連接,並提供基於 Docker 的 Ubuntu24 容器托管。
一個將AI代理連接到遠端MCP伺服器的工具,使工具發現、身份驗證和資源整合成為可能。
一個基於Java的MCP伺服器,用於管理Minecraft模組包配置和伺服器操作。
一個使用Compose Multiplatform的桌面應用程序,連接MCP伺服器以進行天氣和遊戲數據管理。