MCP Installer — 安装与配置 MCP 服务器

系统 MCP 架构概述

OpenAkita 使用目录结构管理 MCP 服务器。每个 MCP 服务器是一个独立目录，包含配置和工具定义：

<server-name>/
├── SERVER_METADATA.json    # 必需：服务器配置
├── INSTRUCTIONS.md         # 可选：使用说明（复杂服务器建议提供）
└── tools/                  # 可选：工具定义（连接后可自动发现）
    ├── tool1.json
    └── tool2.json

配置存储位置

| 位置 | 说明 | 可写 | |------|------|------| | mcps/ | 内置 MCP（随项目发行） | 否 | | .mcp/ | 兼容目录 | 否 | | data/mcp/servers/ | 用户/AI 添加的配置 | 是 |

所有新添加的 MCP 服务器写入 data/mcp/servers/。

传输协议

| 协议 | 场景 | 必需字段 | |------|------|---------| | stdio | 本地进程（npx/python/node） | command + args | | streamable_http | 远程 HTTP 服务 | url | | sse | 旧版 MCP 服务器（SSE） | url |

安装流程

方式一：使用 add_mcp_server 工具（推荐）

系统内置了 add_mcp_server 工具，可以直接添加 MCP 服务器：

stdio 模式（npx 包）：

add_mcp_server(
    name="filesystem",
    transport="stdio",
    command="npx",
    args=["-y", "@anthropic/mcp-server-filesystem", "/path/to/dir"],
    description="文件系统访问"
)

stdio 模式（Python 包）：

add_mcp_server(
    name="my-tool",
    transport="stdio",
    command="python",
    args=["-m", "my_mcp_package"],
    description="我的 MCP 工具",
    env={"API_KEY": "xxx"}
)

stdio 模式（uvx 包）：

add_mcp_server(
    name="my-tool",
    transport="stdio",
    command="uvx",
    args=["my-mcp-package"],
    description="我的 MCP 工具"
)

streamable_http 模式（远程服务）：

add_mcp_server(
    name="remote-api",
    transport="streamable_http",
    url="http://localhost:8080/mcp",
    description="远程 API 服务"
)

sse 模式（旧版兼容）：

add_mcp_server(
    name="legacy-api",
    transport="sse",
    url="http://localhost:8080/sse",
    description="旧版 SSE 服务"
)

方式二：手动创建配置目录

直接在 data/mcp/servers/ 下创建目录结构。

第一步：创建目录

bash
mkdir -p data/mcp/servers/<server-name>

第二步：写入 SERVER_METADATA.json

json
{
  "serverIdentifier": "<server-name>",
  "serverName": "显示名称",
  "serverDescription": "服务器描述",
  "command": "npx",
  "args": ["-y", "package-name"],
  "env": {},
  "transport": "stdio",
  "url": "",
  "autoConnect": false
}

第三步（可选）：创建 INSTRUCTIONS.md

为复杂的 MCP 服务器编写使用说明，Agent 可在需要时加载。

第四步（可选）：预定义工具

在 tools/ 下创建工具定义 JSON（如果知道工具列表）：

json
{
  "name": "tool_name",
  "description": "工具描述",
  "inputSchema": {
    "type": "object",
    "properties": {
      "param1": {
        "type": "string",
        "description": "参数描述"
      }
    },
    "required": ["param1"]
  }
}

> 工具定义是可选的——连接服务器后系统会自动发现工具。预定义工具的好处是在未连接时 Agent 也能在系统提示中看到工具列表。

第五步：加载配置

手动创建后调用 reload_mcp_servers 工具让系统扫描并加载新配置。

SERVER_METADATA.json 完整字段说明

| 字段 | 类型 | 必需 | 说明 | |------|------|------|------| | serverIdentifier | string | 是 | 唯一标识符，与目录名一致 | | serverName | string | 是 | 显示名称 | | serverDescription | string | 否 | 简短描述 | | command | string | stdio 必需 | 启动命令（python/npx/node/uvx 等） | | args | string] | 否 | 命令参数 | | env | object | 否 | 环境变量 | | transport | string | 否 | 传输协议：stdio（默认）/streamable_http/sse | | url | string | HTTP/SSE 必需 | 服务 URL | | autoConnect | boolean | 否 | 启动时自动连接（默认 false） |

兼容格式："type": "streamableHttp" 等价于 "transport": "streamable_http"。

常见 MCP 包安装示例

npm 包（通过 npx）

add_mcp_server(
    name="github",
    command="npx",
    args=["-y", "@modelcontextprotocol/server-github"],
    env={"GITHUB_PERSONAL_ACCESS_TOKEN": "<token>"},
    description="GitHub API"
)

add_mcp_server(
    name="puppeteer",
    command="npx",
    args=["-y", "@anthropic/mcp-server-puppeteer"],
    description="Puppeteer 浏览器自动化"
)

add_mcp_server(
    name="sqlite",
    command="npx",
    args=["-y", "@anthropic/mcp-server-sqlite", "path/to/db.sqlite"],
    description="SQLite 数据库"
)

Python 包（通过 python -m 或 uvx）

add_mcp_server(
    name="arxiv",
    command="uvx",
    args=["mcp-server-arxiv"],
    description="arXiv 论文搜索"
)

add_mcp_server(
    name="postgres",
    command="python",
    args=["-m", "mcp_server_postgres", "postgresql://user:pass@localhost/db"],
    description="PostgreSQL 数据库"
)

远程 HTTP 服务

add_mcp_server(
    name="composio",
    transport="streamable_http",
    url="https://mcp.composio.dev/partner/mcp_xxxx",
    description="Composio 集成平台"
)

本地创建的 MCP 服务器

如果使用 mcp-builder 技能创建了自定义 MCP 服务器，必须在创建后调用 add_mcp_server 注册：

Python 脚本（使用绝对路径）：

add_mcp_server(
    name="my-custom-tool",
    command="python",
    args=["C:/path/to/my_project/server.py"],
    description="自定义 MCP 工具"
)

Python 模块：

add_mcp_server(
    name="my-custom-tool",
    command="python",
    args=["-m", "my_mcp_project.server"],
    description="自定义 MCP 工具"
)

TypeScript（编译后）：

add_mcp_server(
    name="my-custom-tool",
    command="node",
    args=["C:/path/to/my_project/dist/index.js"],
    description="自定义 MCP 工具"
)

> 重要：本地脚本务必使用绝对路径，相对路径可能导致工作目录不对而失败。

安装前检查清单

1. 确认命令可用：stdio 模式下检查 command 是否在 PATH 中（which npx、which python）
2. 确认依赖已安装：npm 包需要 Node.js，Python 包需要对应环境
3. 确认端口/URL 可达：HTTP/SSE 模式下确认目标 URL 可访问
4. 准备环境变量：许多 MCP 服务器需要 API Key 等凭证，通过 env 字段传入
5. 命名规范：serverIdentifier 使用小写字母和连字符（如 my-tool），保持简洁

安装后验证

添加后系统会自动尝试连接。如果自动连接失败：

1. 使用 connect_mcp_server("server-name") 手动连接
2. 连接成功后使用 list_mcp_servers 查看状态
3. 使用 call_mcp_tool("server-name", "tool_name", {...}) 测试调用

故障排查

| 问题 | 可能原因 | 解决方法 | |------|---------|---------| | 命令未找到 | 未安装或不在 PATH | 安装对应运行时（Node.js/Python） | | 连接超时 | 服务器启动慢或卡死 | 增大 MCP_CONNECT_TIMEOUT（默认 60s） | | HTTP 连接失败 | URL 错误或服务未启动 | 确认 URL 正确且服务已运行 | | 工具为空 | 连接未成功 | 先确保 connect_mcp_server 成功 | | 权限错误 | API Key 缺失或无效 | 检查 env 中的凭证配置 |

管理操作

• 列出服务器: list_mcp_servers
• 连接: connect_mcp_server("name")
• 断开: disconnect_mcp_server("name")
• 删除: remove_mcp_server("name")（仅 data/mcp/servers/ 中的配置）
• 重新加载全部: reload_mcp_servers