OpenAPI 到模型上下文协议 (MCP)

许可证：MIT 回购规模最后提交未解决的问题 Python 版本

OpenAPI-MCP 代理将 OpenAPI 规范转换为 MCP 工具，使 AI 代理无需自定义包装器即可访问外部 API！

OpenAPI-MCP

弥合人工智能代理与外部 API 之间的差距

OpenAPI 到模型上下文协议 (MCP) 代理服务器通过将 OpenAPI 规范动态转换为标准化的MCP 工具、资源和提示，弥合了 AI 代理与外部 API 之间的差距。这消除了对自定义 API 包装器的需求，从而简化了集成。

存储库： https://github.com/gujord/OpenAPI-MCP

如果您发现它有用，请在 GitHub 上给它一个⭐！

Related MCP server: MCP Command Proxy

主要特点

**FastMCP 传输：**针对stdio进行了优化，可与流行的 LLM 协调器一起开箱即用。
**OpenAPI 集成：**解析并注册 OpenAPI 操作作为可调用工具。
**资源注册：**自动将 OpenAPI 组件模式转换为具有定义 URI 的资源对象。
**提示生成：**根据 API 操作生成上下文提示，以指导 LLM 使用 API。
**OAuth2 支持：**通过客户端凭证流处理机器身份验证。
**JSON-RPC 2.0 支持：**完全兼容的请求/响应结构。
**自动元数据：**从 OpenAPI 规范中获取工具名称、摘要和模式。
**清理工具名称：**确保与 MCP 名称约束兼容。
**灵活的参数解析：**支持查询字符串（以“？”为前导）和多种 JSON 变体（包括带点和数字值的键）。
**增强的参数处理：**自动将参数转换为正确的数据类型。
**扩展工具元数据：**包括详细的参数信息和响应模式。

快速入门

安装

git clone https://github.com/gujord/OpenAPI-MCP.git cd OpenAPI-MCP pip install -r requirements.txt

LLM Orchestrator 配置

对于Claude Desktop 、 Cursor和Windsurf ，使用下面的代码片段并相应地调整路径：

{ "mcpServers": { "petstore3": { "command": "full_path_to_openapi_mcp/venv/bin/python", "args": ["full_path_to_openapi_mcp/src/server.py"], "env": { "SERVER_NAME": "petstore3", "OPENAPI_URL": "https://petstore3.swagger.io/api/v3/openapi.json" }, "transport": "stdio" } } }

将此配置应用到以下文件：

游标： ~/.cursor/mcp.json
风帆冲浪： ~/.codeium/windsurf/mcp_config.json
Claude 桌面： ~/Library/Application Support/Claude/claude_desktop_config.json

将full_path_to_openapi_mcp替换为您的实际安装路径。

环境配置

多变的	描述	必需的	默认
`OPENAPI_URL`	OpenAPI 规范的 URL	是的	-
`SERVER_NAME`	MCP 服务器名称	不	`openapi_proxy_server`
`OAUTH_CLIENT_ID`	OAuth 客户端 ID	不	-
`OAUTH_CLIENT_SECRET`	OAuth 客户端机密	不	-
`OAUTH_TOKEN_URL`	OAuth 令牌端点 URL	不	-
`OAUTH_SCOPE`	OAuth 范围	不	`api`

工作原理

**解析 OpenAPI 规范：**如果需要，使用httpx和PyYAML加载 OpenAPI 规范。
**注册操作：**提取 API 操作并生成具有适当输入和响应模式的 MCP 兼容工具。
**资源注册：**自动将 OpenAPI 组件模式转换为具有分配 URI 的资源对象（例如， /resource/{name} ）。
**提示生成：**根据 API 操作创建上下文提示，以帮助 LLM 了解 API 的使用情况。
**身份验证：**通过客户端凭证流支持 OAuth2 身份验证。
**参数处理：**将参数转换为所需的数据类型，并支持灵活的查询字符串和 JSON 格式。
**JSON-RPC 2.0 合规性：**确保工具交互的标准通信协议。

sequenceDiagram participant LLM as LLM (Claude/GPT) participant MCP as OpenAPI-MCP Proxy participant API as External API Note over LLM, API: Communication Process LLM->>MCP: 1. Initialize (initialize) MCP-->>LLM: Metadata, tools, resources, and prompts LLM->>MCP: 2. Request tools (tools_list) MCP-->>LLM: Detailed list of tools, resources, and prompts LLM->>MCP: 3. Call tool (tools_call) alt With OAuth2 MCP->>API: Request OAuth2 token API-->>MCP: Access Token end MCP->>API: 4. Execute API call with proper formatting API-->>MCP: 5. API response (JSON) alt Type Conversion MCP->>MCP: 6. Convert parameters to correct data types end MCP-->>LLM: 7. Formatted response from API alt Dry Run Mode LLM->>MCP: Call with dry_run=true MCP-->>LLM: Display request information without executing call end