带有 Cloudflare Workers 的 MCP 服务器

介绍

模型上下文协议 (MCP) 是一项开放标准，支持 AI 代理和助手与服务进行交互。通过设置 MCP 服务器，您可以允许 AI 助手直接访问您的 API。

Cloudflare Workers 与workers-mcp包相结合，为构建 MCP 服务器提供了强大且可扩展的解决方案。

先决条件

在开始之前，请确保您已：

Cloudflare 帐户
Node.js 已安装
已安装 Wrangler CLI（ npm install -g wrangler ）

入门

步骤 1：创建新的 Cloudflare Worker

首先，初始化一个新的 Cloudflare Worker 项目：

npx create-cloudflare@latest my-mcp-worker
cd my-mcp-worker

然后，验证您的 Cloudflare 帐户：

wrangler login

步骤2：配置Wrangler

使用正确的帐户详细信息更新您的wrangler.toml文件：

name = "my-mcp-worker"
main = "src/index.ts"
compatibility_date = "2025-03-03"
account_id = "your-account-id"

安装 MCP 工具

要启用 MCP 支持，请安装workers-mcp包：

npm install workers-mcp

运行设置命令来配置 MCP：

npx workers-mcp setup

这将：

添加必要的依赖项
设置本地代理进行测试
配置 Worker 以符合 MCP 要求

编写 MCP 服务器代码

更新您的src/index.ts以定义您的 MCP 服务器：

import { WorkerEntrypoint } from 'cloudflare:workers';
import { ProxyToSelf } from 'workers-mcp';

export default class MyWorker extends WorkerEntrypoint<Env> {
  /**
   * A friendly greeting from your MCP server.
   * @param name {string} The name of the user.
   * @return {string} A personalized greeting.
   */
  sayHello(name: string) {
    return `Hello from an MCP Worker, ${name}!`;
  }

  /**
   * @ignore
   */
  async fetch(request: Request): Promise<Response> {
    return new ProxyToSelf(this).fetch(request);
  }
}

关键组件：

WorkerEntrypoint ：管理传入的请求和方法暴露。
ProxyToSelf ：确保符合 MCP 协议。
sayHello 方法：AI 助手可以调用的示例 MCP 函数。

添加 API 调用

您可以通过集成外部 API 来扩展您的 MCP 服务器。以下是获取天气数据的示例：

export default class WeatherWorker extends WorkerEntrypoint<Env> {
  /**
   * Fetch weather data for a given location.
   * @param location {string} The city or ZIP code.
   * @return {object} Weather details.
   */
  async getWeather(location: string) {
    const response = await fetch(`https://api.weather.example/v1/${location}`);
    const data = await response.json();
    return {
      temperature: data.temp,
      conditions: data.conditions,
      forecast: data.forecast
    };
  }

  async fetch(request: Request): Promise<Response> {
    return new ProxyToSelf(this).fetch(request);
  }
}

部署 MCP 服务器

设置好 Worker 后，将其部署到 Cloudflare：

npx wrangler deploy

部署后，您的 Worker 即可上线，并且 AI 助手可以发现并使用您的 MCP 工具。

要更新您的 MCP 服务器，请使用以下命令重新部署：

npm run deploy

测试 MCP 服务器

要在本地测试您的 MCP 设置：

npx workers-mcp proxy

此命令启动本地代理，允许 MCP 客户端（如 Claude Desktop）连接。

安全

为了保护您的 MCP 服务器，请使用 Wrangler Secrets：

npx wrangler secret put MCP_SECRET

这增加了一个共享秘密认证机制来防止未经授权的访问。

结论

恭喜！您已成功使用 Cloudflare Workers 构建并部署 MCP 服务器。现在您可以扩展其功能，并为 AI 助手提供新的工具。

有关更多详细信息，请查看Cloudflare MCP 文档。

This server cannot be installed

-

security - not tested

-

license - not tested

-

quality - not tested

一种开放标准服务器实现，使 AI 助手能够通过模型上下文协议直接访问 API 和服务，使用 Cloudflare Workers 构建以实现可扩展性。

MCP Server with Cloudflare Workers