Diese Bibliothek bietet die Möglichkeit, mit Node In Layers einfach MCP-Server zu erstellen.
Es gibt eine Begleitbibliothek namens „@node-in-layers/mcp-client“, die zum Erstellen von MCP-Clients verwendet wird. Diese beiden Bibliotheken nutzen dieselben Funktionen zum Definieren von Modellen und Tools.
Diese Bibliothek fügt dem System eine neue mcp Ebene hinzu. Sie sollte nach der express -Ebene platziert werden.
Related MCP server: MCP Server
Um diese Bibliothek zu verwenden, müssen Sie Ergänzungen an Ihrer Konfiguration vornehmen sowie „mcp“-Ebenen aus Ihren Apps/Domänen erstellen und exportieren.
Sie fügen diese App/Domäne zu Ihrer Konfigurationsdatei hinzu. Sie sollten dies vor Ihren Apps tun, die Tools zum MCP-Server hinzufügen.
Anschließend konfigurieren Sie die mcp -App/Domäne wie folgt:
const mcpConfig = {
// (optional) The name of your MCP server.
name: 'mcp',
// (optional) The version of your MCP server.
version: '1.0.0',
// The server config from @l4t/mcp-ai/simple-server/types.js
server: {
connection: {
type: 'http',
host: 'localhost',
port: 3000,
},
},
logging: {
// optional
// If you want to change the default. Its 'info' by default.
requestLogLevel: 'info',
// If you want to change the default. Its 'info' by default.
responseLogLevel: 'info',
},
}
const config = {
['@node-in-layers/mcp-server']: mcpConfig,
}Sie können eine MCP-Ebene erstellen, indem Sie aus Ihrer App/Domäne eine Funktion exportieren, die eine Ebene zurückgibt.
// /src/yourDomain/mcp.ts
import { McpContext, McpNamespace } from '@node-in-layers/mcp-server'
import { Config } from '@node-in-layers/core'
import { YourFeaturesLayer } from './features.js'
const create = (context: McpContext<Config, YourFeaturesLayer>) => {
// Adds your tool.
context.mcp[McpNamespace].addTool({
name: 'my-hello-world-tool',
description: 'My Tool',
execute: async (input: any) => {
return 'Hello, world!'
},
})
// Create a tool from your feature
context.mcp[McpNamespace].addTool({
name: 'my-hello-world-tool',
description: 'My Tool',
inputSchema: {
type: 'object',
properties: {
name: {
type: 'string',
},
},
required: ['name'],
},
execute: (input: any) => {
// You get an object, pass it back to your feature. Handles async for you.
return context.features.yourDomain.yourFeature(input)
},
})
return {}
}
export { create }Sie können Ihre Modelle mit CRUDS-Funktionen umschließen und sie mit der MCP-Ebene zum MCP-Server hinzufügen. HINWEIS: Damit dies funktioniert, muss Ihre Ebene sowohl eine Service- als auch eine Feature-Ebene enthalten. (Zusätzlich zu Ihren Modellen.) Knoten in Ebenen erstellen automatisch eine CRUDS-Eigenschaft für Ihre Modelle, die Sie hinzufügen können.
Hier ist ein Beispiel, wie man es einzeln durchführt. (Im Allgemeinen nicht empfohlen, aber machbar).
// /src/yourDomain/mcp.ts
import { McpContext, McpNamespace } from '@node-in-layers/mcp-server'
import { Config } from '@node-in-layers/core'
import { YourFeaturesLayer } from './features.js'
const create = (context: McpContext<Config, YourFeaturesLayer>) => {
// Adds your models cruds through features.
context.mcp[McpNamespace].addModelCruds(
context.features.yourFeature.cruds.Cars
)
return {}
}Hier ist eine Möglichkeit, wie Sie wirklich mit Gas kochen können. (Sehr empfehlenswert)
// /src/yourDomain/mcp.ts
import { McpContext, McpNamespace, mcpModels } from '@node-in-layers/mcp-server'
import { Config } from '@node-in-layers/core'
import { YourFeaturesLayer } from './features.js'
const create = (context: McpContext<Config, YourFeaturesLayer>) => {
// This automatically adds ALL of your models from features.
mcpModels('yourDomain')(context)
return {}
}Eine weitere Möglichkeit, das Hinzufügen von Modellen zu organisieren, ist die Verwendung einer zentralen MCP-Domäne. Setzen Sie diese als letzte Domäne, nachdem alle anderen Domänen geladen wurden.
// /src/mcp/mcp.ts
import { McpContext, McpNamespace, mcpModels } from '@node-in-layers/mcp-server'
import { Config } from '@node-in-layers/core'
const create = (context: McpContext<Config>) => {
// Add all your models for your whole system in one go.
mcpModels('yourDomain')(context)
mcpModels('yourDomain2')(context)
mcpModels('yourDomain3')(context)
mcpModels('yourDomain4')(context)
return {}
}This server cannot be deployed
Hosted MCP server for AI-driven data ops. Create apps, manage schemas, and CRUD structured data.
Nifty's MCP server — exposes tasks, projects, messages, and files as tools for AI agents.
A Model Context Protocol (MCP) server for Selise Blocks Cloud integration
