Provides production-ready Docker deployment configurations with multi-process support and resource management optimizations
Offers GitHub integration for discussions, issue tracking, and project contribution workflows
Includes Grafana integration as part of the monitoring stack for visualizing metrics and performance data
Provides Kubernetes deployment configurations for container orchestration in production environments
Integrates with Nginx for load balancing and performance optimization in production deployments
Incorporates Prometheus for metrics collection and monitoring as part of the production deployment stack
Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@Awesome-MCP-Scaffoldcreate a new tool to fetch stock prices with support for multiple currencies"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
🚀 Awesome-MCP-Scaffold
生产级 MCP 服务器开发脚手架 - 专为 Cursor IDE 优化的快速开发解决方案
English | 中文
🎯 项目定位
Awesome-MCP-Scaffold 是一个开箱即用的 MCP 服务器开发脚手架,让你能够:
🚀 5分钟启动:从零到运行的完整 MCP 服务器
🤖 10分钟MCP开发:内置提示词和范例,基于 Cursor IDE 一句话完成MCP Server tools开发
🏭 生产级架构:经过验证的高性能部署方案
📚 最佳实践内置:遵循官方 MCP SDK v1.11.0 规范
⭐ outputSchema 支持:所有工具默认支持结构化输出和 JSON Schema 自动生成
Related MCP server: MCP Server Template for Cursor IDE
✨ 核心优势
🔥 专为 Cursor 优化
智能规则系统:内置用户Rules Cursor_User_Rules.md和 3 套项目
.cursor/rules配置AI 代码生成:一句话自动生成 Tools、Resources、Prompts,并自动生成测试用例
上下文感知:AI 助手理解 MCP 开发模式
错误自动修复:智能识别并修复常见问题
⚡ 开箱即用的完整功能
24+ 示例工具:计算器、文本处理、文件操作等,全部支持 outputSchema
结构化响应:所有工具返回 Pydantic 模型,自动生成 JSON Schema
多种资源类型:系统信息、配置数据等
提示模板:代码审查、数据分析等场景
REST API 端点:支持外挂完整的 HTTP API 支持,便于与不支持MCP的平台对接
🏗️ 生产级架构
Streamable HTTP 优先:最新传输协议,3-5倍性能提升
Docker 优化:多进程部署,智能资源管理
负载均衡:Nginx 配置,支持水平扩展
监控集成:Prometheus + Grafana 开箱即用
🚀 5分钟快速开始
1. 克隆脚手架
# 使用脚手架创建新项目
git clone https://github.com/WW-AI-Lab/Awesome-MCP-Scaffold.git my-mcp-server
cd my-mcp-server
# 创建虚拟环境
python3 -m venv .venv
source .venv/bin/activate # macOS/Linux
# .venv\Scripts\activate # Windows
# 安装依赖
pip install -r requirements.txt2. 启动开发服务器
# 开发模式 (stdio)
python run.py
# HTTP 模式 (推荐)
python run.py --transport streamable-http --port 8000
# 使用 FastMCP CLI
fastmcp dev run.py3. 验证MCP服务器
# MCP协议测试 - 获取工具列表
echo '{"jsonrpc":"2.0","id":1,"method":"tools/list"}' | python run.py
# MCP协议测试 - 获取资源列表
echo '{"jsonrpc":"2.0","id":2,"method":"resources/list"}' | python run.py
# MCP协议测试 - 调用计算器工具
echo '{"jsonrpc":"2.0","id":3,"method":"tools/call","params":{"name":"calculator","arguments":{"expression":"2+3*4"}}}' | python run.py
# HTTP模式下的MCP端点测试
curl -X POST http://localhost:8000/mcp \
-H "Content-Type: application/json" \
-d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'4. 在 Cursor 中开发
打开项目:在 Cursor 中打开项目文件夹
AI 助手激活:Cursor 自动加载
.cursor/rules配置开始开发:按
Cmd/Ctrl+K输入需求,AI 自动生成代码
📁 脚手架结构
awesome-mcp-scaffold/
├── 🎯 核心架构
│ ├── server/ # MCP 服务器核心
│ │ ├── main.py # FastMCP 主实例
│ │ ├── config.py # 配置管理
│ │ ├── tools/ # 工具实现 (12+ 示例)
│ │ ├── resources/ # 资源实现
│ │ ├── prompts/ # 提示模板
│ │ └── routes/ # REST API 路由
│ └── run.py # 启动入口
│
├── 🤖 Cursor 集成
│ └── .cursor/rules/ # AI 规则配置
│ ├── mcp-development-guide.mdc
│ ├── streamable-http-production.mdc
│ └── mcp-testing-patterns.mdc
│
├── 🏭 生产部署
│ ├── Dockerfile # 生产级容器配置
│ ├── docker-compose.yml # 多环境部署
│ ├── docker-entrypoint.sh # 智能启动脚本
│ └── deploy/ # 部署配置
│ ├── nginx/ # 负载均衡
│ └── kubernetes/ # K8s 配置
│
├── 📚 文档指南
│ ├── docs/GETTING_STARTED.md
│ ├── docs/CURSOR_GUIDE.md
│ ├── docs/DOCKER_OPTIMIZATION.md
│ └── docs/BEST_PRACTICES.md
│
└── 🧪 测试验证
├── tests/ # 完整测试套件
├── Makefile # 开发命令
└── pyproject.toml # 项目配置🤖 Cursor AI 开发体验
智能代码生成
创建新工具 - 在 Cursor 中按 Cmd/Ctrl+K:
"创建一个天气查询工具,支持城市名和坐标查询,一步一步努力完成目标"AI 自动生成:
@mcp.tool(title="Weather Query", description="Query weather by city or coordinates")
def get_weather(location: str, units: str = "metric") -> Dict[str, Any]:
"""Query current weather information."""
# 完整的实现代码...添加资源 - 继续对话:
"为天气工具添加一个配置资源,支持 API 密钥管理,一步一步努力完成目标"生成测试 - 一键生成:
"为天气工具生成完整的测试用例,一步一步努力完成目标"三套专业规则
规则文件 | 用途 | 触发场景 |
| MCP 开发指导 | 开发 Tools/Resources/Prompts |
| 生产部署优化 | 部署配置和性能优化 |
| 测试最佳实践 | 编写和优化测试代码 |
🏭 生产级部署
Docker 一键部署
# 构建生产镜像
docker build -t my-mcp-server .
# 启动生产服务器 (自动多进程)
docker run -d \
--name mcp-server \
-p 8000:8000 \
-e ENVIRONMENT=production \
my-mcp-serverDocker Compose 完整栈
# 启动完整服务栈
docker-compose up -d📊 内置示例功能
🛠️ Tools (工具) - ⭐ 全面支持 outputSchema
计算器:基础数学运算、BMI计算、百分比计算
文本处理:单词统计、格式转换、正则提取
文件操作:安全的文件读写、JSON处理
🎯 outputSchema 核心功能:
自动 Schema 生成:获取工具信息时,自动包含工具响应参数的 JSON Schema
结构化输出:工具返回标准化的 Pydantic 模型,确保类型安全
双重兼容:同时提供结构化内容和传统文本内容,确保向后兼容
开发者友好:基于返回类型注解自动生成 Schema,无需手动维护
📡 Resources (资源)
系统信息:CPU、内存、磁盘状态监控
配置数据:应用配置、版本信息管理
💬 Prompts (提示)
代码审查:质量分析、Bug检测、性能优化
数据分析:统计分析、预测建模、质量评估
🌐 MCP协议端点
主要端点:
/mcp- MCP协议通信端点传输协议: Streamable HTTP (推荐) / stdio
协议格式: JSON-RPC 2.0
🔧 可选REST API (便于第三方集成)
/health- 健康检查/info- 服务器信息/api/tools- 工具列表 (非MCP协议)
🧪 验证和测试
自动化测试套件
# 运行完整测试
make test
# 代码质量检查
make lint
# 测试覆盖率
make coverageMCP协议验证步骤
# 1. MCP核心功能测试
echo '{"jsonrpc":"2.0","id":1,"method":"tools/list"}' | python run.py
echo '{"jsonrpc":"2.0","id":2,"method":"resources/list"}' | python run.py
# 2. MCP工具调用测试
echo '{"jsonrpc":"2.0","id":3,"method":"tools/call","params":{"name":"calculator","arguments":{"expression":"10*5+2"}}}' | python run.py
# 3. HTTP模式MCP测试
curl -X POST http://localhost:8000/mcp \
-H "Content-Type: application/json" \
-d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'
# 4. ⭐ outputSchema 验证 - 获取工具信息时包含响应参数 Schema
echo '{"jsonrpc":"2.0","id":4,"method":"tools/list"}' | python run.py | jq '.result.tools[0].outputSchema'
# 5. 可选的健康检查 (非MCP协议)
curl http://localhost:8000/health📚 学习资源
新手指南
进阶指南
官方资源
🎉 成功案例
基于此脚手架构建的生产项目:
any2markdown - 一个高性能的文档转换服务器,同时支持 Model Context Protocol (MCP) 和 RESTful API 接口。将 PDF、Word 和 Excel 文档转换为 Markdown 格式,具备图片提取、页眉页脚移除和批量处理等高级功能
azure-gpt-image - 一个基于Azure OpenAI gpt-image-1模型的Model Context Protocol (MCP) 服务器,使用官方MCP SDK的Streamable HTTP Transport实现,为AI助手提供强大的图像生成和编辑能力
jinja2-mcp-server - 一个基于Jinja2模板的Model Context Protocol (MCP) 服务器,使用官方MCP SDK的Streamable HTTP Transport实现,为AI助手提供强大的模板渲染能力
🤝 社区支持
获取帮助
贡献指南
📄 许可证
本项目采用 MIT 许可证 - 可自由用于商业和开源项目。
🙏 致谢
感谢以下项目和社区的支持:
🚀 立即开始你的 MCP 服务器开发之旅!
如果这个脚手架对你有帮助,请给我们一个 ⭐️