Skip to main content
Glama
lapaduga

MCP Tools Hub

by lapaduga
OverviewSchemaSourceRelated ServersDiscussionsAdmin
JavaScript
Remote

MCP Tools Hub

Веб-интерфейс для просмотра и вызова MCP-инструментов с чат-агентом, планировщиком и оркестрацией цепочек вызовов.

Быстрый старт

# Установка зависимостей
npm install

# Настройка окружения
cp .env.example .env
# Отредактировать CHAT_API_KEY в .env

# Запуск
npm start
# → http://localhost:3000

Related MCP server: Swagger MCP Server

Тестирование

# Только локальные инструменты
npm test

# Все тесты (локальные + внешние)
npm run test:all

# Только E2E-тест оркестрации
npm run test:orch

Архитектура

src/
├── api/            # REST-роуты (tools, scheduler, admin)
├── mcp/
│   ├── tools/      # Локальные инструменты + registry
│   ├── server.js   # MCP-сервер (SSE transport)
│   └── client-manager.js  # Подключение к внешним MCP-серверам
├── public/         # Фронтенд (app.js, chat.js, styles.css, index.html)
├── scheduler/      # Планировщик (reminder + periodic)
└── shared/         # Config, Logger, AppContext

Длинный флоу (Orchestration)

Чат-агент умеет выполнять цепочки из нескольких инструментов, где LLM сама решает, какой инструмент вызвать следующим, на основе результатов предыдущих шагов.

Пример цепочки из 4 шагов

Запрос пользователя:

Получи пользователя #1, сохрани его имя в заметку,
создай напоминание через 2 секунды о заметке, и покажи сводку задач.

Ожидаемая цепочка вызовов:

┌─────────────────────────────────────────────────┐
│  Шаг 1: get_user(userId: 1)                    │
│  → "Leanne Graham, Gwenborough"                │
├─────────────────────────────────────────────────┤
│  Шаг 2: save_note(title: "Leanne Graham",      │
│                   content: "Пользователь #1")  │
│  → "Заметка сохранена: notes/Leanne Graham.md" │
├─────────────────────────────────────────────────┤
│  Шаг 3: create_reminder(message: "Напомни о     │
│          заметке Leanne Graham", delaySeconds:2)│
│  → "Напоминание создано через 2 сек"           │
├─────────────────────────────────────────────────┤
│  Шаг 4: get_summary()                          │
│  → "Всего заметок: 5, задач в scheduler: 2..." │
├─────────────────────────────────────────────────┤
│  Ответ LLM: "Готово. Пользователь Leanne Graham │
│  сохранён, напоминание создано. Вот сводка..."  │
└─────────────────────────────────────────────────┘

Механизм:

  1. LLM получает запрос → анализирует → решает какие инструменты нужны

  2. Вызывает get_user через TOOL_CALL

  3. Сервер выполняет инструмент, возвращает результат LLM

  4. LLM анализирует результат → решает вызвать save_note

  5. Повторяет пока не выполнит все шаги (макс 5)

  6. После выполнения всех шагов — отвечает пользователю

Ветвление: LLM может принимать разные решения на основе данных:

  • Если get_weather вернул t > 15°C → save_note("Тепло")

  • Если t <= 15°C → save_note("Холодно")

Параллельные вызовы: Если LLM возвращает несколько TOOL_CALL на одной строке, они выполняются через Promise.all.

Отложенные задачи: create_reminder c callback.messages — планировщик запускает LLM-цепочку через N секунд и пушит результат через SSE.

SSE-события

Тип

Назначение

tool_step

Промежуточный шаг цепочки (real-time обновление UI)

tool_chain_result

Результат цепочки от планировщика (scheduler callback)

Формат TOOL_CALL

TOOL_CALL: {"tool": "имя_инструмента", "arguments": {}}

  • Строго одной строкой

  • JSON без дополнительного текста внутри

  • Несколько TOOL_CALL через \n — параллельное выполнение

Источники инструментов

  • локальный — встроенные инструменты (src/mcp/tools/*.js)

  • внешний:everything — @modelcontextprotocol/server-everything

  • внешний:math — второй экземпляр server-everything (для демонстрации multi-сервера)

Переменные окружения (.env)

PORT=3000                # Порт сервера
LOG_LEVEL=info           # Уровень логирования
MCP_EXTERNAL_ENABLED=true # Включить внешние MCP-серверы
MCP_EXTERNAL_SERVERS=...  # Список серверов (id,command,args;...)
CHAT_API_KEY=sk-...      # API-ключ DeepSeek
CHAT_MODEL=deepseek-chat # Модель для чата

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityInactive
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers