Skip to main content
Glama

mcp-toolforge

Un servidor meta-MCP que genera nuevos servidores MCP a partir de descripciones de herramientas en lenguaje natural.

Dado un nombre de proyecto, una descripción breve y una lista de descripciones de herramientas en lenguaje natural (p. ej. "fetches the weather for a string city and returns a string summary"), mcp-toolforge escribe un proyecto de servidor MCP completo y ejecutable — esquema, implementación, pruebas con aserciones reales, README, LICENSE — listo para instalar y ejecutar.

flowchart TD
    subgraph Client_Layer["AI Client / Claude Desktop"]
        A["Client (Claude, Cursor, etc.)"]
    end
    subgraph Meta_Server["mcp-toolforge (this repo)"]
        M["mcp_toolforge.server"]
        G["mcp_toolforge.generator"]
    end
    subgraph Generated["Generated Server Project"]
        P["src/<pkg>/__init__.py"]
        S["src/<pkg>/server.py"]
        T["tests/test_<pkg>.py"]
        R["README.md"]
        L["LICENSE"]
        PP["pyproject.toml"]
    end

    A -- "MCP stdio JSON-RPC" --> M
    M -- "generate_server tool call" --> G
    G -- "writes files" --> P
    G -- "writes files" --> S
    G -- "writes files" --> T
    G -- "writes files" --> R
    G -- "writes files" --> L
    G -- "writes files" --> PP

Arquitectura

┌─────────────────────┐     ┌──────────────────────────┐
│   AI Client         │  stdio  │  mcp-toolforge server  │
│ (Claude, Cursor)    │──JSON──│  (this repo)           │
└─────────────────────┘  RPC    └────────┬───────────────┘
                                          │ generate_server
                                          │  (name, description,
                                          │   tool_descriptions, dest)
                                          ▼
                        ┌────────────────────────────────────┐
                        │  generator.generate_project()      │
                        │  parses NL → ToolSpec → ServerSpec │
                        │  renders: pyproject, server.py,    │
                        │  tests, README, LICENSE            │
                        └────────────────────────────────────┘
                                          │
                        ┌─────────────────┴─────────────────┐
                        │  Example generated servers         │
                        │  • examples/weather_server         │
                        │  • examples/todo_server            │
                        │  • examples/math_server            │
                        └────────────────────────────────────┘

Related MCP server: mcp-creator

Inicio rápido

Instalar mcp-toolforge

pip install -e ".[dev]"

Ejecutar mcp-toolforge directamente (meta-servidor)

Como servidor MCP (transporte stdio):

{
  "mcpServers": {
    "mcp-toolforge": {
      "command": "python",
      "args": ["-m", "mcp_toolforge.server"],
      "cwd": "/path/to/mcp-toolforge"
    }
  }
}

O como CLI que genera un proyecto de servidor independiente:

# Interactive wizard
mcp-toolforge -i

# One-shot
mcp-toolforge \
  --name my_server \
  --description "A server that does X" \
  --tool "fetches the weather for a string city and returns a string summary" \
  --dest ./my_server

Uso de la herramienta generate_server

Cuando mcp-toolforge está registrado como servidor MCP, un agente de IA puede llamar a:

generate_server(
  name="my_server",
  description="A server that does X",
  tool_descriptions=[
    "fetches the weather for a string city and returns a string summary",
    "adds a string task and returns a string confirmation"
  ],
  dest="/path/to/output"  # optional, defaults to /tmp/mcp-toolforge-gen
)

La herramienta escribe un proyecto completo en dest/<package_name>/ y devuelve un resumen en forma de cadena. El servidor generado puede instalarse y registrarse de forma independiente con tu cliente MCP.

Cómo funciona el análisis de lenguaje natural

Cada descripción de herramienta debe seguir el patrón:

<VERB> [a/an] <type> <name> [, <type> <name>] ... and returns <type> <description>

Ejemplos:

Descripción

Nombre de la herramienta

Parámetros

fetches the weather for a string city and returns a string summary

fetch

city: string

adds a string task and returns a string confirmation

add

task: string

multiplies two numbers given a number a and number b and returns a number product

multiply

a: number, b: number

lists all todos and returns an array of todo items

list

query: string (por defecto)

Los tipos de parámetros reconocidos son string, integer, number, boolean y array. Si no se detecta ningún parámetro tipado, se infiere un parámetro query: string de forma libre.

Ejemplos

Se generan tres servidores de ejemplo en examples/:

Servidor

Paquete

Herramientas

Descripción

WeatherServer

weather_server

fetch, forecast

Obtiene información meteorológica

TodoServer

todo_server

add, list, remove

Gestiona una lista de tareas

MathServer

math_server

add, multiply, compute

Herramientas aritméticas

Cada ejemplo es un servidor MCP totalmente funcional con sus propias pruebas:

cd examples/math_server
pip install -e .
pytest

Desarrollo

# Install with dev dependencies
pip install -e ".[dev]"

# Run all tests
pytest

# Run end-to-end test against the meta-server over stdio
python e2e_test.py

# Regenerate examples
python make_examples.py

Pruebas

  • tests/test_generator.py — 16 pruebas del generador (análisis sintáctico, inferencia de esquema, renderizado de archivos, creación de proyectos)

  • tests/test_server.py — 5 pruebas del servidor meta-MCP (listado de herramientas, invocación de herramientas, manejo de errores)

  • e2e_test.py — prueba de extremo a extremo que ejecuta el meta-servidor como un subproceso stdio real y se conecta con un Client de MCP

  • Cada servidor de ejemplo incluye 4 pruebas (12 en total entre los 3 ejemplos)

Todas las pruebas usan aserciones reales y verifican la salida real de archivos o los resultados de las herramientas.

Licencia

MIT — consulta LICENSE.

Related MCP Connectors

Related MCP Servers

  • A
    license
    B
    quality
    D
    maintenance
    An intelligent tool that automates the setup of new Model Context Protocol (MCP) server projects through a conversational interface. It generates project structures, technical specifications, and context-rich documentation to streamline AI-assisted development in TypeScript or Python.
    10
    3
    MIT
  • A
    license
    A
    quality
    B
    maintenance
    A tool that enables AI assistants to conversationally scaffold, build, and publish Python MCP servers to PyPI. It automates the entire development lifecycle, including package naming, tool scaffolding, GitHub repository setup, and package publishing.
    10
    MIT
  • A
    license
    A
    quality
    C
    maintenance
    Generates production-ready MCP servers with dual-mode (MCP + CLI) architecture, tests, and documentation. Includes progressive disclosure tools for AI agents and best practices guidance.
    7
    Apache 2.0
  • A
    license
    Not graded
    quality
    C
    maintenance
    Enables AI agents to generate complete, runnable MCP server projects from natural-language tool descriptions, including schema, implementation, tests, README, and license.
    MIT