最新

大家好！我们是Wen和Tobias，我们正在构建Metorial（[https://metorial.com](https://metorial.com)），这是一个集成平台，利用MCP将AI代理与外部工具和数据连接起来。 问题：虽然MCP在本地运行良好（例如，Cursor或Claude Desktop），但服务器端的部署却非常麻烦。运行MCP服务器意味着需要管理Docker配置、每个用户的OAuth流程、扩展并发会话，以及从头构建可观察性。这些基础设施工作使得简单的集成变成了数周的设置时间。 Metorial自动处理所有这些问题。我们维护着一个开放的约600个MCP服务器的目录（包括GitHub、Slack、Google Drive、Salesforce、数据库等），您只需三次点击即可部署。您也可以自带MCP服务器或分叉现有的服务器。 对于OAuth，您只需提供客户端ID和密钥，我们将处理整个流程，包括令牌刷新。每个用户将自动获得一个配置有自己OAuth凭据的独立MCP服务器实例。 我们的不同之处在于，我们的无服务器运行时会将闲置的MCP服务器休眠，并在恢复时实现亚秒级的冷启动，同时保持状态和连接。我们的自定义MCP引擎能够管理数千个并发连接，为您提供可扩展的服务，并实现用户隔离。其他替代方案要么运行共享服务器（存在安全问题），要么为每个用户配置单独的虚拟机（成本高且扩展缓慢）。 我们的Python和TypeScript SDK让您可以通过单个函数调用将LLM连接到MCP工具，抽象掉协议的复杂性。但如果您想深入了解，可以直接使用标准MCP和我们的REST API（[https://metorial.com/api](https://metorial.com/api)）连接到我们的平台。 您可以选择自托管（[https://github.com/metorial/metorial](https://github.com/metorial/metorial)）或使用托管版本（[https://metorial.com](https://metorial.com)）。 到目前为止，我们看到企业团队使用Metorial作为Salesforce等工具的中央集成中心，而初创公司则利用它在构建集成的AI代理时节省数周的基础设施工作。 演示视频：[https://www.youtube.com/watch?v=07StSRNmJZ8](https://www.youtube.com/watch?v=07StSRNmJZ8) 我们的代码库：Metorial：[https://github.com/metorial/metorial](https://github.com/metorial/metorial)，MCP容器：[https://github.com/metorial/mcp-containers](https://github.com/metorial/mcp-containers) SDK：Node/TypeScript：[https://github.com/metorial/metorial-node](https://github.com/metorial/metorial-node)，Python：[https://github.com/metorial/metorial-python](https://github.com/metorial/metorial-python) 我们非常希望听到您的反馈，特别是如果您曾经处理过大规模部署MCP的经验！