Open WebUI 的 MCPo 项目：将 MCP 工具无缝集成到 OpenAPI 的创新解决方案
随着人工智能工具和模型的快速发展，如何高效、安全地将这些工具集成到标准化的 API 接口中成为了开发者面临的重要挑战。Open WebUI 的 MCPo 项目（Model Context Protocol-to-OpenAPI Proxy Server）正是为了解决这一问题而设计的。本文将带您深入了解 MCPo 的功能、优势及其对开发者生态的影响。
什么是 MCPo？
MCPo 是一个简单、可靠的代理服务器，能够将任何基于 MCP 协议的工具转换为兼容 OpenAPI 的 HTTP 服务器。它通过标准化 RESTful API 接口，让复杂的工具变得易于使用，并支持与大语言模型（LLM）代理和应用程序的无缝交互。
核心功能：
- 即时兼容性：支持 OpenAPI 工具、SDK 和用户界面，无需额外配置。
- 安全性与稳定性：采用标准化的 HTTPS 传输协议，支持 JWT 和 API 密钥认证。
- 自动生成文档：无需手动配置，自动生成交互式 Swagger UI 文档。
- 纯 HTTP 支持：无需额外的套接字或胶合代码，简化开发流程。
MCPo 的工作原理
MCPo 的核心在于其代理功能，它能够动态发现 MCP 工具并生成 REST API 端点，同时提供人性化的 OpenAPI 文档。以下是其典型工作流程：
- 自动生成 API 文档，访问地址为
http://localhost:8000/docs。 - 用户可以直接调用生成的 API 端点，通过 HTTP 客户端或其他工具进行交互。
启动 MCPo 服务器，例如：
uvx mcpo --port 8000 -- your_mcp_server_command
或使用 Python 环境：
pip install mcpo
mcpo --port 8000 -- your_mcp_server_command
此外，MCPo 支持通过配置文件管理多个 MCP 工具，使不同工具可以通过唯一路由访问。例如：
{
"mcpServers": {
"memory": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-memory"]
},
"time": {
"command": "uvx",
"args": ["mcp-server-time", "--local-timezone=America/New_York"]
}
}
}
最新功能更新
根据项目最新发布的更新日志，MCPo 引入了以下新特性：
- 图像内容支持：现在可以直接处理 MCP 工具生成的图像内容，并以二进制格式返回给用户，用于动态图表、AI 艺术等场景。
- CLI API 密钥认证：通过
-api-key参数轻松保护端点，适用于公共或多代理部署。 - 灵活的跨域访问控制（CORS）：新增
-cors-allow-origins参数，为前端应用和远程 UI 集成提供支持，同时保持安全性。
为什么选择 MCPo？
相比原生 MCP 协议，MCPo 提供了显著优势：
- 用户友好的接口：不需要学习新的协议，仅需熟悉 HTTP REST 接口即可操作。
- 即插即用的集成能力：兼容数千种现有工具和服务。
- 强大的文档支持：自动维护准确且易用的文档。
- 安全与稳定性保障：基于成熟框架（如 FastAPI），确保高性能和长久支持。
社区反馈与未来发展
MCPo 项目已在 GitHub 和 Reddit 社区中引发广泛讨论。开发者对其易用性和强大的功能表示认可，同时也提出了改进建议，例如增加 SSL 支持和更灵活的配置选项。
随着人工智能工具需求的增长，MCPo 有望成为连接 AI 工具与标准化接口的重要桥梁，为开发者提供更高效、更安全的解决方案。
安装 Ollama
在 Ollama 中安装模型
ollama run gemma3
安装 MCPo
# 安装 mcpo
pip install mcpo
# 启动时间 mcp server
uvx mcpo --port 8000 --api-key "top-secret" -- uvx mcp-server-time --local-timezone=America/New_York
# 启动 fetch mcp server
uvx mcpo --port 8000 -- uvx mcp-server-fetch
# 查看文档
http://localhost:8000/docs
http://localhost:8000/openapi.json
# 使用配置文件启动
mcpo --config /path/to/config.json
# 配置文件示例
{
"mcpServers": {
"memory": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-memory"]
},
"time": {
"command": "uvx",
"args": ["mcp-server-time", "--local-timezone=America/New_York"]
}
}
}
安装 Open WebUI
# pip 安装
pip install -U open-webui
open-webui serve
# 源代码安装
git clone -b v0.6.0 https://github.com/open-webui/open-webui.git
cd open-webui/
cp -RPp .env.example .env
npm i
npm run build
cd ./backend
pip install -r requirements.txt -U
# 启动
bash start.sh
测试通过 MCPO 调用 MCP Fetch server
import requests
import json
def fetch_webpage(url, max_length=10000, start_index=0, raw=False):
"""
Fetch content from a URL using the MCP Fetch server.
Args:
url (str): The URL to fetch
max_length (int): Maximum number of characters to return
start_index (int): Start content from this character index
raw (bool): Get raw HTML content without markdown conversion
Returns:
dict: The response from the server containing the fetched content
"""
try:
# Make a POST request to the fetch endpoint
response = requests.post(
"http://localhost:8000/fetch",
json={
"url": url,
"max_length": max_length,
"start_index": start_index,
"raw": raw
}
)
# Ensure the request was successful
response.raise_for_status()
# Parse the response
return response.json()
except Exception as e:
return {"error": str(e)}
# Example usage
if __name__ == "__main__":
# Fetch the specific URL you requested
target_url = "https://www.aivi.fyi/aiagents/RooCode-Gemini2.5Pro-OpenAIAgentsSDK"
result = fetch_webpage(target_url)
print(result)
