Open WebUI MCPo 项目详解：将 MCP 工具转换为 OpenAPI 服务

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

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)