一个灵活且用户友好的管理Model Context Protocol (MCP)服务器的系统,由客户端-服务器架构组成,通过中央界面简化了对多个MCP服务器的处理。
Pocket MCP Manager通过以下方式简化了与多个MCP服务器的工作流程:
这种方法意味着当你更改要使用的MCP服务器时,只需更新AI工具中的单一API密钥,而不是重新配置多个连接设置。
服务器组件是一个MCP代理服务器,它:
# 克隆仓库
git clone git@github.com:dailydaniel/pocket-mcp.git
cd pocket-mcp/server
# 安装依赖
npm install
# 安装过程中会自动执行构建步骤
在你的Claude Desktop设置中添加以下配置:
{
"mcpServers": {
"mcp-proxy": {
"command": "node",
"args": ["/full/path/to/pocket-mcp/server/build/index.js"],
"env": {
"MCP_API_KEY": "api_key_from_client",
"CLIENT_API_URL": "http://localhost:<port>/api"
}
}
}
}
替换:
/full/path/to/pocket-mcp/server/build/index.js 为你服务器build/index.js文件的绝对路径api_key_from_client 为从客户端UI生成的API密钥<port> 为API服务器日志中显示的端口(通常是8000)客户端提供了一个基于Streamlit的Web界面,用于:
# 导航到客户端目录
cd pocket-mcp/client
# 创建并激活虚拟环境
python -m venv .venv --prompt "mcp-venv"
source .venv/bin/activate
# 安装需求
pip install -r requirements.txt
# 复制示例配置
cp servers_config_example.json servers_config.json
# 使用你的MCP服务器编辑配置
vim servers_config.json
# 运行客户端
streamlit run app.py
在客户端目录中创建一个servers_config.json文件,包含你的MCP服务器:
{
"mcpServers": {
"jetbrains": {
"command": "npx",
"args": ["-y", "@jetbrains/mcp-proxy"]
},
"logseq": {
"command": "uvx",
"args": ["mcp-server-logseq"],
"env": {
"LOGSEQ_API_TOKEN": "API_KEY",
"LOGSEQ_API_URL": "http://127.0.0.1:<port>"
}
},
"brave-search": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-brave-search"
],
"env": {
"BRAVE_API_KEY": "API_KEY"
}
}
}
}
替换API_KEY和<port>为实际值。

该仓库包括一个使用OpenAI API和MCP服务器聊天的示例客户端。
# 导航到示例客户端目录
cd pocket-mcp/example_llm_mcp
# 复制示例环境文件
cp .env.example .env
# 编辑.env文件并添加你的OpenAI API密钥
vim .env
# 在servers_config.json文件中添加服务器配置
cp servers_config_example.json servers_config.json
# 添加客户端API密钥
vim servers_config.json
# 如果尚未处于虚拟环境中
# 可能使用与客户端相同的虚拟环境
source ../client/.venv/bin/activate
# 安装需求
pip install -r requirements.txt
# 运行客户端
python3 main.py
示例客户端将连接到你的运行中的MCP服务器,并允许你利用MCP功能与LLM进行聊天。
