MCP批量处理服务器

Name: MCP批量处理服务器
Author: ryanjoachim

作者：ryanjoachim49 星标更新：2025-03-14

安装使用来源：spider==github.com

项目介绍

MCP BatchIt

将多个MCP工具调用批处理到一个“batch_execute”请求中——减少AI代理的开销和令牌使用。

</div>

简介

⚠️ 通知：正在进行的工作

此项目正在积极开发以解决几个复杂挑战：

维持与现有MCP服务器的向后兼容性

解决多连接客户端（Cline、Roo、Claude Desktop）的传输复杂性

创建易于初学者使用的实现

虽然功能正常，但预计会不断改进和变化，因为我们优化解决方案。

MCP BatchIt 是模型上下文协议 (MCP) 生态系统中的一个简单聚合器服务器。它只暴露一个工具：batch_execute。你可以将多个MCP工具（如 fetch、read_file、create_directory、write_file 等）的调用从单独的消息中合并到一个聚合器请求中。

这大大减少了令牌使用、网络开销以及在你的AI代理或LLM对话中的重复上下文。

为什么使用BatchIt

每个消息一个动作问题：通常，一个LLM或AI代理一次只能调用一个MCP工具，对于多步任务需要多次调用。
过多的往返次数： 10个独立的文件操作可能需要10条消息 → 10个响应。
BatchIt的方法：
1. 接收一个 batch_execute 请求。
2. 在后台启动（或连接到）实际的目标MCP服务器（如文件系统服务器）。
3. 并行运行每个子操作（工具调用），最多到 maxConcurrent。
4. 如果一个子操作失败且 stopOnError 为真，则停止新的子操作。
5. 返回一个综合的JSON结果。

关键特性与限制

特性

单一“批执行”工具
- 你只需指定一个子操作列表，引用你现有的MCP服务器工具。
并行执行
- 同时运行多个子操作，由 maxConcurrent 控制。
超时与错误停止
- 每个子操作与 timeoutMs 进行竞争，如果一个失败，可以跳过剩余的操作。
连接缓存
- 对于重复调用，重用相同的下游MCP服务器连接，在空闲超时后关闭。

限制

批处理中途无数据传递
- 如果子操作 #2 依赖于 #1 的输出，需要进行多次聚合器调用。
无部分进度
- 你将在每次“batch_execute”的末尾一起获得所有子操作的结果。
必须使用真实的MCP服务器
- 如果你启动或连接到聚合器本身，你会看到“未找到工具”。聚合器只有“batch_execute”。
每次调用一个目标服务器
- 每次聚合器调用引用一个目标MCP服务器。如果你想要多个服务器，你需要更复杂的逻辑或单独的调用。

安装与启动

git clone https://github.com/ryanjoachim/mcp-batchit.git
cd mcp-batchit
npm install
npm run build
npm start

BatchIt 默认在 STDIO 上启动，因此你的AI代理（或任何MCP客户端）可以启动它。例如：

mcp-batchit 正在 stdio 上运行。准备好批量执行！

你现在可以向它发送 JSON-RPC 请求（tools/call 方法，name= "batch_execute"）。

内存银行

使用 Cline/Roo 代码，你可以通过利用 Nick Baumann 开发的强大“内存银行”自定义指令来构建上下文项目文档框架。

查看内存银行文档

传统方法（19+ 次调用）：

读取 package.json
等待响应
读取 README.md
等待响应
列出代码定义
等待响应
创建 memory-bank 目录
等待响应
写入 productContext.md
写入 systemPatterns.md
写入 techContext.md
写入 progress.md
写入 activeContext.md
等待响应（5次更多调用）

总计：约19次独立API调用（13次操作 + 6次响应等待）

BatchIt 方法（1-3次调用）

多阶段使用

当处理依赖实时输出的复杂多步任务（如读取文件和生成文档）时，你需要按不同阶段处理过程。这是因为 BatchIt 不支持同一请求内的子操作间的数据传递。

实现阶段

信息收集

在这个初始阶段，我们通过读取必要的文件（如 package.json、README.md）从文件系统收集信息。这是通过一个对文件系统MCP服务器的 batch_execute 调用来完成的：

{
  "targetServer": {
    "name": "filesystem",
    "serverType": {
      "type": "filesystem",
      "config": {
        "rootDirectory": "C:/Users/Chewy/Documents/GitHub/ryanjoachim/mcp-batchit"
      }
    },
    "transport": {
      "type": "stdio",
      "command": "cmd.exe",
      "args": [
        "/c",
        "npx",
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "C:/Users/Chewy/Documents/GitHub/ryanjoachim/mcp-batchit"
      ]
    }
  },
  "operations": [
    {
      "tool": "read_file",
      "arguments": {
        "path": "C:/Users/_Chewy/Documents/GitHub/ryanjoachim/mcp-batchit/package.json"
      }
    },
    {
      "tool": "read_file",
      "arguments": {
        "path": "C:/Users/Chewy/Documents/GitHub/ryanjoachim/mcp-batchit/README.md"
      }
    }
  ],
  "options": {
    "maxConcurrent": 2,
    "stopOnError": true,
    "timeoutMs": 30000
  }
}

注意：聚合器启动 @modelcontextprotocol/server-filesystem（通过 npx）来执行并行的 read_file 操作。

仅LLM步骤（列出代码定义）

此阶段涉及聚合器之外的处理，通常使用LLM或AI代理的能力：

<list_code_definition_names>
<path>src</path>
</list_code_definition_names>

此步骤使用Roo Code的 list_code_definition_names 工具，该工具仅对LLM可用。然而，请注意许多MCP服务器可以提供类似的功能，使得可以在不进行LLM请求的情况下完成此过程。

文档创建

最终阶段结合了先前步骤的数据（文件内容和代码定义）来生成 memory-bank 目录中的文档：

{
  "targetServer": {
    "name": "filesystem",
    "serverType": {
      "type": "filesystem",
      "config": {
        "rootDirectory": "C:/Users/Chewy/Documents/GitHub/ryanjoachim/mcp-batchit"
      }
    },
    "transport": {
      "type": "stdio",
      "command": "cmd.exe",
      "args": [
        "/c",
        "npx",
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "C:/Users/Chewy/Documents/GitHub/ryanjoachim/mcp-batchit"
      ]
    }
  },
  "operations": [
    {
      "tool": "create_directory",
      "arguments": {
        "path": "C:/Users/Chewy/Documents/GitHub/ryanjoachim/mcp-batchit/memory-bank"
      }
    },
    {
      "tool": "write_file",
      "arguments": {
        "path": "C:/Users/Chewy/Documents/GitHub/ryanjoachim/mcp-batchit/memory-bank/productContext.md",
        "content": "# MCP BatchIt 产品上下文\\n\\n## 目的\\n..."
      }
    },
    {
      "tool": "write_file",
      "arguments": {
        "path": "C:/Users/Chewy/Documents/GitHub/ryanjoachim/mcp-batchit/memory-bank/systemPatterns.md",
        "content": "# MCP BatchIt 系统模式\\n\\n## 架构概述\\n..."
      }
    },
    {
      "tool": "write_file",
      "arguments": {
        "path": "C:/Users/Chewy/Documents/GitHub/ryanjoachim/mcp-batchit/memory-bank/techContext.md",
        "content": "# MCP BatchIt 技术上下文\\n\\n## 技术栈\\n..."
      }
    },
    {
      "tool": "write_file",
      "arguments": {
        "path": "C:/Users/Chewy/Documents/GitHub/ryanjoachim/mcp-batchit/memory-bank/progress.md",
        "content": "# MCP BatchIt 进展状态\\n\\n## 已完成功能\\n..."
      }
    },
    {
      "tool": "write_file",
      "arguments": {
        "path": "C:/Users/Chewy/Documents/GitHub/ryanjoachim/mcp-batchit/memory-bank/activeContext.md",
        "content": "# MCP BatchIt 当前上下文\\n\\n## 当前状态\\n..."
      }
    }
  ],
  "options": {
    "maxConcurrent": 1,
    "stopOnError": true,
    "timeoutMs": 30000
  }
}

聚合器按顺序处理这些操作（maxConcurrent=1），创建目录并写入多个文档文件。结果数组指示每个操作的成功/失败状态。

常见问题

Q1: 如果子操作 #2 依赖于子操作 #1 的结果，我是否需要多次聚合器调用？ 是的。 BatchIt 不会在同一请求内传递数据。你需要进行多阶段调用（如上面的例子）。

Q2: 为什么有时我会得到“未找到工具 create_directory”的错误？ 因为你的 transport 可能指向的是聚合器脚本本身而不是真正的MCP服务器。确保你引用的是像 @modelcontextprotocol/server-filesystem 这样的东西。

Q3: 我可以同时使用并发和 stopOnError 吗？ 当然可以。如果一个子操作失败，我们将跳过启动新的子操作。已经运行的子操作将继续并行完成。

Q4: BatchIt 是否每次都会重新启动目标服务器？ 如果指定了 keepAlive: false，它可以重新启动。但如果使用相同的 targetServer.name + transport，它会缓存连接直到空闲超时。

Q5: 如果中间发生错误，会返回部分结果吗？ 是的。每个在错误之前完成的子操作都将包含在最终聚合器响应中，包括失败的子操作。如果 stopOnError 为真，剩余的子操作将被跳过。

许可证

MIT