关键词

AI代理集成外部API连接数据源管理LLM工具调用自动化工作流

项目简介

Metorial是一个为AI代理开发者设计的开源平台，旨在简化AI模型与外部服务（如SaaS应用、数据库、API等）的集成。它基于Model Context Protocol (MCP) 构建，提供标准化的方式来访问资源、调用工具和管理会话，赋能开发者构建更强大、更具上下文感知能力的AI应用。

主要功能点

  • 丰富的MCP服务器集合: Metorial仓库中包含大量预构建的MCP服务器，用于集成Loops、Exa、Google Sheets、Discord、Dropbox、Resend、Google Drive、Hacker News、Hubspot、Tavily、Brave Search等多种主流服务，开箱即用。
  • 标准化资源访问: 以统一的URI格式 (例如 'loops://contact/{identifier}') 访问各种外部服务中的数据资源，实现数据的高效检索和管理。
  • 智能工具调用: 允许AI模型通过标准化接口调用外部服务提供的特定功能，如创建联系人、发送邮件、搜索网页、管理文件等，将AI能力扩展到实际操作。
  • 简便的OAuth认证管理: 提供内置的OAuth流程支持，简化与需要用户授权的服务（如Google Calendar, Slack）的集成，确保安全和便捷的会话管理。
  • 广泛的AI模型兼容性: 支持OpenAI, Anthropic, Google, DeepSeek, Mistral, XAI等多种主流AI模型提供商，使您可以在不同的AI后端之间无缝切换。
  • 灵活的自托管能力: 平台代码完全开源，您可以在自己的服务器或云基础设施上部署和运行Metorial实例，拥有完全的控制权。
  • 为开发者量身打造: 提供简洁易用的SDK（JavaScript/TypeScript和Python）、详细的API文档、全面的会话监控和调试工具，帮助开发者快速构建、部署和管理AI集成应用。

安装步骤

Metorial平台及其内部的MCP服务器通常以Docker容器的形式部署，以简化环境配置。您需要确保系统已安装Docker和Docker Compose。

  1. 克隆Metorial仓库： 打开您的终端或命令行工具，执行以下命令克隆Metorial的代码仓库： 
    git clone https://github.com/metorial/metorial.git
cd metorial
  2. 构建并启动Docker容器： 在 'metorial' 项目的根目录下，运行以下命令来构建所有必要的Docker镜像并以后台模式启动Metorial平台及其所有集成的MCP服务器： 
    docker compose up --build -d
    此命令将启动Metorial平台后端、前端仪表盘以及所有配置好的MCP服务器。
  3. 访问Metorial仪表盘： 平台启动后，您通常可以通过网络浏览器访问 'http://localhost:3000'（如果未修改默认端口）来打开Metorial的Web仪表盘。您可以在仪表盘中进一步配置、管理和监控您的AI集成。

服务器配置 (概念性示例)

Metorial是一个高级集成平台，它管理并运行其内部的MCP服务器。当您使用Metorial提供的SDK时，通常不需要直接处理底层MCP服务器的启动命令和参数。您只需指定Metorial平台中部署的服务器名称。

然而，如果您是MCP客户端的开发者，并且需要了解MCP服务器的通用配置方式，或者希望绕过Metorial平台直接运行一个MCP服务器，其配置信息（以JSON格式）可能包含以下关键要素：

{
  "server_name": "loops-mcp-server",
  "description": "连接 Loops 邮件营销平台，提供创建/更新/查找/删除联系人、管理邮件列表和发送事件等工具和资源。",
  "command": "用于启动 Loops MCP 服务器的可执行命令，例如 'bun run' 或 'node'。",
  "args": [
    "启动命令的脚本或入口文件路径，例如 './servers/loops/server.ts' (在Bun环境下)。",
    "传递给服务器的配置参数，例如 '--config', '{\"token\":\"您的_LOOPS_API_密钥\"}'，用于提供必要的API凭证。"
  ],
  "configuration_notes": "请注意，当您通过Metorial平台及其SDK使用这些MCP服务器时，您通常不需要直接配置上述底层命令和参数。您只需在Metorial平台中部署相应的服务器（如 'loops-server-deployment'），然后在您的AI应用代码中通过平台提供的部署名称进行调用。上述配置仅为说明单个MCP服务器独立运行时客户端所需的参数结构。"
}

基本使用方法

一旦Metorial平台和其中的MCP服务器部署完成，您可以使用Metorial提供的SDK在您的AI应用中轻松调用它们。以下是Python和TypeScript SDK的示例：

Python SDK 示例：

import asyncio
from metorial import Metorial
from openai import AsyncOpenAI
import os

async def main():
  # 使用您的Metorial API Key初始化Metorial客户端
  metorial = Metorial(api_key=os.getenv("METORIAL_API_KEY"))
  # 初始化您选择的LLM客户端 (例如OpenAI)
  openai = AsyncOpenAI(api_key=os.getenv("OPENAI_API_KEY"))

  # 调用Metorial.run方法，指定要使用的MCP服务器部署和LLM模型
  response = await metorial.run(
    message="Search Hackernews for the latest AI discussions.",
    server_deployments=["hacker-news-server-deployment"], # 对应Metorial平台中部署的服务器名称
    client=openai,
    model="gpt-4o",
    max_steps=25
  )

  print("AI Response:", response.text)

asyncio.run(main())

TypeScript SDK 示例：

import { Metorial } from 'metorial';
import OpenAI from 'openai';

let metorial = new Metorial({ apiKey: 'YOUR_METORIAL_API_KEY' });
let openai = new OpenAI({ apiKey: 'YOUR_OPENAI_API_KEY' });

let result = await metorial.run({
  message: 'Scan my slack messages for meetings and put them on my google calendar.',
  serverDeployments: ['google-calendar-server', 'slack-server'], // 对应Metorial平台中部署的服务器名称
  model: 'gpt-4o',
  client: openai,
  maxSteps: 10
});

console.log('AI Response (completed in ${result.steps} steps):');
console.log(result.text);

对于需要用户OAuth认证的服务（例如Google Calendar、Slack），您需要遵循 Metorial SDK 提供的 OAuth 流程，先创建并完成认证会话，然后将获取到的 'oauthSessionId' 传递给 'serverDeployments' 配置。详细指引请参阅 Metorial 的官方文档或仓库 'README.md' 中的OAuth集成部分。

信息

分类

开发者工具

访问项目