MCP-Bridge MCP — 使用场景, 安装 & 实时演示

为什么要用

核心特性

将 MCP 工具作为 OpenAI 风格的 functions 暴露给任何兼容 OpenAI 的客户端
REST + SSE 端点；镜像 /v1/chat/completions
在单个 JSON 中配置多个上游 MCP server
bridge 本身可选的 bearer 认证
以 Docker 容器或 uv sync Python 应用形式运行

实时演示

实际使用效果

bridge.replay ▶ 就绪

0/0

安装

选择你的客户端

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "bridge": {
      "command": "uvx",
      "args": [
        "MCP-Bridge"
      ],
      "_inferred": true
    }
  }
}

打开 Claude Desktop → Settings → Developer → Edit Config。保存后重启应用。

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "bridge": {
      "command": "uvx",
      "args": [
        "MCP-Bridge"
      ],
      "_inferred": true
    }
  }
}

Cursor 使用与 Claude Desktop 相同的 mcpServers 格式。项目级配置优先于全局。

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "bridge": {
      "command": "uvx",
      "args": [
        "MCP-Bridge"
      ],
      "_inferred": true
    }
  }
}

点击 Cline 侧栏中的 MCP Servers 图标，然后选 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "bridge": {
      "command": "uvx",
      "args": [
        "MCP-Bridge"
      ],
      "_inferred": true
    }
  }
}

格式与 Claude Desktop 相同。重启 Windsurf 生效。

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "bridge",
      "command": "uvx",
      "args": [
        "MCP-Bridge"
      ]
    }
  ]
}

Continue 使用服务器对象数组，而非映射。

~/.config/zed/settings.json

{
  "context_servers": {
    "bridge": {
      "command": {
        "path": "uvx",
        "args": [
          "MCP-Bridge"
        ]
      }
    }
  }
}

加入 context_servers。Zed 保存后热重载。

claude mcp add bridge -- uvx MCP-Bridge

一行命令搞定。用 claude mcp list 验证，claude mcp remove 卸载。

使用场景

实战用法： MCP-Bridge

为 LibreChat 等兼容 OpenAI 的聊天 UI 添加 MCP 工具

👤 自托管开源聊天前端的用户 ⏱ ~30 min intermediate

何时使用： 你正在运行 LibreChat、Big-AGI 或自定义应用（它调用 /v1/chat/completions 并希望使用工具），但不支持 MCP。

前置条件

一个兼容 OpenAI 的推理后端 — OpenAI、Anthropic-via-proxy、vLLM、Ollama 等
至少一个你想暴露的 MCP server — filesystem、fetch、postgres 等

步骤

编写 config.json

为我编写一个 MCP-Bridge config.json，代理 OpenAI 并暴露 filesystem MCP（根目录在 /data）和 fetch MCP。✓ 已复制

→ 带有 inference_server 和 mcp_servers 部分的有效配置
通过 Docker 运行

给我 docker run 命令以在端口 8000 上使用此配置启动 MCP-Bridge。✓ 已复制

→ 带有卷挂载的有效 docker 命令
将聊天 UI 指向 bridge

告诉我在 LibreChat 中应该设置什么 API 基础 URL 来使用 bridge 而不是直接使用 OpenAI。✓ 已复制

→ 指向 http://localhost:8000/v1 的配置

结果： LibreChat 对话现在可以透明地调用 filesystem 和 fetch 工具。

注意事项

并非所有兼容 OpenAI 的客户端都支持工具调用 — 在连接前验证你的 UI 是否在响应中支持 functions；检查其文档中的'工具调用'支持
流式响应尚未实现 — 在客户端中禁用流式处理；使用非流式端点

搭配使用： filesystem · fetch

为你自己的 Python/JS agent 框架提供 MCP 工具访问

👤 在 OpenAI SDK 上构建自定义 agent 的开发者 ⏱ ~25 min intermediate

何时使用： 你在使用原始 OpenAI SDK（或 LangChain 的 OpenAI 客户端）构建，并且想在不重写 agent 的情况下接入 MCP 生态系统。

步骤

本地启动 MCP-Bridge

运行 MCP-Bridge，上游设置为 OpenAI，以及这些 MCP server：[list]。✓ 已复制

→ Bridge 在 :8000 上监听
将 OpenAI 客户端 base_url 指向 bridge

给我 Python SDK 初始化：client = OpenAI(base_url='http://localhost:8000/v1', api_key=...)。然后调用聊天补全。✓ 已复制

→ 可以直接使用的代码片段

结果： 为你现有的 agent 代码提供零改动的工具访问。

注意事项

Bridge 是单点故障 — 对于生产环境，使用 supervisord/systemd 和健康检查端点运行

组合

与其他 MCP 搭配，撬动十倍杠杆

bridge + filesystem + fetch

经济的自托管 ChatGPT 替代品，具有真实的工具使用

通过 MCP-Bridge 暴露 filesystem（根目录在 ~/Notes）和 fetch，然后使用 LibreChat 浏览和总结。✓ 已复制

工具

此 MCP 暴露的能力

工具	输入参数	何时调用	成本
POST /v1/chat/completions	兼容 OpenAI 的消息 + 工具省略（自动注入）	主入口点 — OpenAI 的直接替代	1 LLM call + N tool calls
GET /tools		发现可用的工具	free
SSE /bridge		通过 SSE 将外部 MCP 客户端连接到 bridge	free

成本与限制

运行它的成本

API 配额: 通道费用 — 无论你的上游推理提供商收费多少
每次调用 Token 数: Bridge 每次请求添加约 100-500 个工具定义 token
费用: 免费（MIT）。你需要为你的 LLM 和托管位置付费。
提示: 仅连接你需要的 MCP server — 每个连接的工具都会膨胀系统 prompt。

安全

权限、密钥、影响范围

凭据存储： 上游 API 密钥 + MCP server 凭据在 config.json 中；锁定文件权限

数据出站： 请求转到你配置的上游（例如 OpenAI）+ 任何 MCP server

切勿授予： 在不启用 bearer 认证的情况下不要将 bridge 暴露到互联网

流式处理未实现 — 需要流式处理的客户端将失败。
如果你使用 Open WebUI，建议改用其原生 MCP（0.6.31+）。

故障排查

常见错误与修复

客户端报错'不支持工具使用'

上游模型或客户端 UI 不支持函数调用。使用支持此功能的模型（gpt-4o、claude、llama 3.1+）。

MCP server 连接被拒绝

检查 config.json 中的命令是否实际运行。Bridge 将其作为子进程运行；手动测试：npx -y the-mcp。

启用认证时从 bridge 返回 401

设置 Authorization: Bearer <key> 头；密钥必须在配置的 security.auth.keys 下。

替代方案

MCP-Bridge 对比其他方案

替代方案	何时用它替代	权衡
Open WebUI 原生 MCP	你专门使用 Open WebUI 0.6.31+	内置 — 无需 bridge，但仅限 Open WebUI
LiteLLM 与自定义回调	你想要多提供商路由 + 工具注入	更复杂；LiteLLM 也不原生支持 MCP
mcpo	你也想为非 LLM 客户端将 MCP 工具公开为纯 OpenAPI	形式不同 — OpenAPI 优先而非聊天补全优先

MCP-Bridge

为什么要用

核心特性

实时演示

实际使用效果

安装

选择你的客户端

使用场景

实战用法： MCP-Bridge

为 LibreChat 等兼容 OpenAI 的聊天 UI 添加 MCP 工具

前置条件

步骤

注意事项

为你自己的 Python/JS agent 框架提供 MCP 工具访问

步骤

注意事项

组合

与其他 MCP 搭配，撬动十倍杠杆

工具

此 MCP 暴露的能力

成本与限制

运行它的成本

安全

权限、密钥、影响范围

故障排查

常见错误与修复

替代方案

MCP-Bridge 对比其他方案

更多

资源