MCP-Bridge MCP — 使用場景, 安裝 & 即時演示

為什麼要用

核心特性

將 MCP 工具以 OpenAI 風格的 functions 形式公開給任何相容 OpenAI 的客戶端
REST + SSE 端點；鏡像 /v1/chat/completions
在單一 JSON 中設定多個上游 MCP 伺服器
可選擇性為 Bridge 本身啟用 Bearer 驗證
可作為 Docker 容器或 uv sync Python 應用程式執行

即時演示

實際使用效果

bridge.replay ▶ 就緒

0/0

安裝

選擇你的客戶端

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

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

開啟 Claude Desktop → Settings → Developer → Edit Config。儲存後重啟應用。

~/.cursor/mcp.json · .cursor/mcp.json

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

Cursor 使用與 Claude Desktop 相同的 mcpServers 格式。專案級設定優先於全域。

VS Code → Cline → MCP Servers → Edit

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

點擊 Cline 側欄中的 MCP Servers 圖示，然後選 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json

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

格式與 Claude Desktop 相同。重啟 Windsurf 生效。

~/.continue/config.json

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

Continue 使用伺服器物件陣列，而非映射。

~/.config/zed/settings.json

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

加入 context_servers。Zed 儲存後熱重載。

claude mcp add bridge -- uvx MCP-Bridge

一行命令搞定。用 claude mcp list 驗證，claude mcp remove 移除。

使用場景

實戰用法： MCP-Bridge

為 LibreChat 或任何相容 OpenAI 的聊天介面新增 MCP 工具

👤 自行架設開源聊天前端的使用者 ⏱ ~30 min intermediate

何時使用： 您正在執行 LibreChat、Big-AGI 或自訂應用程式，這些應用程式會呼叫 /v1/chat/completions 並希望使用工具呼叫功能，但它們不支援 MCP 協定。

前置條件

一個相容 OpenAI 的推論後端 — OpenAI、透過代理的 Anthropic、vLLM、Ollama 等皆可
至少一個您想公開的 MCP 伺服器 — filesystem、fetch、postgres——任何您已有的服務皆可

步驟

撰寫 config.json

幫我寫一個 MCP-Bridge 的 config.json，代理 OpenAI 並公開 filesystem MCP（根目錄為 /data）和 fetch MCP。✓ 已複製

→ 包含 inference_server 和 mcp_servers 區段的有效設定檔
透過 Docker 執行

給我用這份設定在連接埠 8000 啟動 MCP-Bridge 的 docker run 指令。✓ 已複製

→ 包含磁碟區掛載的可用 docker 指令
將聊天介面指向 Bridge

告訴我在 LibreChat 中應將 API base URL 設為何值，以便使用 Bridge 取代直接呼叫 OpenAI。✓ 已複製

→ 指向 http://localhost:8000/v1 的設定

結果： LibreChat 的對話現在可以透明地呼叫 filesystem 和 fetch 工具。

注意事項

並非所有相容 OpenAI 的客戶端都支援工具呼叫 — 接線前先確認您的介面支援回應中的 functions；查閱其文件中關於「工具呼叫」支援的說明
串流回應尚未實作 — 在客戶端停用串流；改用非串流端點

搭配使用： filesystem · fetch

為您自己的 Python/JS Agent 框架提供 MCP 工具存取能力

👤 以 OpenAI SDK 建構自訂 Agent 的開發者 ⏱ ~25 min intermediate

何時使用： 您正在使用原始 OpenAI SDK（或 LangChain 的 OpenAI 客戶端）進行開發，希望整合 MCP 生態系工具，同時不需要重寫 Agent。

步驟

在本機啟動 MCP-Bridge

以 OpenAI 為上游並掛載以下 MCP 伺服器執行 MCP-Bridge：[列表]。✓ 已複製

→ Bridge 監聽於 :8000
將 OpenAI 客戶端的 base_url 指向 Bridge

示範 Python SDK 初始化方式：client = OpenAI(base_url='http://localhost:8000/v1', api_key=...)，然後呼叫 chat completions。✓ 已複製

→ 無需修改即可運作的程式碼片段

結果： 您現有的 Agent 程式碼可零修改地取得工具存取能力。

注意事項

Bridge 是單一故障點 — 在正式環境中，請搭配 supervisord/systemd 執行並設定健康檢查端點

組合

與其他 MCP 搭配，撬動十倍槓桿

bridge + filesystem + fetch

低成本自架、具備真實工具呼叫能力的 ChatGPT 替代方案

透過 MCP-Bridge 公開 filesystem（根目錄為 ~/Notes）和 fetch，再使用 LibreChat 瀏覽並摘要內容。✓ 已複製

工具

此 MCP 暴露的能力

工具	輸入參數	何時呼叫	成本
POST /v1/chat/completions	OpenAI-compatible messages + tools omitted (auto-injected)	主要進入點——直接取代 OpenAI 使用	1 LLM call + N tool calls
GET /tools		探索 Bridge 目前公開了哪些工具	free
SSE /bridge		透過 SSE 將外部 MCP 客戶端連接至 Bridge	free

成本與限制

運行它的成本

API 配額: 直接轉發——依您的上游推論服務供應商計費
每次呼叫 Token 數: Bridge 每次請求會額外增加約 100–500 個 token 的工具定義
費用: 免費（MIT 授權）。您只需支付 LLM 費用及託管費用。
提示: 只掛載您實際需要的 MCP 伺服器——每個附加的工具都會增加系統提示的長度。

安全

權限、密鑰、影響範圍

憑證儲存： 上游 API 金鑰與 MCP 伺服器憑證儲存在 config.json 中；請鎖定檔案權限

資料出站： 請求會發送至您設定的上游服務（例如 OpenAI）以及所有已連接的 MCP 伺服器

切勿授予： Expose the bridge to the internet without enabling bearer auth

串流功能尚未實作——需要串流的客戶端將無法正常運作。
若您專門使用 Open WebUI，建議改用 Open WebUI 原生 MCP（0.6.31+），本工具已逐漸被取代。

故障排查

常見錯誤與修復

Client says 'tool_use not supported'

上游模型或客戶端介面不支援 function calling。請改用支援此功能的模型（gpt-4o、claude、llama 3.1+）。

MCP server connection refused

確認 config.json 中的指令可以正常執行。Bridge 會以子行程方式啟動它；請手動測試：npx -y the-mcp。

401 from bridge when auth enabled

請設定 Authorization: Bearer <key> 標頭；該金鑰必須在設定檔的 security.auth.keys 中。

替代方案

MCP-Bridge 對比其他方案

替代方案	何時用它替代	權衡
Open WebUI native MCP	您專門使用 Open WebUI 0.6.31+	內建功能——無需 Bridge，但僅限 Open WebUI 使用
LiteLLM with custom callbacks	您需要多供應商路由與工具注入功能	較為複雜；LiteLLM 本身也不原生支援 MCP
mcpo	您希望將 MCP 工具以純 OpenAPI 形式公開給非 LLM 客戶端	設計理念不同——以 OpenAPI 為主，而非以 chat-completions 為主

MCP-Bridge

為什麼要用

核心特性

即時演示

實際使用效果

安裝

選擇你的客戶端

使用場景

實戰用法： MCP-Bridge

為 LibreChat 或任何相容 OpenAI 的聊天介面新增 MCP 工具

前置條件

步驟

注意事項

為您自己的 Python/JS Agent 框架提供 MCP 工具存取能力

步驟

注意事項

組合

與其他 MCP 搭配，撬動十倍槓桿

工具

此 MCP 暴露的能力

成本與限制

運行它的成本

安全

權限、密鑰、影響範圍

故障排查

常見錯誤與修復

替代方案

MCP-Bridge 對比其他方案

更多

資源