mcp-use
Manufact · Coding
mcp-use ist ein Open-Source-Framework für MCP-Server, -Clients und KI-Agenten mit dem Model Context Protocol in TypeScript und Python, mit optionalem Hosting über Manufact Cloud.
Über mcp-use
What Is mcp-use
mcp-use ist ein Open-Source-MCP-Framework für Entwickler, die mit dem Model Context Protocol arbeiten, dem Standard, über den KI-Modelle mit externen Tools und Daten sprechen. Es deckt drei Bausteine in einem Stack ab: MCP-Server, MCP-Clients und KI-Agenten. Sie schreiben sie in TypeScript oder Python, und das Framework übernimmt die Protokollarbeit, damit Sie sich auf das konzentrieren, was das Tool tatsächlich tut.
Das Projekt stammt vom Team, das heute Manufact heißt, und das SDK ist sein Open-Source-Kern. Seit 2026 betreibt das Unternehmen eine passende Hosting-Plattform, Manufact Cloud, die deployt, was Sie mit mcp-use bauen. Ein Push auf GitHub, und der Server ist live, ohne YAML-Gefummel und ohne Dockerfile-Archäologie.
Das Versprechen ist Tempo, und die Codebeispiele stützen es. Das Projekt gibt an, dass Sie MCP-Server, -Clients und -Agenten in etwa sechs Codezeilen pro Baustein aufsetzen. Wer das offizielle SDK schon von Hand verdrahtet hat, weiß, wie viel Wiederholungsarbeit das spart.
Zwei Grenzen sollte man vorher kennen. Der gehostete Dienst ist ein separates Bezahlprodukt, die kostenlose Ebene von mcp-use deckt also nur die Open-Source-Bibliothek ab. Und das Framework setzt zuerst auf TypeScript, was es für Webteams sehr bequem und für reine Python-Teams mit Wunsch nach den reichsten UI-Funktionen etwas schwerer macht.
Getting Started
- Erzeugen Sie ein Projekt mit einem Befehl,
npx create-mcp-use-app my-app, oder installieren Sie das Python-Paket mitpip install mcp-use - Definieren Sie Ihre Tools, Ressourcen und Prompts in einer Serverdatei und starten Sie sie lokal mit
npm run dev - Öffnen Sie den eingebauten Inspector, um Toolaufrufe zu testen und den JSON-RPC-Verkehr ohne laufendes Modell zu lesen
- Verbinden Sie ein Repository mit Manufact Cloud und pushen Sie, oder führen Sie
mcp-use deployüber die CLI aus, um Ihren Server auf ChatGPT, Claude und anderen Clients zu veröffentlichen
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von mcp-use.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Backend- und Fullstack-Entwickler
- KI-Produktteams
- Open-Source-Mitwirkende und Hobbyisten
- Technische Leiter in Start-ups
Aufgaben
- MCP-Server bauen
- MCP-Clients anbinden
- KI-Agenten bauen
- MCP-Verkehr debuggen
- Hosten und deployen
Szenarien
- Ein Team will ein internes Tool für Claude öffnen
- Eine App für ChatGPT ausliefern
- Einen Agenten prototypen
- Tools zu einem bestehenden Chatbot hinzufügen
- Einen offenen Server veröffentlichen
Wichtigste Funktionen
Fullstack-MCP-Stack in TypeScript und Python
mcp-use deckt die ganze Kette ab: Server, Clients und Agenten, in TypeScript wie in Python. Sie müssen keine Bibliotheken mischen, um etwas Lauffähiges zu bekommen, und beide Sprachen teilen dieselben Konzepte und Namen. Das Team nennt es ein Fullstack-Framework, und diesmal passt das Etikett, weil dasselbe Projekt sowohl das betrifft, was Sie bauen, als auch das, was es aufruft.
Gerüst per einzigem Befehl
npx create-mcp-use-app my-app erzeugt ein lauffähiges Projekt, in dem Server, eine React-UI-Schicht und ein Dev-Server bereits verbunden sind. Der Sinn ist, den Einrichtungstag zu überspringen, der sonst vor dem ersten Toolaufruf steht. In Python liefert ein einfaches pip install mcp-use das Server-Framework für sich allein.
Eingebauter Inspector und lokale Tests
Das Framework bringt einen Web-Inspector mit, der Ihren Server gegen echte Clients laufen lässt. Sie lösen Toolaufrufe aus, lesen den rohen JSON-RPC-Verkehr und wechseln das Modell, GPT, Claude oder Gemini, um das Verhalten zu vergleichen. Debuggen im Browser ohne lokalen Aufbau, was zählt, wenn der Fehler nur bei einem bestimmten Modell auftritt.
MCP-UI und interaktive App-Widgets
Über reine Server hinaus baut mcp-use MCP-Apps: React-Widgets, die in ChatGPT und Claude als echte Oberflächen erscheinen, nicht als Text. Das Framework unterstützt diese UI-Ressourcen erstklassig, also bauen Sie eine interaktive App, die auf mehreren Umgebungen läuft. Genau diese Funktion trennt mcp-use von MCP-Bibliotheken auf niedriger Ebene.
Client- und Agent-APIs
Die Client-Seite verbindet jedes LLM mit jedem MCP-Server und lässt Sie Tools direkt aufrufen, wenn Sie keinen Agenten brauchen. Die Agent-Seite ergänzt Schlussfolgern über mehrere Schritte, Toolnutzung, Websurfen und Dateiverwaltung. Beide gehören zum selben Paket, der Wechsel von einem geskripteten Client zu einem vollen Agenten bedeutet also nicht, ein zweites Framework zu lernen.
Hosting und Deploy über Manufact Cloud
Die verknüpfte MCP-Hosting-Plattform macht aus einem Repository einen laufenden Server. Sie verbinden GitHub einmal, und jeder Push deployt automatisch, mit Vorschau-URL pro Branch, eigenen Domains und erledigtem SSL. Ein Dashboard verfolgt Anfragen, Builds, Tests und Laufzeitprotokolle, der Betrieb bleibt also an einem Ort.
Kompatibilität mit dem offiziellen SDK und Doku
Das Server-Framework erweitert das offizielle MCP-SDK, statt es zu ersetzen, bestehende Server migrieren also ohne Brüche und bleiben spezifikationskonform. Es ergänzt Doku-Endpunkte, strukturiertes Logging und eine openmcp.json-Metadatendatei für die Auffindung. Diese Mischung hält Sie mit dem weiteren MCP-Ökosystem kompatibel und fügt zugleich die Produktionsbausteine hinzu.
Vor- und Nachteile
Vorteile
- Open Source und kostenlos nutzbar, also führen Sie es ohne Vertriebsanruf und ohne Lizenzgebühr ein
- Ein Framework deckt Server, Clients und Agenten ab, in TypeScript wie in Python
- Der eingebaute Inspector lässt Sie Toolaufrufe und JSON-RPC ohne laufendes Modell testen
- Die MCP-UI-Unterstützung liefert interaktive Apps für ChatGPT und Claude, nicht nur Textwerkzeuge
- Bleibt kompatibel mit dem offiziellen MCP-SDK, bestehende Server werden also ohne Neuschreiben portiert
Nachteile
- Das Hosting läuft über eine separate Bezahlplattform, die kostenlose SDK-Ebene enthält also kein Deploy-Ziel
- Das Framework setzt zuerst auf TypeScript, was die reichsten UI-Funktionen für reine Python-Teams schwerer macht
- Das Projekt wurde von mcp-use zu Manufact umbenannt, ältere Tutorials und Paketverweise können also auf veraltete Namen zeigen
- Die ausgereiftesten Werkzeuge setzen einen Node- und npm-Workflow voraus, was für Teams mit anderer Laufzeit Reibung erzeugt
Häufige Fragen
mcp-use ist ein Open-Source-Framework für Server, Clients und KI-Agenten, die das Model Context Protocol nutzen. Es läuft in TypeScript und Python und übernimmt die Protokolldetails, damit Entwickler sich auf die Tools konzentrieren, die sie bereitstellen. Das Projekt gehört heute zu Manufact.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu mcp-use.
Alternativen zu mcp-use
Forefront
Forefront · CodingForefront ist eine Webplattform zum Bauen mit Open-Source-KI. Sie lassen sich führende Open-Source-Sprachmodelle mit eigenen Daten feintunen, ihre Leistung bewerten und sie über eine API ausführen oder exportieren, um sie selbst zu hosten. Entwickler, die den Komfort einer geschlossenen Plattform wollen, aber darauf bestehen, ihre Modelle und Daten zu besitzen, sind hier die Zielgruppe.
Startkit
StartKit.AI · CodingStartkit ist ein Boilerplate zum Bauen von KI-SaaS-Produkten und KI-Wrappern. Man kann es sich als KI-Startup-Boilerplate vorstellen, bei dem die langweiligen Teile schon verdrahtet sind: Authentifizierung, Zahlungen über Stripe und Lemon Squeezy, Nutzungslimits, transaktionale E-Mail und ein KI-API-Starter-Kit, das mit OpenAI, Anthropic, Groq oder Llama spricht. Man klont das Repository, setzt seinen Preis und kümmert sich um den Teil des Produkts, für den Menschen wirklich bezahlen. Es basiert auf Next.js über React und Tailwind, deshalb fühlt sich ein Großteil des Boilerplate-Codes schon vertraut an.
Testim
Tricentis · CodingTestim ist eine KI-gestützte Plattform für Testautomatisierung, mit der man End-to-End-Tests für Web-, Mobile- und Salesforce-Anwendungen baut und ausführt. Sie setzt auf maschinelles Lernen, um Tests stabil zu halten, wenn sich eine Oberfläche ändert, sodass Teams weniger Zeit mit der Reparatur kaputter Selektoren verbringen. Nicht schlecht für ein Tool für automatisierte Tests, das Sie heute schon nutzen können. Sie erstellen Tests, indem Sie Aktionen im Browser aufzeichnen, und fügen danach JavaScript hinzu, wenn Sie mehr Kontrolle brauchen. Für ein beschäftigtes QA-Team eine solide Wahl.