mcp-use
Manufact · 程式設計
mcp-use 是開源框架，可用 TypeScript 與 Python 打造 Model Context Protocol 的伺服器、客戶端與 AI 代理，並可選用 Manufact Cloud 代管。
關於 mcp-use
What Is mcp-use
mcp-use 是給開發者用的開源 MCP 框架，處理的是 Model Context Protocol，也就是讓 AI 模型與外部工具、資料對話的標準。它在同一套堆疊裡涵蓋三件事：MCP 伺服器、MCP 客戶端與 AI 代理。用 TypeScript 或 Python 寫都行，協定層的雜事交給框架，你專心處理工具真正要做的事就好。
這個專案出自如今名為 Manufact 的團隊，SDK 就是它的開源核心。自 2026 年起，公司另外經營對應的代管平台 Manufact Cloud，用來部署你用 mcp-use 打造的東西。程式碼推上 GitHub，伺服器就上線，不必再跟 YAML 或 Dockerfile 纏鬥。
主打的是速度，範例程式碼也撐得起這個說法。專案宣稱每個部分只要大約六行程式就能把 MCP 伺服器、客戶端與代理架起來。親手接過官方 SDK 的人，大概都知道這省掉多少重複的苦工。
有兩個限制值得先講清楚。代管服務是獨立的付費產品，所以 mcp-use 本身的免費方案只涵蓋開源函式庫。另外，框架以 TypeScript 優先，這對網頁團隊很順手，但對於只想用 Python、又想要最完整介面功能的團隊，會稍微吃力一點。
Getting Started
- 用單一指令建立專案，
npx create-mcp-use-app my-app，或以pip install mcp-use安裝 Python 套件 - 在伺服器檔案裡定義工具、資源與提示，然後用
npm run dev在本機執行 - 打開內建的 Inspector，在沒有模型連線的情況下測試工具呼叫、讀取原始 JSON-RPC 流量
- 把儲存庫連上 Manufact Cloud 後推送，或從 CLI 執行
mcp-use deploy，把伺服器發布到 ChatGPT、Claude 等客戶端
產品資訊
快速了解 mcp-use 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 後端與全端開發者：想直接發布 MCP 伺服器、不自己刻協定層的工程師，用團隊現有的語言就能開工
- AI 產品團隊：打造要接上 ChatGPT、Claude 或 Gemini 的工具，需要一條從本機建置到上線伺服器的可重複流程
- 開源貢獻者與玩家：想要授權寬鬆、免費且社群活躍的框架，自己一個人也能投入
- 新創技術主管：小型團隊想用一套框架同時處理伺服器、客戶端與代理，而不是散在三套函式庫裡
任務
- 打造 MCP 伺服器：定義任何 MCP 客戶端都能探索與呼叫的工具、資源與提示
- 接上 MCP 客戶端：把 LLM 連到外部伺服器，不需要代理也能直接以程式呼叫工具
- 建構 AI 代理：做出能在多個推理步驟間呼叫工具、瀏覽網頁、管理檔案的代理
- 偵錯 MCP 流量：在真正接上客戶端之前，先在瀏覽器裡檢視工具呼叫與 JSON-RPC 訊息
- 代管與部署：把伺服器推上雲端，並從儀表板追蹤請求、建置與執行日誌
情境
- 團隊想把內部工具開放給 Claude：把 API 包成 MCP 伺服器，一個下午就能接好
- 為 ChatGPT 推出應用：寫一次就能對應多個 AI 環境，不必為每個平台重做
- 快速試做代理：先用 Inspector 在本機測試工具呼叫，再決定要不要付任何代管方案
- 為既有聊天機器人加工具：把 MCP 塞進已經在跟 LLM 對話的 Node 或 Python 服務
- 發布公開伺服器：從 GitHub 部署，讓外部客戶端自行探索與呼叫工具
主要功能
TypeScript 與 Python 的全端 MCP 堆疊
mcp-use 涵蓋整條鏈路：伺服器、客戶端與代理，TypeScript 與 Python 都支援。你不必拼湊不同函式庫才能跑起來，兩種語言也共用同一套概念與命名。團隊自稱全端框架，這回標籤貼得住，因為同一個專案同時管到你打造的東西與呼叫它的那一端。
一行指令完成骨架
執行 npx create-mcp-use-app my-app，就會生出一個能跑的專案，伺服器、React 介面層與開發伺服器全都已經接好。用意是省掉第一次工具呼叫之前那段設定日。Python 這邊，單一句 pip install mcp-use 就取得伺服器框架。
內建 Inspector 與本機測試
框架附帶一個網頁版 Inspector，讓你的伺服器對上真實客戶端。你可以發出工具呼叫、讀取原始 JSON-RPC，並切換 GPT、Claude、Gemini 等模型來比較行為。不必在本機架設任何東西，用瀏覽器就能偵錯，這在問題只出現在特定模型時特別有用。
MCP-UI 與互動式應用元件
除了伺服器，mcp-use 也能打造 MCP 應用：在 ChatGPT 與 Claude 裡以真實介面呈現的 React 元件，而不是純文字。框架對這類介面資源提供第一級支援，所以你寫一個互動應用，就能在多個環境上跑。這項能力正是 mcp-use 與低階 MCP 函式庫的分界。
客戶端與代理 API
客戶端這端能把任何 LLM 接到任何 MCP 伺服器，不需要代理時也能直接呼叫工具。代理這端加入跨步驟推理、工具使用、網頁瀏覽與檔案處理。兩者屬於同一個套件，所以從寫死的客戶端換到完整代理，不必再學第二套框架。
Manufact Cloud 代管與部署
搭配的代管平台能把一個儲存庫變成正在運行的伺服器。GitHub 連一次，之後每次推送都自動部署，每個分支有預覽網址，自訂網域與 SSL 也一併處理。儀表板追蹤請求、建置、測試與執行日誌，維運集中在一處。
相容官方 SDK 與完整文件
伺服器框架是延伸官方 MCP SDK，而不是取代它，所以既有伺服器能無痛搬過來，也維持符合規範。它加上文件端點、結構化日誌，以及供探索用的 openmcp.json 中繼資料檔。這樣的組合讓你在整個 MCP 生態裡保持相容，同時補上正式環境需要的零件。
優缺點
優點
- 開源且免費使用，不必經過業務電話或付授權費就能導入
- 一套框架同時涵蓋伺服器、客戶端與代理，TypeScript 與 Python 都支援
- 內建 Inspector 讓你不用連上模型，就能測試工具呼叫與 JSON-RPC
- MCP-UI 支援意味著能做出 ChatGPT 與 Claude 的互動應用，而不只是文字工具
- 與官方 MCP SDK 保持相容，現有伺服器不必重寫就能搬過來
缺點
- 代管走的是另一個付費平台，SDK 的免費方案並不包含部署目標
- 框架以 TypeScript 優先，只想用 Python 的團隊面對最完整的介面功能會比較吃力
- 專案從 mcp-use 改名為 Manufact，較舊的教學與套件引用可能指向過時名稱
- 最成熟的工具假設 Node 與 npm 工作流程，對採用其他執行環境的團隊會多一層阻礙
常見問題
mcp-use 是開源框架，用來打造使用 Model Context Protocol 的伺服器、客戶端與 AI 代理。它支援 TypeScript 與 Python，並處理協定細節，讓開發者專注在對外提供的工具上。專案目前隸屬於 Manufact。
相關內容
探索與 mcp-use 相關的工具、技能與文章。
mcp-use 替代方案
Base Code
Base44 (Wix) · 程式設計 · 生產力Base Code 是 Base44 推出的共享雲端開發環境。團隊在對話中描述對既有 GitHub 儲存庫的修改，看著預覽確認結果，再以 Pull Request 交回工程團隊。
Google EmbeddingGemma 2
Google DeepMind · 寫作 · 圖片 · 程式設計Google EmbeddingGemma 2 是 7.4 億參數的開源模型，能把文字、程式碼、圖片、音訊與影片畫面轉成同一個 768 維空間裡的向量，在手機與筆電上就能執行。
GitGlow
GitGlow · 程式設計 · 生產力GitGlow 是桌面版 Git 用戶端，把你自己的程式碼與 AI 代理程式的變更集中在同一份審查裡，讓你在交付前看清楚機器上究竟要送出什麼。