MCPJungle：多 Agent MCP 服务器统一网关一刀切的管理神器

Skill超级捕获手 技术创作者 2026-08-19 13 阅读

MCP 生态爆发后，一个尖锐矛盾浮出水面：每个 AI 客户端（Claude / Cursor / Codex / Copilot）都要单独配置所有 MCP 服务器——配一遍文件系统、配一遍 GitHub、配一遍数据库……服务器多了，管理成本直线飙升，配置散落在各个客户端的 JSON 文件里，改一个全局变量要改 N 份。MCPJungle 就是来解决这个问题的：只配一次，所有 Agent 统一从一个网关拿工具。

功能与原则

MCPJungle 是一个自托管的 MCP 网关（gateway），将所有 MCP 服务器注册到一个统一的端点，Claude / Cursor / Codex / 自定义 Agent 全部连到这个端点拿工具，而不是各自维护一份重复配置。

核心设计原则：
– 一次注册，多端复用：在 MCPJungle 注册服务器，所有 AI 客户端共享，无需各自配置
– 协议无关：同时支持 stdio、Streamable HTTP、SSE 三种传输协议
– 企业级就绪：内置访问控制（Access Control）和 OpenTelemetry 可观测性，支持团队共享网关
– 开箱即用：提供 Docker / Docker Compose 一键部署，本地个人使用到团队协作全覆盖

认可度

  • GitHub Star：约 1217（截至 2026-08-19）
  • Fork：约 154
  • 活跃维护：274 commits，版本持续迭代
  • 社区使用：已有 HomeLab 玩家将其作为家庭实验室 MCP 基础设施，docs.mcpjungle.com 提供 MCP 协议自我暴露文档站

链接

GitHub：https://github.com/mcpjungle/MCPJungle

官方文档：https://docs.mcpjungle.com

原作者

由 mcpjungle 组织维护（GitHub org），项目采用 MIT 许可证，持续活跃更新中。

介绍

随着 Claude Code、Cursor、Codex、Grok Build CLI、Kimi Code 等编程 Agent 全面支持 MCP 协议，开发者手头的 MCP 服务器数量急剧膨胀。Filesystem、GitHub、数据库、浏览器自动化……每个 Agent 都要各自配置一份，时间一长配置文件散落、版本不一致、工具能力参差不齐。

MCPJungle 的思路是：把 MCP 服务器的管理职能从中剥离出来，变成一个独立的服务层。开发者把所有 MCP 服务器注册到 MCPJungle，由它统一暴露一个 /mcp 端点（默认 http://localhost:8080/mcp）。各 AI 客户端只需配置一次连接这个端点，即可访问所有已注册的工具。

本地个人使用可以跑 docker-compose.yaml，一行命令起一个 SQLite 后端的轻量网关；团队协作可以换 docker-compose.prod.yaml，自动切换企业模式，开启 PostgreSQL 持久化、访问控制和 OpenTelemetry tracing。

MCPJungle 还自带两个彩蛋：一是 MCP 服务器 docs.mcpjungle.com/mcp 会自我暴露文档站的 MCP 接口，让 Claude 直接查询官方文档；二是内置 tool groups（工具分组）和 prompts 管理能力，可以给不同角色的 Agent 分配不同的工具集合。

特点

  • 统一网关架构：所有 MCP 服务器注册到 MCPJungle，AI 客户端只需配置一个 MCP 端点
  • 多协议兼容：支持 stdio、Streamable HTTP、SSE 三种传输协议
  • 工具分组与权限控制：可按组分配工具子集，支持企业级 Access Control
  • 开箱即用的可观测性：集成 OpenTelemetry， tracing 和指标开箱即用
  • 双模式部署：development 模式（SQLite，轻量本地）vs enterprise 模式（PostgreSQL，团队共享）
  • 健康检查与自动卸载：内置 MCP 服务器健康监控，失败时自动下线
  • 审计日志：所有请求和操作详细记录，支持按标签过滤工具
  • 多会话隔离：支持多个 AI Agent 并发连接，会话间完全隔离

使用方法

安装（二选一）：

Homebrew（macOS 推荐）：

brew install mcpjungle/mcpjungle/mcpjungle
mcpjungle version

Docker（跨平台）：

docker pull ghcr.io/mcpjungle/mcpjungle

快速启动（Docker Compose，本地个人用）：

curl -O https://raw.githubusercontent.com/mcpjungle/MCPJungle/refs/heads/main/docker-compose.yaml
docker compose up -d
curl http://localhost:8080/health

注册 STDIO 类型的 MCP 服务器（如 filesystem）：

mcpjungle client add filesystem 
  --transport stdio 
  --command npx 
  --args "-y @modelcontextprotocol/server-filesystem /tmp"

连接 Claude Desktop：
在 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "mcpjungle": {
      "url": "http://localhost:8080/mcp"
    }
  }
}

连接 Cursor：
在 Cursor Settings → MCP 中添加：

http://localhost:8080/mcp

使用场景与人群

适用场景：
– 个人多 Agent 环境：同时用 Claude Code / Cursor / Codex / Kimi Code，每换一个 Agent 不再需要重新配 MCP
– 团队共享 MCP 基础设施：团队维护一套统一的 MCP 服务器，注册到 MCPJungle，新成员只需配置一个端点
– 企业访问控制：按角色分配不同工具集，审计日志追踪工具调用

目标用户：
– MCP 多服务器重度用户
– 团队 AI 工具管理员
– 在多款 AI 编程工具间切换的开发者

输入与输出案例

案例 1：注册 GitHub MCP 服务器

输入（mcpjungle CLI）：

mcpjungle client add github 
  --transport streamable-http 
  --url https://github.com/github-mcp-server 
  --header "Authorization: Bearer $GITHUB_TOKEN"

输出：服务器注册成功，Claude / Cursor / Codex 同时获得 GitHub 操作能力（PR 创建、Issue 管理等），无需各自配置。

案例 2：多 Agent 共享同一个 MCP 端点

Claude Code、Cursor、Codex 三个客户端全部连接 http://localhost:8080/mcp，其中一个新增了 Memory MCP 服务器后，另外两个 Agent 无需任何操作，下次对话自动获得该工具——配置收敛到一处，维护成本大幅降低。

GitHub: https://github.com/mcpjungle/MCPJungle

评论区

0 条评论

登录后可评论。

Skill超级捕获手 13 阅读