AI工具集：本地Node基于云端AI模型使用Stdio封装自定义MCP服务-开发者社区

AI工具集：本地Node基于云端AI模型使用Stdio封装自定义MCP服务

背景

购买 Coding Plan 除了能替代 AI编辑器内置 Agent 处理代码问题，还可以封装自定义 MCP 服务。在技术方案 / 代码修改 / 单元测试 / Code Review时候进行审核辅助，毕竟单一模型在不同能力维度上各有侧重。搭建一个本地的自定义 MCP 服务，是一个很有意义的方案

本文将一步步带你配置本地版本 MCP 服务，也可以学习自建MCP服务的过程和注意事项

资源应用介绍

Agent：讯飞星辰 MaaS · Astron Coding Plan
编辑器：Trae（其他编辑器类同）
服务端：本地 Node 搭建 Stdio 服务

1. Agent套餐

Coding Plan是专为开发者打造的高性能 AI 算力订阅服务，可一站式调用顶流大模型，全面提效代码生产。

1.1 购买套餐

最主要是便宜，首月3.9元不限量 https://maas.xfyun.cn/packageSubscription

1.2 可用模型

2. 搭建MCP服务

2.1 新建文件

新建一个目录，并新建【package.json】【stdio.js】

2.1.1 package.json

{"name":"localmcp","version":"1.0.0","description":"MCP 服务，调用云端 AI 模型","main":"index.js","scripts":{"start:stdio":"node stdio.js"},"keywords":[],"author":"","license":"ISC","dependencies":{"@modelcontextprotocol/sdk":"^1.29.0","zod":"^4.4.3"}}

2.1.2 stdio.js

stdio.js 是 MCP (Model Context Protocol) 服务的本地部署版本。本地使用 sse 模式，和本文不一致

替换自己的 API_KEY，若是其他平台更换 url地址和模型ID

#!/usr/bin/env nodeconst{McpServer}=require('@modelcontextprotocol/sdk/server/mcp.js');const{StdioServerTransport}=require('@modelcontextprotocol/sdk/server/stdio.js');const{z}=require('zod');/** * 调用云端 AI 模型进行对话或代码生成 * @param {Array<{role: 'user'|'assistant', content: string}>} messages - 对话消息数组 * @param {Object} [options={}] - 配置选项 * @param {string} [options.model='astron-code-latest'] - 模型名称 * @param {'openai'|'anthropic'} [options.provider='openai'] - API 提供商类型 * @returns {Promise<{content: Array<{type: string, text: string}>}>} AI 响应结果 * @throws {Error} 当 API 请求失败或返回非 JSON 格式时抛出错误 */asyncfunctioncallAI(messages,options={}){constmaxTokens=131072;constOPENAI_URL='https://maas-coding-api.cn-huabei-1.xf-yun.com/v2/chat/completions';constANTHROPIC_URL='https://maas-coding-api.cn-huabei-1.xf-yun.com/anthropic/v1/messages';constMODEL_ID='astron-code-latest';constAPI_KEY='xxxxxxxxxx';const{model=MODEL_ID,provider='openai'}=options;constapiUrl=provider==='anthropic'?ANTHROPIC_URL:OPENAI_URL;constisAnthropic=provider==='anthropic';constbody=isAnthropic?{model,max_tokens:maxTokens,messages:messages.map(m=>({role:m.role,content:m.content}))}:{model,messages:messages.map(m=>({role:m.role,content:m.content})),max_tokens:maxTokens};constres=awaitfetch(apiUrl,{method:'POST',headers:{'Content-Type':'application/json','Authorization':`Bearer${API_KEY}`,'X-Api-Key':API_KEY,'X-Language':'zh-CN',...(isAnthropic?{'anthropic-version':'2023-06-01'}:{})},body:JSON.stringify(body)});if(!res.ok){consterrText=awaitres.text();thrownewError(`API${res.status}:${errText.slice(0,500)}`);}constcontentType=res.headers.get('content-type')||'';if(!contentType.includes('application/json')){consterrText=awaitres.text();thrownewError(`API返回非JSON格式(${contentType}):${errText.slice(0,200)}`);}constdata=awaitres.json();if(isAnthropic)return{content:[{type:'text',text:data.content?.[0]?.text||''}]};return{content:[{type:'text',text:data.choices?.[0]?.message?.content||data.choices?.[0]?.message?.reasoning_content||JSON.stringify(data)}]};}/** * 创建 MCP 服务器实例 * @description 定义服务名称和版本号，用于与客户端建立通信 */constserver=newMcpServer({name:'agentmcp',version:'1.0.0'});/** * 注册 'chat' 工具 * @description 提供调用云端 AI 模型进行对话或代码生成的能力 * 支持 OpenAI 和 Anthropic 兼容接口 * @param {messages} 对话消息数组，支持 user/assistant 角色 * @param {model} [可选] 指定使用的模型名称（默认 astron-code-latest） * @param {provider} [可选] API 提供商类型（openai 或 anthropic） */server.tool('chat','调用云端 AI 模型进行对话或代码生成，支持 OpenAI 和 Anthropic 兼容接口',{messages:z.array(z.object({role:z.enum(['user','assistant']),content:z.string()})),model:z.string().optional().describe('模型名称，默认 astron-code-latest'),provider:z.enum(['openai','anthropic']).optional().describe('API 提供商，默认 openai')},async({messages,model,provider})=>{try{returnawaitcallAI(messages,{model,provider});}catch(err){return{content:[{type:'text',text:`[ERROR]${err.message}`}],isError:true};}});/** * 启动 MCP 服务器并监听 stdio 传输 * 通过标准输入输出与客户端进行通信 * @returns {Promise<void>} */asyncfunctionmain(){consttransport=newStdioServerTransport();awaitserver.connect(transport);}/** * 启动 MCP 服务器 * @description 调用 main 函数启动服务，捕获并输出异常信息到控制台 */main().catch(console.error);

2.2 配置本地服务端

安装依赖，不需要运行，不需要运行，不需要运行

npminstall

3. 编辑器调用MCP

JSON 数据

{"mcpServers":{"localmcp":{"command":"node","args":["/Users/mr.w/object/localmcp/stdio.js"]}}}

注意：若是配置【node】后运行失败，则使用本地node查询，使用全链接

whichnode

效果

4. 测试功能

发送一条对话消息，测试 MCP 服务功能。

恭喜搭建完毕！现在你可以在公司或家中调用该服务了。

5. 调用建议

在编辑器定义【个人规则】或【项目规则】，约定自动触发时机和内容，避免每次还要在对话框内说明调用，比较麻烦

优先级权重：对话框 > 项目规则 > 个人规则

宝塔面板基于云端AI模型使用SSE封装自定义MCP服务： https://blog.csdn.net/weixin_44461275/article/details/161430697

AI工具集：本地Node基于云端AI模型使用Stdio封装自定义MCP服务