MCP Chat 入门：把 IDE Agent 变成 OpenAI 兼容 API

MCP Chat 把 IDE 里的 AI（Cursor、Copilot、Windsurf 等）接到 Web 聊天界面，并对外提供 OpenAI / Anthropic 兼容 API。核心思路：让 Agent 进入 chat() 长循环，外部通过浏览器或标准 API 反复交互，而 IDE 侧往往只消耗「一次会话」额度。

MCP Chat Web UI 界面 — MCP Chat Web 聊天界面（项目截图）

它能做什么

浏览器里和 IDE Agent 对话，不受 IDE 窗口限制
用 /v1/chat/completions 对接 QQ 机器人、飞书、Continue、自动化脚本
一次 Agent 会话 + 循环 chat()，变成个人 AI API 服务

MCP Chat 架构示意 — IDE ↔ MCP ↔ Web UI / OpenAI API 架构示意

三步上手

启动服务：git clone → pip install mcp[cli] websockets → python server.py（默认 8080 端口）
配置 IDE：在 Cursor 的 ~/.cursor/mcp.json 写入 MCP 地址，对 Agent 说「调用 get_prompt，再 chat 与我对话」
开始用：打开 Web UI，或通过 OpenAI API 发请求

OpenAI 兼容 API

当 IDE 正在 chat() 循环中时，可用标准 OpenAI SDK 或 curl：

curl

curl https://127.0.0.1:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"cascade","messages":[{"role":"user","content":"你好"}]}'

Python

from openai import OpenAI
client = OpenAI(base_url="https://127.0.0.1:8080/v1", api_key="no-key")
r = client.chat.completions.create(
    model="cascade",
    messages=[{"role": "user", "content": "你好"}]
)
print(r.choices[0].message.content)

还支持流式响应、/v1/responses、Anthropic 格式 /v1/messages，以及 GET /v1/models 列出模型。

QQ 机器人对接示例 — 通过 NapCat + OpenAI API 接入 QQ 机器人（项目截图）

工作原理

IDE 调用 MCP 工具 chat(ai_message)，消息推到 Web，并阻塞等待用户回复。
用户（或 API）回复后，工具把内容返回 Agent；Agent 处理后再调用 chat()。
外部 API 请求注入当前循环，Agent 回复后包装成 OpenAI/Anthropic JSON 返回。

注意：没有 IDE 在线跑 chat() 时，API 会报 No active IDE session。看历史可以，但要 AI 回复必须 Agent 在循环里。

可选鉴权

启动时设置 MCP_API_KEY=your-secret-key，客户端 api_key 填同一值即可。

与不同 IDE 的配合

GitHub Copilot Agent：工具调用次数可设很高，适合长期 chat 循环
Cursor Pro：有额度，超额可能降速但通常可继续
Windsurf：消耗 credits
Claude Code：按 token 计费

典型场景

个人 Web 助手：手机/浏览器发需求，家里 IDE Agent 执行
QQ 机器人：NapCat 指向 mcp-chat 的 OpenAI API
团队 Continue 插件：共用一台 Agent 机器
CI：代码审查、批量文档（需 Agent 在线）

小结

MCP Chat 把「IDE 里的一次 Agent 会话」变成可复用的聊天界面 + 标准 API。开源仓库：github.com/maile456/mcp-chat。

信息来源：github.com

ひょうりゅ