Plugged.in MCP Server

官方

一個綜合代理，將多個 MCP 伺服器整合為單一 MCP。它提供跨伺服器的工具、提示、資源與模板的探索與管理，並附帶一個用於建置 MCP 伺服器時除錯的遊樂場。

GitHub

130

文件

plugged.in MCP 中樞 — 代理 · 知識 · 記憶 · 工具

AI 資料交換的十字路口

一個統一 MCP 中樞，為您的 AI 提供知識、記憶和工具 — 不僅僅是代理。從單一連線管理和測試所有 MCP 伺服器，同時為跨客戶端的文件感知和記憶增強工作流程提供動力。

📋 概述

plugged.in MCP 代理伺服器是一個強大的中介軟體，它將多個模型上下文協定 (MCP) 伺服器聚合到一個統一的介面中。它從 plugged.in 應用程式獲取工具、提示和資源配置，並智慧地將請求路由到適當的底層 MCP 伺服器。

此代理可與任何 MCP 客戶端（Claude、Cline、Cursor 等）無縫整合，同時透過 plugged.in 生態系統提供進階管理功能。

中樞支柱：知識 · 記憶 · 工具 · 代理

知識 (RAG v2 / AI 文件交換)
透過統一、具備歸屬感知的文件檢索來搜尋並奠定模型輸出基礎。MCP 伺服器可以在您的文件庫中建立和管理文件，並具備版本控制、可見性控制和模型歸屬。使用內建的 RAG 跨所有已連線來源進行搜尋，並返回相關片段和中繼資料。

記憶 (持久性 AI 記憶)
長期、工作區/設定檔範圍的記憶，可跨工作階段持續存在。該中樞與 plugged.in 應用程式的持久性記憶整合，因此代理的動作和洞察可以跨任務儲存和調用。內建記憶工具已在路線圖上，將在相同的驗證模型下公開低摩擦的 get/put/search 模式。

工具
將內建功能與下游 MCP 伺服器（STDIO、SSE、可串流 HTTP）聚合。工具發現會被快取並可依需求重新整理；中樞層級的發現會為任何 MCP 客戶端返回一個統一的目錄。該中樞支援工具、資源、資源範本和提示。

代理
為每個客戶端提供一個連線。以 STDIO（預設）或可串流 HTTP 模式執行，並可選擇 API 驗證和無狀態模式。可與 Claude Desktop、Cline、Cursor、MCP Inspector 等搭配使用；在集中管理政策和遙測的同時，保留您現有的客戶端配置。

⭐ 如果您覺得這個專案有用，請考慮在 GitHub 上給它一顆星！ 這有助於我們接觸更多開發者，並激勵我們持續改進。

✨ 主要功能

🚀 核心能力

內建 AI 遊樂場：無需任何客戶端設定，即可使用 Claude、Gemini、OpenAI 和 xAI 即時測試您的 MCP
通用 MCP 相容性：可與任何 MCP 客戶端搭配使用，包括 Claude Desktop、Cline 和 Cursor
多伺服器支援：連線到 STDIO、SSE 和可串流 HTTP MCP 伺服器
雙重傳輸模式：以 STDIO（預設）或可串流 HTTP 伺服器模式執行代理
統一文件搜尋：使用內建的 RAG 功能跨所有已連線伺服器進行搜尋
AI 文件交換 (RAG v2)：MCP 伺服器可以在您的文件庫中建立和管理文件，並具備完整歸屬
來自任何模型的通知：接收即時通知，並可選擇電子郵件傳送
多工作區層：一鍵切換不同的 MCP 配置集
API 驅動代理：從 plugged.in 應用程式 API 獲取能力，而非直接發現
完整 MCP 支援：處理工具、資源、資源範本和提示
自訂指令：支援格式化為 MCP 提示的伺服器特定指令

🎯 v1.5.0 新增功能 (RAG v2 - AI 文件交換)

AI 文件建立：MCP 伺服器現在可以直接在您的文件庫中建立文件
- 完整的模型歸屬追蹤（哪個 AI 建立/更新了文件）
- 具備變更追蹤的版本歷史記錄
- 透過 SHA-256 雜湊進行內容去重
- 支援多種格式：MD、TXT、JSON、HTML、PDF 等
進階文件搜尋：具備 AI 篩選功能的增強型 RAG 查詢
- 按 AI 模型、提供者、日期範圍、標籤和來源類型篩選
- 具備相關性評分的語義搜尋
- 自動產生片段並突出顯示關鍵字
- 支援篩選：ai_generated、upload 或 api 來源
透過 MCP 進行文件管理：
- 設定文件可見性：私人、工作區或公開
- 文件版本的父子關係
- 基於設定檔的組織以及基於專案的範圍界定
- 文件處理的即時進度追蹤

🎯 v1.4.0 功能 (Registry v2 支援)

OAuth 權杖管理：為可串流 HTTP MCP 伺服器提供無縫的 OAuth 驗證處理
- 從 plugged.in 應用程式自動擷取權杖
- 安全的權杖儲存和重新整理機制
- 無需客戶端驗證
增強的通知系統：雙向通知支援
- 傳送通知到 plugged.in 應用程式
- 從 MCP 伺服器接收通知
- 將通知標記為已讀/未讀
- 以程式設計方式刪除通知
趨勢分析：即時活動追蹤
- 每次工具呼叫都會被記錄和追蹤
- 有助於計算趨勢伺服器
- 使用量指標和受歡迎程度洞察
Registry 整合：完整支援 Registry v2 功能
- 從 Registry 自動發現伺服器
- 安裝追蹤和指標
- 社群伺服器支援

📦 v1.1.0 功能

可串流 HTTP 支援：完整支援使用可串流 HTTP 傳輸的下游 MCP 伺服器
HTTP 伺服器模式：以具有可配置連接埠的 HTTP 伺服器模式執行代理
靈活的驗證：HTTP 端點的選用 Bearer 權杖驗證
工作階段管理：選擇有狀態（基於工作階段）或無狀態操作模式

🎯 v1.0.0 核心功能

即時通知：透過全面的通知支援追蹤所有 MCP 活動
RAG 整合：透過 plugged.in 應用程式支援文件增強查詢
Inspector 指令碼：用於除錯和開發的自動化測試工具
健康監控：用於連線監控的內建 ping 端點

🔧 工具類別

該代理提供兩種不同的工具類別：

🔧 靜態內建工具（始終可用）

這些工具內建於代理中，無需任何伺服器配置即可運作：

pluggedin_discover_tools - 具備快取功能的智慧發現，可即時取得結果
pluggedin_ask_knowledge_base - 跨文件進行 RAG 搜尋，具備 AI 篩選功能
pluggedin_send_notification - 傳送通知，可選擇電子郵件傳送
pluggedin_create_document - 在您的文件庫中建立 AI 產生的文件
pluggedin_list_documents - 列出文件，具備篩選選項
pluggedin_search_documents - 透過查詢搜尋特定文件
pluggedin_get_document - 透過 ID 擷取特定文件的完整內容
pluggedin_update_document - 更新或附加到現有文件

📋 剪貼簿工具（記憶系統）

pluggedin_clipboard_set - 按名稱（語義鍵）或索引設定剪貼簿條目
pluggedin_clipboard_get - 按名稱、索引取得剪貼簿條目，或列出全部
pluggedin_clipboard_delete - 按名稱、索引刪除剪貼簿條目，或清除全部
pluggedin_clipboard_list - 列出所有剪貼簿條目及其元數據
pluggedin_clipboard_push - 推送一個帶有自動遞增索引的值（堆疊推送）
pluggedin_clipboard_pop - 彈出索引最高的條目（LIFO 行為）

⚡ 動態 MCP 工具（來自已連線的伺服器）

這些工具來自您配置的 MCP 伺服器，可以開啟/關閉：

資料庫工具（PostgreSQL、SQLite 等）
檔案系統工具
API 整合工具
來自任何 MCP 伺服器的自訂工具

發現工具會智慧地顯示這兩個類別，讓 AI 模型能夠立即存取所有可用的功能。

🚀 發現工具用法

# Quick discovery - returns cached data instantly
pluggedin_discover_tools()

# Force refresh - shows current tools + runs background discovery  
pluggedin_discover_tools({"force_refresh": true})

# Discover specific server
pluggedin_discover_tools({"server_uuid": "uuid-here"})

回應範例：

## 🔧 Static Built-in Tools (Always Available):
1. **pluggedin_discover_tools** - Smart discovery with caching
2. **pluggedin_rag_query** - RAG v2 search across documents with AI filtering  
3. **pluggedin_send_notification** - Send notifications
4. **pluggedin_create_document** - (Coming Soon) Create AI-generated documents

## ⚡ Dynamic MCP Tools (8) - From Connected Servers:
1. **query** - Run read-only SQL queries
2. **generate_random_integer** - Generate secure random integers
...

📋 剪貼簿使用範例

剪貼簿系統為 AI 工作流程提供持久性記憶：

# Store a named entry (upserts if exists)
pluggedin_clipboard_set({
  "name": "customer_context",
  "value": "{\"name\": \"John Doe\", \"account_id\": \"12345\"}",
  "contentType": "application/json"
})

# Store an indexed entry for ordered pipelines
pluggedin_clipboard_set({
  "idx": 0,
  "value": "First pipeline step result",
  "createdByTool": "data_processor"
})

# Push to stack (auto-incrementing index)
pluggedin_clipboard_push({
  "value": "Analysis result from step 1",
  "contentType": "text/plain"
})

# Get a specific entry by name
pluggedin_clipboard_get({"name": "customer_context"})

# Pop from stack (LIFO - returns and removes highest index)
pluggedin_clipboard_pop()

# List all entries with metadata
pluggedin_clipboard_list({"limit": 20})

# Delete specific entry
pluggedin_clipboard_delete({"name": "customer_context"})

# Clear all clipboard entries
pluggedin_clipboard_delete({"clearAll": true})

📚 RAG v2 使用範例

增強的 RAG v2 系統允許 MCP 伺服器建立和搜尋文件，並具備完整的 AI 歸屬：

# Search for documents created by specific AI models
pluggedin_rag_query({
  "query": "system architecture",
  "filters": {
    "modelName": "Claude 3 Opus",
    "source": "ai_generated",
    "tags": ["technical"]
  }
})

# Search across all document sources
pluggedin_rag_query({
  "query": "deployment guide",
  "filters": {
    "dateFrom": "2024-01-01",
    "visibility": "workspace"
  }
})

# Future: Create AI-generated documents (Coming Soon)
pluggedin_create_document({
  "title": "Analysis Report",
  "content": "# Market Analysis\n\nDetailed findings...",
  "format": "md",
  "tags": ["analysis", "market"],
  "metadata": {
    "model": {
      "name": "Claude 3 Opus",
      "provider": "Anthropic"
    }
  }
})

🚀 快速入門

先決條件

Node.js 18+（建議 v20+）
來自 plugged.in 應用程式的 API 金鑰（在 plugged.in/api-keys 取得）

安裝

# Install and run with npx (latest v1.0.0)
npx -y @pluggedin/pluggedin-mcp-proxy@latest --pluggedin-api-key YOUR_API_KEY

🔄 升級到 v1.0.0

對於現有安裝，請參閱我們的遷移指南以取得詳細的升級說明。

# Quick upgrade
npx -y @pluggedin/[email protected] --pluggedin-api-key YOUR_API_KEY

MCP 客戶端配置

Claude Desktop

將以下內容新增到您的 Claude Desktop 配置中：

{
  "mcpServers": {
    "pluggedin": {
      "command": "npx",
      "args": ["-y", "@pluggedin/pluggedin-mcp-proxy@latest"],
      "env": {
        "PLUGGEDIN_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

Cline

將以下內容新增到您的 Cline 配置中：

{
  "mcpServers": {
    "pluggedin": {
      "command": "npx",
      "args": ["-y", "@pluggedin/pluggedin-mcp-proxy@latest"],
      "env": {
        "PLUGGEDIN_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

Cursor

對於 Cursor，您可以使用命令列引數代替環境變數：

npx -y @pluggedin/pluggedin-mcp-proxy@latest --pluggedin-api-key YOUR_API_KEY

⚙️ 配置選項

環境變數

變數	說明	必要	預設值
`PLUGGEDIN_API_KEY`	來自 plugged.in 應用程式的 API 金鑰	是	-
`PLUGGEDIN_API_BASE_URL`	plugged.in 應用程式的基礎 URL	否	`https://plugged.in`

命令列引數

命令列引數的優先權高於環境變數：

npx -y @pluggedin/pluggedin-mcp-proxy@latest --pluggedin-api-key YOUR_API_KEY --pluggedin-api-base-url https://your-custom-url.com

傳輸選項

選項	說明	預設值
`--transport <type>`	傳輸類型：`stdio` 或 `streamable-http`	`stdio`
`--port <number>`	可串流 HTTP 伺服器的連接埠	`12006`
`--stateless`	為可串流 HTTP 啟用無狀態模式	`false`
`--require-api-auth`	要求可串流 HTTP 請求的 API 金鑰	`false`

如需完整的選項清單：

npx -y @pluggedin/pluggedin-mcp-proxy@latest --help

🌐 可串流 HTTP 模式

代理可以作為 HTTP 伺服器執行，而不是 STDIO，從而實現基於 Web 的存取和遠端連線。

基本用法

# Run as HTTP server on default port (12006)
npx -y @pluggedin/pluggedin-mcp-proxy@latest --transport streamable-http --pluggedin-api-key YOUR_API_KEY

# Custom port
npx -y @pluggedin/pluggedin-mcp-proxy@latest --transport streamable-http --port 8080 --pluggedin-api-key YOUR_API_KEY

# With authentication required
npx -y @pluggedin/pluggedin-mcp-proxy@latest --transport streamable-http --require-api-auth --pluggedin-api-key YOUR_API_KEY

# Stateless mode (new session per request)
npx -y @pluggedin/pluggedin-mcp-proxy@latest --transport streamable-http --stateless --pluggedin-api-key YOUR_API_KEY

HTTP 端點

POST /mcp - 傳送 MCP 訊息
GET /mcp - 伺服器傳送事件串流（選用）
DELETE /mcp - 終止工作階段
GET /health - 健康檢查端點

工作階段管理

在有狀態模式（預設）下，使用 mcp-session-id 標頭來維持工作階段：

# First request creates a session
curl -X POST http://localhost:12006/mcp \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -d '{"jsonrpc":"2.0","method":"tools/list","id":1}'

# Subsequent requests use the same session
curl -X POST http://localhost:12006/mcp \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -H "mcp-session-id: YOUR_SESSION_ID" \
  -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"tool_name"},"id":2}'

驗證

使用 --require-api-auth 時，請將您的 API 金鑰作為 Bearer 權杖包含在內：

curl -X POST http://localhost:12006/mcp \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -d '{"jsonrpc":"2.0","method":"ping","id":1}'

🐳 Docker 用法

您也可以使用 Docker 建置和執行代理伺服器。

建置映像

確保您已安裝並執行 Docker。導航到 pluggedin-mcp 目錄並執行：

docker build -t pluggedin-mcp-proxy:latest .

包含一個 .dockerignore 檔案以最佳化建置上下文。

執行容器

STDIO 模式（預設）

以 STDIO 模式執行容器以進行 MCP Inspector 測試：

docker run -it --rm \
  -e PLUGGEDIN_API_KEY="YOUR_API_KEY" \
  -e PLUGGEDIN_API_BASE_URL="YOUR_API_BASE_URL" \
  --name pluggedin-mcp-container \
  pluggedin-mcp-proxy:latest

可串流 HTTP 模式

以 HTTP 伺服器模式執行容器：

docker run -d --rm \
  -e PLUGGEDIN_API_KEY="YOUR_API_KEY" \
  -e PLUGGEDIN_API_BASE_URL="YOUR_API_BASE_URL" \
  -p 12006:12006 \
  --name pluggedin-mcp-http \
  pluggedin-mcp-proxy:latest \
  --transport streamable-http --port 12006

取代 YOUR_API_KEY 和 YOUR_API_BASE_URL（如果未使用預設的 https://plugged.in）。

使用 MCP Inspector 測試

當容器正在執行時，您可以使用 MCP Inspector 連線到它：

npx @modelcontextprotocol/inspector docker://pluggedin-mcp-container

這將連線到正在執行容器的標準輸入/輸出。

停止容器

在執行 docker run 的終端機中按下 Ctrl+C。--rm 旗標可確保容器在停止時自動移除。

☁️ Smithery Cloud 部署

將 plugged.in MCP 代理部署到 Smithery Cloud，以獲得託管、隨時可用的 MCP 伺服器存取。

快速入門

前往 smithery.ai 並登入
連結您的 GitHub 帳號並選擇 pluggedin-mcp 儲存庫
在 Smithery 介面中設定您的 Plugged.in API 金鑰
部署並取得您的 HTTPS 端點

優點

24/7 全天候運作：您的代理伺服器隨時保持運行
零設定：Smithery 會從 smithery.yaml 自動偵測設定
自動擴展：處理多個並行連線
網頁存取：非常適合網頁應用程式和遠端客戶端

文件

如需完整的部署說明、設定選項、疑難排解和技術細節，請參閱：

📖 Smithery 部署指南

自主代理 (預覽版)

此中樞旨在端對端支援代理循環：

MCP Client  →  plugged.in MCP Hub  →  (Plan → Act → Reflect)
                                ↘  Knowledge  ↘  Memory  ↘  Tools

規劃 — 推導目標和限制條件，形成任務圖。
行動 — 從統一目錄呼叫工具；在 STDIO/SSE/HTTP 伺服器之間安全路由。
反思 — 將結果持續儲存到記憶體和知識庫（文件、筆記、成品）中，以改善後續步驟。

安全性與維運
在可串流的 HTTP 模式下啟用 --require-api-auth；對命令、引數和環境變數使用允許清單。將伺服器層級驗證與針對提示注入強化的客戶端提示結合。利用現有的日誌記錄/遙測來追蹤工具使用情況和文件變更。

🏗️ 系統架構

plugged.in MCP 代理伺服器作為 MCP 客戶端與多個底層 MCP 伺服器之間的橋樑：

sequenceDiagram
    participant MCPClient as MCP Client (e.g. Claude Desktop)
    participant PluggedinMCP as plugged.in MCP Proxy
    participant PluggedinApp as plugged.in App
    participant MCPServers as Underlying MCP Servers

    MCPClient ->> PluggedinMCP: Request list tools/resources/prompts
    PluggedinMCP ->> PluggedinApp: Get capabilities via API
    PluggedinApp ->> PluggedinMCP: Return capabilities (prefixed)

    MCPClient ->> PluggedinMCP: Call tool/read resource/get prompt
    alt Standard capability
        PluggedinMCP ->> PluggedinApp: Resolve capability to server
        PluggedinApp ->> PluggedinMCP: Return server details
        PluggedinMCP ->> MCPServers: Forward request to target server
        MCPServers ->> PluggedinMCP: Return response
    else Custom instruction
        PluggedinMCP ->> PluggedinApp: Get custom instruction
        PluggedinApp ->> PluggedinMCP: Return formatted messages
    end
    PluggedinMCP ->> MCPClient: Return response

    alt Discovery tool (Smart Caching)
        MCPClient ->> PluggedinMCP: Call pluggedin_discover_tools
        alt Cached data available
            PluggedinMCP ->> PluggedinApp: Check cached capabilities
            PluggedinApp ->> PluggedinMCP: Return cached tools/resources/prompts
            PluggedinMCP ->> MCPClient: Return instant results (static + dynamic)
        else Force refresh or no cache
            PluggedinMCP ->> PluggedinApp: Trigger background discovery
            PluggedinMCP ->> MCPClient: Return current tools + "discovery running"
            PluggedinApp ->> MCPServers: Connect and discover capabilities (background)
            MCPServers ->> PluggedinApp: Return fresh capabilities
        end
    end

🔄 工作流程

設定：代理伺服器從 plugged.in 應用程式擷取伺服器設定
智慧探索 (pluggedin_discover_tools)：
- 快取檢查：首先檢查現有的快取資料（< 1 秒）
- 即時回應：立即回傳靜態工具和已快取的動態工具
- 背景重新整理：針對 force_refresh=true，在顯示目前工具的同時於背景執行探索
- 全新探索：僅在沒有快取資料時才執行完整探索
功能列表：代理伺服器從 plugged.in 應用程式 API 擷取已探索的功能
- tools/list：從 /api/tools 擷取（包含靜態和動態工具）
- resources/list：從 /api/resources 擷取
- resource-templates/list：從 /api/resource-templates 擷取
- prompts/list：從 /api/prompts 和 /api/custom-instructions 擷取，合併結果
功能解析：代理伺服器將功能解析到目標伺服器
- tools/call：從工具名稱解析前綴，在內部對應表中查詢伺服器
- resources/read：呼叫 /api/resolve/resource?uri=... 以取得伺服器詳細資訊
- prompts/get：檢查自訂指令前綴或呼叫 /api/resolve/prompt?name=...
請求路由：請求被路由到適當的底層 MCP 伺服器
回應處理：來自底層伺服器的回應會傳回給客戶端

🔒 安全性功能

plugged.in MCP 代理伺服器實施了全面的安全措施來保護您的系統和資料：

輸入驗證與清理

命令注入防護：所有命令和引數在執行前都會根據允許清單進行驗證
環境變數安全：安全解析 .env 檔案，並正確處理引號和多行值
權杖驗證：針對 API 金鑰和驗證權杖使用強大的正規表示式模式（32-64 個十六進位字元）

網路安全

SSRF 防護：URL 驗證會封鎖對以下項目的存取：
- 本地主機和回送位址（127.0.0.1、::1）
- 私人 IP 範圍（10.x、172.16-31.x、192.168.x）
- 連結本地位址（169.254.x）
- 多播和保留範圍
- 常見的內部服務連接埠（SSH、資料庫等）
標頭驗證：透過以下方式防範標頭注入：
- 封鎖危險標頭
- 符合 RFC 7230 的標頭名稱驗證
- 控制字元偵測
- 標頭大小限制（最大 8KB）
速率限制：
- 工具呼叫：每分鐘 60 個請求
- API 呼叫：每分鐘 100 個請求
錯誤清理：透過清理錯誤訊息來防止資訊洩露

程序安全

安全命令執行：使用 execFile() 而非 exec() 來防止 Shell 注入
命令允許清單：僅允許執行：
- node、npx - Node.js 命令
- python、python3 - Python 命令
- uv、uvx、uvenv - UV Python 工具
引數清理：從所有引數中移除 Shell 中介字元和控制字元
環境變數驗證：僅允許使用底線的英數字元鍵

可串流 HTTP 安全

延遲驗證：工具探索不需要驗證，進而提升相容性
工作階段安全：加密安全的工作階段 ID 產生
CORS 防護：可設定的 CORS 標頭，用於網頁存取
請求大小限制：防止透過大型酬載進行 DoS 攻擊

安全性工具

專用的 security-utils.ts 模組提供：

Bearer 權杖驗證
具備 SSRF 防護的 URL 驗證
命令引數清理
環境變數驗證
速率限制實作
錯誤訊息清理

如需詳細的安全性實作，請參閱 SECURITY.md。

🧩 與 plugged.in 應用程式整合

plugged.in MCP 代理伺服器旨在與 plugged.in 應用程式無縫協作，該應用程式提供：

用於管理 MCP 伺服器設定的網頁介面
集中式功能探索（工具、資源、範本、提示）
RAG v2 文件庫：上傳文件並啟用 AI 生成的內容，並附有完整歸屬
自訂指令管理
針對不同設定集的多工作區支援
用於使用任何 AI 模型測試 MCP 工具的互動式演練場
使用者驗證和 API 金鑰管理
AI 文件交換：建立、搜尋和管理文件，並追蹤模型歸屬

📚 相關資源

🤝 貢獻

歡迎貢獻！請隨時提交 Pull Request。

📝 近期更新

版本 1.9.0（2025 年 9 月）- 安全性增強

🔒 增強的 HTML 清理

業界標準清理：以 sanitize-html 函式庫取代了自訂的基於正規表示式的 HTML 清理
XSS 防護：全面防範跨網站指令碼攻擊
HTML 屬性安全：針對 HTML 屬性內容（引號、& 符號）增強清理
格式字串注入：修復了日誌記錄中的格式字串注入漏洞
安全測試：針對所有清理功能提供全面的測試覆蓋率

🛡️ 安全性改進

CodeQL 合規性：解決了 GitHub CodeQL 分析所發現的所有安全漏洞
輸入驗證：加強了所有功能中的輸入驗證和清理
相依性更新：新增了 sanitize-html 以實現強大的 HTML 內容過濾
測試覆蓋率：透過 XSS 攻擊防護驗證增強了安全測試套件

版本 1.5.0（2025 年 1 月）- RAG v2

🤖 AI 文件交換

AI 生成的文件：MCP 伺服器現在可以在您的文件庫中建立文件，並附有完整的 AI 歸屬
模型歸屬追蹤：記錄哪些 AI 模型建立或更新了每份文件的完整歷史
進階文件搜尋：按 AI 模型、提供者、日期、標籤和來源類型篩選
文件版本控制：追蹤 AI 生成內容的變更並維護版本歷史
多來源支援：來自上傳、AI 生成或 API 整合的文件

🔍 增強的 RAG 功能

語義搜尋：透過 PostgreSQL 全文搜尋改進相關性評分
智慧篩選：按可見性、模型歸屬和文件來源篩選結果
片段生成：自動擷取片段並突顯關鍵字
效能最佳化：透過最佳化的索引加快查詢速度

版本 1.2.0（2025 年 1 月）

🔒 安全性增強

URL 驗證：全面的 SSRF 防護，封鎖私人 IP、本地主機和危險連接埠
命令允許清單：僅允許執行已核准的命令（node、npx、python 等）
標頭清理：防範標頭注入攻擊
延遲驗證：透過無需驗證的工具探索改進 Smithery 相容性

🚀 效能改進

最佳化的 Docker 建置：多階段建置以最小化容器佔用空間
僅生產相依性：從 Docker 映像中排除測試檔案和開發相依性
資源效率：專為在資源受限的環境中部署而設計

🔧 技術改進

增強了可串流 HTTP 傳輸中的錯誤處理
更好的工作階段清理和記憶體管理
改進了 TypeScript 型別和程式碼組織

版本 1.1.0（2024 年 12 月）

🚀 新功能

可串流 HTTP 支援：使用現代化的可串流 HTTP 傳輸連接到下游 MCP 伺服器
HTTP 伺服器模式：將代理伺服器作為 HTTP 伺服器運行，以實現網頁存取
靈活的工作階段管理：在無狀態或有狀態模式之間選擇
驗證選項：HTTP 端點的選用 Bearer 權杖驗證
健康監控：用於服務監控的 /health 端點

🔧 技術改進

將 MCP SDK 更新至 v1.13.1 以獲得最新的協定支援
新增了 Express.js 整合以實現 HTTP 伺服器功能
增強了 TypeScript 型別以提供更好的開發者體驗

版本 1.0.0（2025 年 6 月）

🎯 主要功能

即時通知系統：透過全面的通知支援追蹤所有 MCP 活動
RAG 整合：透過 plugged.in 應用程式支援文件增強的查詢
檢查器指令碼：用於除錯和開發的新型自動化測試工具
健康監控：用於連線監控的內建 ping 端點

🔒 安全性增強

輸入驗證：針對所有輸入的業界標準驗證和清理
URL 安全：具備 SSRF 防護的增強型 URL 驗證
環境安全：使用 dotenv 安全解析環境變數
錯誤清理：防止在錯誤回應中洩露資訊

🐛 錯誤修正

修復了 JSON-RPC 協定干擾（stdout 與 stderr 分離）
解決了開發環境的本地主機 URL 驗證問題
修復了檢查器指令碼中的 API 金鑰處理
改進了連線穩定性和記憶體管理

🔧 開發者工具

用於自動化測試的新型檢查器指令碼
改進的錯誤訊息和除錯功能
使用正確的 stderr 用法的結構化日誌記錄
增強的 TypeScript 型別安全

如需完整詳細資訊，請參閱版本資訊。

🧪 測試與開發

本地開發

測試是為了開發目的而包含在內，但會從 Docker 建置中排除，以最小化容器佔用空間。

# Run tests locally
npm test
# or
./scripts/test-local.sh

# Run tests in watch mode
npm run test:watch

# Run tests with UI
npm run test:ui

輕量級 Docker 建置

Docker 映像已針對最小佔用空間進行最佳化：

多階段建置流程
最終映像中僅包含生產相依性
排除測試檔案和開發相依性
針對資源受限的環境進行最佳化

# Build optimized Docker image
docker build -t pluggedin-mcp .

# Check image size
docker images pluggedin-mcp

📄 授權

本專案採用 MIT 授權條款 - 詳情請參閱 LICENSE 檔案。

🙏 致謝

靈感來自 MCP 代理伺服器
基於模型上下文協定建置