Kody：基于Cloudflare Workers构建的开源MCP AI智能助手服务

AI新闻 AI铺子 1小时前

一、Kody是什么

Kody 是前端技术博主 Kent C. Dodds 开源维护的轻量化AI智能体后端服务项目，项目依托 Cloudflare 全套边缘无服务器基础设施搭建，核心遵循 MCP（Model Context Protocol 模型上下文协议）标准开发，并非商业化多租户AI平台，属于个人实验型开源AI工具框架。

该项目核心目标是搭建一套可私有化部署、轻量化、低Token消耗的AI工具调用服务，搭配完整Remix网页交互前端，支持标准MCP客户端对接AI大模型，给AI提供网页检索、代码执行两类基础工具能力，所有用户数据隔离存储在Cloudflare边缘数据库，全程依托无服务器架构运行，无需自建服务器、运维集群。

二、功能特色

标准化MCP协议兼容
原生实现Model Context Protocol，主流支持MCP协议的AI客户端可直接接入，统一标准化工具调用逻辑，降低AI扩展工具的开发成本。
轻量化双核心工具集
仅内置检索（search）、代码执行（execute）两大高频工具，摒弃冗余工具模块，大幅减少AI上下文Token占用，提升模型响应速度。
边缘无服务器全栈架构
整套服务运行于Cloudflare Workers边缘网络，搭配D1数据库、KV缓存、Durable Objects状态持久化，零服务器运维、全球低延迟访问。
多用户数据隔离机制
天然支持多用户登录体系，不同用户的密钥、AI记忆、任务记录、工具运行状态完全隔离，无跨用户数据泄露风险。
完整Web可视化管理面板
内置Remix 3开发的前端交互界面，配套OAuth标准化登录鉴权，可视化管理MCP接口密钥、工具配置、任务日志。
完善本地开发测试体系
提供本地模拟Worker服务、Vitest单元测试、Playwright端到端自动化测试，本地可完整复现线上边缘运行环境，开发调试门槛低。
Nx单体仓库工程化管理
采用Nx monorepo单仓多包架构，代码分层清晰，共享模块、后端Worker、模拟服务解耦，便于二次开发定制扩展。

Kody（图1）

三、技术细节

3.1 整体工程架构

项目为Nx单体仓库，全部业务代码基于TypeScript编写，分层清晰：

packages/shared：项目通用共享模块，封装数据库操作、MCP基础类型、鉴权工具，统一内部类型定义；
packages/worker：Cloudflare Worker核心后端，处理OAuth登录鉴权、MCP协议接口、静态资源分发、Remix前端路由；
packages/mock-servers：本地开发专用模拟服务，本地调试无需真实云端资源。

请求流转优先级：OAuth鉴权接口 → MCP工具调用接口 → 静态资源文件 → Remix网页前端路由。

3.2 完整技术栈表

分层维度	选用技术	作用说明
运行时环境	Cloudflare Workers	边缘无服务器运行后端逻辑，全球分布式节点
前端框架	Remix 3（Alpha）	开发可视化Web管理面板，服务端渲染页面
持久化数据库	Cloudflare D1	边缘SQLite数据库，存储用户、任务、配置数据
缓存/会话存储	Cloudflare KV	存储登录会话、临时缓存数据，高速读写
MCP状态存储	Cloudflare Durable Objects	持久化AI工具运行上下文、会话状态
工程管理	Nx + npm	Monorepo仓库管理，分包构建、独立打包
测试工具	Vitest、Playwright	Vitest单元测试；Playwright完成E2E页面自动化测试
打包编译	esbuild	高速TS代码打包，适配Worker运行环境
身份鉴权	OAuth标准协议	第三方安全登录，保护MCP接口访问权限

3.3 部署与打包细节

本地开发使用wrangler工具自动拉起本地D1、KV模拟环境，一键启动开发服务；
线上部署仅需wrangler配置文件，一键发布至Cloudflare全球边缘节点；
代码强类型约束，全量TS类型校验，减少线上运行异常。

四、应用场景

个人私有化AI工具后端
开发者自建私有MCP服务，给本地/本地部署大模型提供网页搜索、代码运行能力，数据不经过第三方AI服务商。
轻量化AI智能体二次开发底座
基于Kody边缘架构快速搭建自有AI工具平台，无需从零开发MCP协议、用户登录、数据库存储逻辑。
前端开发者本地AI调试环境
前端程序员本地部署Kody，对接GPT、Claude等支持MCP的客户端，实现AI代码调试、网页资料检索。
轻量多租户AI工具管理平台
小型团队搭建内部AI服务，依靠原生多用户隔离能力，分配独立密钥给团队成员，管控工具调用权限。
无服务器AI教学实验项目
学习Cloudflare边缘架构、MCP协议、Remix全栈开发的实操开源案例。

五、使用方法

5.1 本地开发启动

克隆项目代码至本地，执行依赖安装

npm install

启动本地开发服务

npm run dev

开发服务默认访问地址：localhost:8787，wrangler自动初始化本地D1数据库与KV缓存。

5.2 新建同架构空白项目

使用官方配套脚手架epicflare快速初始化同款边缘AI项目模板：

npx create-epicflare

5.3 开发文档阅读指引

基础架构、智能体设计逻辑：AGENTS.md
项目定位、开发贡献规范：docs/contributing/project-intent.md

5.4 线上云端部署

配置项目wrangler云端参数，绑定Cloudflare账号、D1数据库、KV命名空间，执行wrangler部署命令一键上线至边缘网络。

六、竞品对比

对比维度	Kody	MCP Server Community	FastMCP
底层运行环境	Cloudflare Workers 边缘无服务器	Node.js 本地/传统服务器	Python 本地主机运行
自带Web管理面板	有（Remix完整可视化后台）	无，仅命令行接口	无，仅API调用
多用户数据隔离	原生内置，支持OAuth登录	无多租户设计，单用户模式	单用户，无用户隔离机制
内置工具	search网页检索、execute代码执行	需自行自定义编写工具	自定义工具，无内置检索/代码执行
部署运维难度	极低，无需服务器，云端一键发布	中等，需维护Node服务进程	高，依赖本地Python环境
配套测试体系	单元测试+E2E自动化测试完整	仅简易单元测试	基础单元测试

七、常见问题解答

Q1：Kody是商用AI平台吗？

A：不是，Kody属于个人开源实验项目，无商业化服务、付费套餐，仅提供完整开源代码供开发者自行部署、二次开发，不对外提供公共云端服务。

Q2：本地运行Kody必须拥有Cloudflare账号吗？

A：本地开发调试不需要Cloudflare账号，wrangler会自动创建本地模拟D1、KV环境；仅线上云端正式部署时需要绑定Cloudflare账号。

Q3：Kody可以对接本地开源大模型（如Llama、Qwen）吗？

A：可以，只要本地大模型客户端支持MCP标准协议，即可接入Kody服务调用检索、代码执行工具，模型本身与Kody完全解耦。

Q4：能否自定义新增更多AI工具（文件读写、图片生成等）？

A：支持，项目MCP工具层做了解耦分层，开发者可在源码中扩展自定义工具模块，适配自身业务需求。

Q5：Kody是否支持国内云服务商部署？

A：原生仅适配Cloudflare Workers生态，国内阿里云、腾讯云函数无原生适配层，如需国内部署需要自行改造底层运行时逻辑。

Q6：项目仅支持TypeScript开发吗？

A：项目本体全部使用TypeScript编写，不包含JS原生代码；二次扩展工具推荐使用TS，也可通过类型兼容引入JavaScript代码。

八、相关链接

GitHub仓库地址：https://github.com/kentcdodds/kody

九、总结

Kody 是一套轻量化、基于Cloudflare边缘无服务器生态构建的开源MCP AI智能助手后端框架，依托Nx单体仓库完成工程化分层设计，内置检索与代码执行两大核心AI工具，自带完整Remix可视化管理后台与OAuth多用户隔离能力，本地调试体系完善，部署零服务器运维成本，适合个人开发者、小型团队私有化搭建AI工具调用服务，也是学习边缘云架构、MCP协议与全栈TS开发的优质实操开源项目。