AI导哈

模型上下文协议服务器

Fledge MCP服务器是一个连接Fledge功能与Cursor AI的模型上下文协议服务器，允许AI通过自然语言命令与Fledge实例交互。

  • by Krupalp525
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 krupalp525/fledge-mcp

使用说明

Fledge MCP服务器

这是一个模型上下文协议（MCP）服务器，它将Fledge功能连接到Cursor AI，允许AI通过自然语言命令与Fledge实例交互。

先决条件

  • Fledge安装在本地或可通过API访问（默认值：http://localhost:8081)
  • 已安装Cursor AI
  • Python 3.8+

安装

  1. 克隆此存储库：
git clone https://github.com/Krupalp525/fledge-mcp.git
cd fledge-mcp
  1. 安装依赖项：
pip install -r requirements.txt

运行服务器

  1. 确保Fledge正在运行：
fledge start
  1. 启动MCP服务器：
python mcp_server.py

对于使用API密钥身份验证的安全操作：

python secure_mcp_server.py
  1. 通过访问健康端点验证其是否正常工作：
curl http://localhost:8082/health

您应该收到“Fledge MCP服务器正在运行”作为响应。

连接到游标

  1. 在光标中，转到设置>MCP服务器

  2. 添加新服务器：

    • 网址：http://localhost:8082/tools
    • 工具文件：上传包含的Tools.json或指向其本地路径

  3. 对于安全服务器，使用安全服务器启动时生成的API_Key.txt文件中的值配置“X-API-Key”标头。

  4. 测试：打开Cursor的Composer（Ctrl+I），键入“Check if Fledge API is reachable”，AI应该调用 validate_api_connection 工具。

可用工具

数据访问和管理

  1. 获取传感器数据：通过可选的时间范围和限制过滤从Fledge获取传感器数据
  2. list_sensors：列出Fledge中可用的所有传感器
  3. 摄入测试数据：将测试数据摄入Fledge，可选择批次计数

服务控制

  1. get_service_status：获取所有Fledge服务的状态
  2. start_stop_service：按类型启动或停止Fledge服务
  3. update_config：更新Fledge配置参数

前端代码生成

  1. generate_ui_组件：为Fledge数据可视化生成React组件
  2. fetch_sample_front：获取不同框架的前端模板示例
  3. 建议改进：获取AI支持的改进UI代码的建议

实时数据流

  1. subscribe_to_sensor：设置传感器数据更新的订阅
  2. get_latest_reading：获取特定传感器的最新读数

调试和验证

  1. validate_api_connection：检查Fledge API是否可访问
  2. 模拟前端请求：使用不同的方法和有效负载测试API请求

文档和架构

  1. get_api_schema：获取有关可用Fledge API端点的信息
  2. list_plugins：列出可用的Fledge插件

高级AI辅助功能

  1. generate_mock_data：生成真实的模拟传感器数据以供测试

测试API

您可以使用附带的测试脚本测试服务器：

# For standard server
python test_mcp.py

# For secure server with API key
python test_secure_mcp.py

安全选项

安全服务器（secure_mcp_server.py）添加了API密钥身份验证：

  1. 在第一次运行时，它生成一个存储在API_key.txt中的API密钥
  2. 所有请求都必须在X-API-key标头中包含此密钥
  3. 无需身份验证，健康检查端点仍可访问

API请求示例

# Validate API connection
curl -X POST -H "Content-Type: application/json" -d '{"name": "validate_api_connection"}' http://localhost:8082/tools

# Generate mock data
curl -X POST -H "Content-Type: application/json" -d '{"name": "generate_mock_data", "parameters": {"sensor_id": "temp1", "count": 5}}' http://localhost:8082/tools

# Generate React chart component
curl -X POST -H "Content-Type: application/json" -d '{"name": "generate_ui_component", "parameters": {"component_type": "chart", "sensor_id": "temp1"}}' http://localhost:8082/tools

# For secure server, add API key header
curl -X POST -H "Content-Type: application/json" -H "X-API-Key: YOUR_API_KEY" -d '{"name": "list_sensors"}' http://localhost:8082/tools

扩展服务器

要添加更多工具，请执行以下操作：

  1. 将工具定义添加到 tools.json
  2. 在中实现工具处理程序 mcp_server.py 和 secure_mcp_server.py

生产注意事项

对于生产部署：

  • 使用HTTPS
  • 部署在Nginx等反向代理后面
  • 实现更强大的身份验证（JWT、OAuth）
  • 添加速率限制
  • 为订阅设置持久数据存储

部署在Smithery.ai上

Fledge MCP服务器可以部署在Smithery.ai上，以增强可扩展性和可用性。按照以下步骤进行部署：

  1. 先决条件

    • Docker已安装在本地计算机上
    • Smithery.ai帐户
    • 已安装Smithery CLI工具

  2. 构建和部署

    # Build the Docker image
docker build -t fledge-mcp .

# Deploy to Smithery.ai
smithery deploy

  3. 配置 这 smithery.json 文件包含部署的配置：

    • 端口8082上的WebSocket传输
    • 可配置Fledge API URL
    • 工具定义和参数
    • 超时设置

  4. 环境变量 在Smithery.ai仪表板中设置以下环境变量：

    • FLEDGE_API_URL：您的Fledge API端点
    • API_KEY：您的安全API密钥（如果使用安全模式）

  5. 验证 部署后，验证您的服务器是否正在运行：

    smithery status fledge-mcp

  6. 监控 通过Smithery.ai仪表板监控您的部署：

    • 实时日志
    • 性能指标
    • 误差跟踪
    • 资源使用

  7. 更新中 要更新部署，请执行以下操作：

    # Build new image
docker build -t fledge-mcp .

# Deploy updates
smithery deploy --update

JSON-RPC协议支持

服务器通过WebSocket使用JSON-RPC 2.0实现模型上下文协议（MCP）。支持以下方法：

  1. 初始化

    {
    "jsonrpc": "2.0",
    "method": "initialize",
    "params": {},
    "id": "1"
}

    答复：

    {
    "jsonrpc": "2.0",
    "result": {
        "serverInfo": {
            "name": "fledge-mcp",
            "version": "1.0.0",
            "description": "Fledge Model Context Protocol (MCP) Server",
            "vendor": "Fledge",
            "capabilities": {
                "tools": true,
                "streaming": true,
                "authentication": "api_key"
            }
        },
        "configSchema": {
            "type": "object",
            "properties": {
                "fledge_api_url": {
                    "type": "string",
                    "description": "Fledge API URL",
                    "default": "http://localhost:8081/fledge"
                }
            }
        }
    },
    "id": "1"
}

  2. 工具/列表

    {
    "jsonrpc": "2.0",
    "method": "tools/list",
    "params": {},
    "id": "2"
}

    响应：返回可用工具及其参数的列表。

  3. 工具/调用

    {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "get_sensor_data",
        "parameters": {
            "sensor_id": "temp1",
            "limit": 10
        }
    },
    "id": "3"
}

错误代码

服务器遵循标准JSON-RPC 2.0错误代码：

  • -32700：分析错误
  • -32600：无效请求
  • -32601:未找到方法
  • -32602:参数无效
  • -32000:服务器错误

相关 MCP