AI导哈

AI应用工具集服务

基于FastMCP框架的MCP服务，为RunningHub AI应用平台提供完整的工具集，包括节点查询、文件上传、任务提交、结果查询等功能。

  • by tolatolatop
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 tolatolatop/runninghub-mcp

使用说明

RunningHub MCP Server

基于 FastMCP 框架的 MCP 服务，为 RunningHub AI 应用平台提供完整的工具集。

功能概览

  • 节点查询 - 获取 AI 应用的可配置节点列表
  • 文件上传 - 上传图片/音频/视频到 RunningHub 平台
  • 任务提交 - 提交 AI 应用任务并获取 taskId
  • 结果查询 - 查询任务执行状态和输出结果
  • 一键执行 - 提交任务并自动轮询等待完成
  • 任务管理 - 基于本地 JSON 文件的任务持久化管理

安装

# 使用 uv（推荐）
cd runninghub-mcp
uv sync

# 或使用 pip
pip install -e .

配置

通过环境变量配置服务：

环境变量 必需 默认值 说明
RUNNINGHUB_API_KEY 是 - RunningHub API 密钥
RUNNINGHUB_API_HOST 否 www.runninghub.cn API 主机地址
RUNNINGHUB_TASK_STORE_PATH 否 ~/.runninghub/tasks.json 任务持久化文件路径

MCP 客户端配置示例

Cursor / Claude Desktop (mcp.json)

{
  "mcpServers": {
    "runninghub": {
      "command": "uv",
      "args": ["--directory", "/path/to/runninghub-mcp", "run", "runninghub-mcp"],
      "env": {
        "RUNNINGHUB_API_KEY": "your-api-key"
      }
    }
  }
}

Tool 列表

原子工具（API 端点）

Tool 说明 关键参数
get_node_info 获取 AI 应用的可配置节点列表 webapp_id
upload_file 上传文件到 RunningHub file_path
submit_task 提交 AI 应用任务 webapp_id, node_info_list
query_task_outputs 查询任务状态和输出结果 task_id

完整流程工具

Tool 说明
run_task_and_wait 提交任务并轮询等待完成，支持自定义超时和轮询间隔

持久化管理工具

Tool 说明 关键参数
list_tasks 查询本地存储的任务列表 status(可选), limit
get_task_detail 获取指定任务的详细信息 task_id
sync_task_status 从 API 同步任务最新状态到本地 task_id

使用流程

典型的使用流程如下：

  1. 调用 get_node_info 获取 AI 应用的节点列表
  2. 根据需要修改节点参数（如需上传文件，先调用 upload_file）
  3. 调用 run_task_and_wait 提交任务并等待结果（或分步使用 submit_task + query_task_outputs）
  4. 使用 list_tasks / get_task_detail 查看历史任务

项目结构

src/runninghub_mcp/
  __init__.py     # 包入口
  server.py       # FastMCP 服务实例 + Tool 定义 + 入口
  api.py          # RunningHub HTTP API 封装
  storage.py      # 任务持久化管理（JSON 文件）
  models.py       # 数据模型定义

开发

# 安装开发依赖
uv sync

# 直接运行服务（STDIO 模式）
RUNNINGHUB_API_KEY=your-key uv run runninghub-mcp

# 使用 fastmcp dev 调试
RUNNINGHUB_API_KEY=your-key uv run fastmcp dev src/runninghub_mcp/server.py

相关 MCP