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 实例进行交互。
先决条件
- Fledge 本地安装或通过 API 访问(默认值: http://localhost:8081 )
- 已安装光标 AI
- Python 3.8+
安装
- 克隆此存储库:
- 安装依赖项:
运行服务器
- 确保 Fledge 正在运行:
- 启动 MCP 服务器:
使用 API 密钥认证进行安全操作:
- 通过访问健康端点来验证它是否正常工作:
您应该会收到“Fledge MCP 服务器正在运行”作为响应。
连接到光标
- 在 Cursor 中,前往“设置”>“MCP 服务器”
- 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
- 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。
- 测试它:打开 Cursor 的 Composer(Ctrl+I),输入“检查 Fledge API 是否可访问”,AI 应该调用
validate_api_connection
工具。
可用工具
数据访问和管理
- get_sensor_data :从 Fledge 获取传感器数据,并可选择按时间范围和限制进行过滤
- list_sensors :列出 Fledge 中所有可用的传感器
- ingest_test_data :将测试数据导入 Fledge,并可选批处理计数
服务控制
- get_service_status :获取所有 Fledge 服务的状态
- start_stop_service :按类型启动或停止 Fledge 服务
- update_config :更新 Fledge 配置参数
前端代码生成
- generate_ui_component :为 Fledge 数据可视化生成 React 组件
- fetch_sample_frontend :获取不同框架的示例前端模板
- suggest_ui_improvements :获取 AI 支持的 UI 代码改进建议
实时数据流
- subscribe_to_sensor :设置传感器数据更新订阅
- get_latest_reading :获取特定传感器的最新读数
调试和验证
- validate_api_connection :检查 Fledge API 是否可访问
- 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
- get_api_schema :获取有关可用 Fledge API 端点的信息
- list_plugins :列出可用的 Fledge 插件
先进的人工智能辅助功能
- generate_mock_data :生成真实的模拟传感器数据用于测试
测试 API
您可以使用附带的测试脚本测试服务器:
安全选项
安全服务器(secure_mcp_server.py)添加API密钥认证:
- 首次运行时,它会生成一个存储在 api_key.txt 中的 API 密钥
- 所有请求都必须在 X-API-Key 标头中包含此密钥
- 无需身份验证即可访问健康检查端点
API 请求示例
扩展服务器
要添加更多工具:
- 将工具定义添加到
tools.json
- 在
mcp_server.py
和secure_mcp_server.py
中实现工具处理程序
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
在 Smithery.ai 上部署
Fledge MCP 服务器可以部署在 Smithery.ai 上,以增强可扩展性和可用性。请按照以下步骤进行部署:
- 先决条件
- 本地机器上安装的 Docker
- Smithery.ai 帐户
- Smithery CLI 工具已安装
- 构建和部署
- 配置
smithery.json
文件包含您的部署配置:- 端口 8082 上的 WebSocket 传输
- 可配置的 Fledge API URL
- 工具定义和参数
- 超时设置
- 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)
- 验证部署后,验证您的服务器是否正在运行:
- 监控通过 Smithery.ai 仪表板监控您的部署:
- 实时日志
- 性能指标
- 错误追踪
- 资源使用情况
- 更新要更新您的部署:
JSON-RPC 协议支持
服务端使用 JSON-RPC 2.0 通过 WebSocket 实现模型上下文协议 (MCP)。支持以下方法:
- 初始化回复:
- 工具/列表响应:返回可用工具及其参数的列表。
- 工具/调用
错误代码
服务器遵循标准 JSON-RPC 2.0 错误代码:
- -32700:解析错误
- -32600: 无效请求
- -32601:未找到方法
- -32602:无效参数
- -32000:服务器错误
This server cannot be installed
hybrid server
The server is able to function both locally and remotely, depending on the configuration or use case.
将 Fledge 功能连接到 Cursor AI,允许通过自然语言命令与 Fledge 实例进行交互。
Related MCP Servers
- AsecurityFlicenseAqualityEnables Cursor AI to interact with Figma designs, allowing users to read design information and programmatically modify elements through natural language commands.Last updated -382,6772TypeScript
- -securityFlicense-qualityAn interface enabling high-frequency communication between AI tools (like Cursor and Windsurf) and users, allowing for option selection and information gathering through CLI, Web, or PyQt interfaces.Last updated -28Python
- AsecurityAlicenseAqualityEnables Cursor AI to communicate with Figma for reading designs and modifying them programmatically, allowing users to automate design tasks through natural language.Last updated -382,677JavaScriptMIT License
- AsecurityAlicenseAqualityAllows Cursor AI to communicate with Figma for reading designs and modifying them programmatically through a Model Context Protocol integration.Last updated -382,677JavaScriptMIT License