MCP-Smallest.ai

Eine Model Context Protocol (MCP)-Serverimplementierung für die Smallest.ai API-Integration. Dieses Projekt bietet eine standardisierte Schnittstelle für die Interaktion mit dem Wissensdatenbank-Managementsystem von Smallest.ai.

Architektur

Systemübersicht

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│                 │     │                 │     │                 │
│  Client App     │◄────┤   MCP Server    │◄────┤  Smallest.ai    │
│                 │     │                 │     │    API          │
└─────────────────┘     └─────────────────┘     └─────────────────┘

Komponentendetails

1. Client-Anwendungsschicht

• Implementiert das MCP-Clientprotokoll

• Verarbeitet die Anforderungsformatierung

• Verwaltet die Antwortanalyse

• Bietet Fehlerbehandlung

2. MCP-Serverschicht

• Protokollhandler

  • Verwaltet die MCP-Protokollkommunikation

  • Verwaltet Clientverbindungen

  • Leitet Anfragen an die entsprechenden Tools weiter

• Tool-Implementierung

  • Tools zur Wissensdatenbankverwaltung

  • Parametervalidierung

  • Antwortformatierung

  • Fehlerbehandlung

• API-Integration

  • Smallest.ai API-Kommunikation

  • Authentifizierungsverwaltung

  • Anfrage-/Antwortverarbeitung

3. Smallest.ai API-Schicht

• Wissensdatenbankverwaltung

• Datenspeicherung und -abruf

• Authentifizierung und Autorisierung

Datenfluss

1. Client Request
   └─► MCP Protocol Validation
       └─► Tool Parameter Validation
           └─► API Request Formation
               └─► Smallest.ai API Call
                   └─► Response Processing
                       └─► Client Response

Sicherheitsarchitektur

┌─────────────────┐
│  Client Auth    │
└────────┬────────┘
         │
┌────────▼────────┐
│  MCP Validation │
└────────┬────────┘
         │
┌────────▼────────┐
│  API Auth       │
└────────┬────────┘
         │
┌────────▼────────┐
│  Smallest.ai    │
└─────────────────┘

Related MCP server: MCP Boilerplate

Überblick

Dieses Projekt implementiert einen MCP-Server, der als Middleware zwischen Clients und der Smallest.ai-API fungiert. Es bietet eine standardisierte Möglichkeit zur Interaktion mit den Wissensdatenbank-Verwaltungsfunktionen von Smallest.ai über das Model Context Protocol.

Architektur

[Client Application] <---> [MCP Server] <---> [Smallest.ai API]

Komponenten

1. MCP-Server

   • Bearbeitet Clientanfragen

   • Verwaltet die API-Kommunikation

   • Bietet standardisierte Antworten

   • Implementiert die Fehlerbehandlung

2. Wissensdatenbank-Tools

   • listKnowledgeBases : Listet alle Wissensdatenbanken auf

   • createKnowledgeBase : Erstellt neue Wissensdatenbanken

   • getKnowledgeBase : Ruft spezifische Wissensdatenbankdetails ab

3. Dokumentationsressource

   • Verfügbar unter docs://smallest.ai

   • Bietet Nutzungsanweisungen und Beispiele

Voraussetzungen

• Node.js 18+ oder Bun-Laufzeit

• Smallest.ai API-Schlüssel

• TypeScript-Kenntnisse

Installation

1. Klonen Sie das Repository:

git clone https://github.com/yourusername/MCP-smallest.ai.git
cd MCP-smallest.ai

2. Installieren Sie Abhängigkeiten:

bun install

3. Erstellen Sie eine .env Datei im Stammverzeichnis:

SMALLEST_AI_API_KEY=your_api_key_here

Konfiguration

Erstellen Sie eine config.ts Datei mit Ihrer Smallest.ai-API-Konfiguration:

export const config = {
    API_KEY: process.env.SMALLEST_AI_API_KEY,
    BASE_URL: 'https://atoms-api.smallest.ai/api/v1'
};

Verwendung

Starten des Servers

bun run index.ts

Testen des Servers

bun run test-client.ts

Verfügbare Tools

1. Wissensdatenbanken auflisten

await client.callTool({
  name: "listKnowledgeBases",
  arguments: {}
});

2. Wissensdatenbank erstellen

await client.callTool({
  name: "createKnowledgeBase",
  arguments: {
    name: "My Knowledge Base",
    description: "Description of the knowledge base"
  }
});

3. Wissensdatenbank abrufen

await client.callTool({
  name: "getKnowledgeBase",
  arguments: {
    id: "knowledge_base_id"
  }
});

Antwortformat

Alle Antworten folgen dieser Struktur:

{
  content: [{
    type: "text",
    text: JSON.stringify(data, null, 2)
  }]
}

Fehlerbehandlung

Der Server implementiert eine umfassende Fehlerbehandlung:

• HTTP-Fehler

• API-Fehler

• Parametervalidierungsfehler

• Typsichere Fehlerantworten

Entwicklung

Projektstruktur

MCP-smallest.ai/
├── index.ts           # MCP server implementation
├── test-client.ts     # Test client implementation
├── config.ts          # Configuration file
├── package.json       # Project dependencies
├── tsconfig.json      # TypeScript configuration
└── README.md          # This file

Neue Tools hinzufügen

1. Definieren Sie das Tool in index.ts :

server.tool(
  "toolName",
  {
    param1: z.string(),
    param2: z.number()
  },
  async (args) => {
    // Implementation
  }
);

2. Aktualisieren Sie die Dokumentation in der Ressource:

server.resource(
  "documentation",
  "docs://smallest.ai",
  async (uri) => ({
    contents: [{
      uri: uri.href,
      text: `Updated documentation...`
    }]
  })
);

Sicherheit

• API-Schlüssel werden in Umgebungsvariablen gespeichert

• Alle Anfragen werden authentifiziert

• Parametervalidierung ist implementiert

• Fehlermeldungen werden bereinigt

Beitragen

1. Forken Sie das Repository

2. Erstellen Sie Ihren Feature-Zweig ( git checkout -b feature/amazing-feature )

3. Übernehmen Sie Ihre Änderungen ( git commit -m 'Add some amazing feature' )

4. Pushen zum Zweig ( git push origin feature/amazing-feature )

5. Öffnen einer Pull-Anfrage

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE .

Danksagung

• Modellkontextprotokoll

• Smallest.ai API

• Bun-Laufzeit