Explorium AgentSource MCP-Server

Explorium API MCP-Server

Der Explorium MCP-Server ist ein Model Context Protocol- Server, der zur Interaktion mit der Explorium-API verwendet wird. Er ermöglicht KI-Assistenten den Zugriff auf die Geschäfts- und Interessentendaten-Suchfunktionen von Explorium.

📋 Inhaltsverzeichnis

Überblick

Der Explorium MCP Server ermöglicht KI-Assistenten den Zugriff auf die umfangreichen Geschäfts- und Interessentendatenbanken von Explorium. Dadurch können KI-Tools präzise und aktuelle Informationen über Unternehmen, Branchen und Fachkräfte direkt in Chat-Oberflächen bereitstellen.

Installation

Installieren Sie den Explorium MCP-Server von PyPI:

pip install explorium-mcp-server

Das Paket erfordert Python 3.10 oder höher.

Setup für die Entwicklung

Klonen Sie das Repository:

git clone https://github.com/explorium-ai/mcp-explorium.git
cd mcp-explorium

Richten Sie die Entwicklungsumgebung mit uv ein:

# Install uv if you don't have it
pip install uv

# Create and activate the virtual environment with all development dependencies
uv sync --group dev

Erstellen Sie mit Ihrem Explorium-API-Schlüssel eine .env Datei im Stammverzeichnis:

EXPLORIUM_API_KEY=your_api_key_here

Um einen API-Schlüssel zu erhalten, befolgen Sie die Anweisungen in der Explorium-API-Dokumentation .

Lokal ausführen

mcp dev local_dev_server.py

Nutzung mit KI-Assistenten

Verwendung mit Claude Desktop

Befolgen Sie die offizielle Anleitung zum Model Context Protocol , um Claude Desktop zu installieren und für die Verwendung von MCP-Servern einzurichten.
Fügen Sie diesen Eintrag zu Ihrer Datei claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "Explorium": {
      "command": "<PATH_TO_UVX>",
      "args": [
        "explorium-mcp-server"
      ],
      "env": {
        "EXPLORIUM_API_KEY": "<YOUR_API_KEY>"
      }
    }
  }
}

Für die Entwicklung können Sie stattdessen diese Konfiguration verwenden:

{
  "mcpServers": {
    "Explorium": {
      "command": "<UV_INSTALL_PATH>",
      "args": [
        "run",
        "--directory",
        "<REPOSITORY_PATH>",
        "mcp",
        "run",
        "local_dev_server.py"
      ],
      "env": {
        "EXPLORIUM_API_KEY": "<YOUR_API_KEY>"
      }
    }
  }
}

Ersetzen Sie alle Platzhalter durch Ihre tatsächlichen Pfade und API-Schlüssel.

Verwendung mit Cursor

Cursor verfügt über integrierte Unterstützung für MCP-Server .

So konfigurieren Sie es für die Verwendung des Explorium MCP-Servers:

Gehen Sie zu Cursor > Settings > Cursor Settings > MCP
Fügen Sie mit diesem Befehl einen „Explorium“-Eintrag hinzu:

Verwenden Sie für die Entwicklung:

uv run --directory <repo_path> mcp run local_dev_server.py

Sie können den „Yolo-Modus“ in den Cursor-Einstellungen aktivieren, um Tools ohne Bestätigung unter Cursor > Settings > Cursor Settings > Features > Chat > Enable Yolo mode zu verwenden.

Projektstruktur

mcp-explorium/
├── .github/workflows/        # CI/CD configuration
│   └── ci.yml               # Main CI workflow
├── src/                      # Source code
│   └── explorium_mcp_server/
│       ├── __init__.py      # Package initialization
│       ├── __main__.py      # Entry point for direct execution
│       ├── models/          # Data models and schemas
│       └── tools/           # MCP tools implementation
├── tests/                    # Test suite
├── .env                      # Local environment variables (not in repo)
├── local_dev_server.py       # Development server script
├── Makefile                  # Development shortcuts
├── pyproject.toml           # Project metadata and dependencies
└── README.md                # Project documentation

Entwicklungs-Workflow

Richten Sie die Umgebung wie unter „Setup für die Entwicklung“ beschrieben ein.
Nehmen Sie Ihre Änderungen an der Codebasis vor
Formatieren Sie Ihren Code:

make format

Führen Sie Lint-Prüfungen durch:

make lint

Führen Sie Tests durch:

make test

Kontinuierliche Integration

Das Projekt verwendet GitHub Actions für CI/CD. Der in .github/workflows/ci.yml definierte Workflow führt Folgendes aus:

Versionsprüfung : Stellt sicher, dass die Version in pyproject.toml vor dem Zusammenführen mit dem Hauptverzeichnis erhöht wird.
Linting : Führt Codestil- und Formatierungsprüfungen mit ruff aus
Testen : Führt die Testsuite mit Abdeckungsberichten aus
Bereitstellung : Kennzeichnet das Repo mit der Version von pyproject.toml , wenn es mit dem Hauptrepo zusammengeführt wird.

Erstellen und Veröffentlichen

Erstellen des Pakets

So erstellen Sie das Paket für die Verteilung:

Aktualisieren Sie die Version in pyproject.toml (erforderlich für jede neue Version)
Führen Sie den Build-Befehl aus:

uv build

Dadurch wird ein dist/ -Verzeichnis mit dem erstellten Paket erstellt.

Veröffentlichen auf PyPI

So veröffentlichen Sie das Paket auf PyPI:

Stellen Sie sicher, dass Sie twine installiert haben:

uv pip install twine

Laden Sie das erstellte Paket auf PyPI hoch:

twine upload dist/*

Sie müssen Ihre PyPI-Anmeldeinformationen angeben oder sie in einer .pypirc Datei konfigurieren.

Automatische Versionierung und Tagging

Wenn Änderungen mit dem Hauptzweig zusammengeführt werden, führt der CI-Workflow automatisch Folgendes aus:

Markiert das Repository mit der Version aus pyproject.toml
Pusht das Tag zu GitHub

Install Server

HTTP connection URL

security – no known vulnerabilities

license - permissive license

quality - confirmed to work

How are these scores calculated?

remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

Explorium AgentSource MCP Server ermöglicht jedem Agenten, ein KI-gesteuerter, Go-To-Market-Spezialist zu werden! Mit über 20 spezialisierten Endpunkten für Prospektion, Vertrieb und Lead-Generierung können Agenten mühelos Konten und Interessenten generieren und anreichern, auf tiefe Geschäftseinblicke zugreifen und

Related Resources

Reddit Discussion about this server

Related MCP Servers

MCP BatchIt
ryanjoachim
-
security
F
license
-
quality
A simple aggregator server that allows batching multiple MCP tool calls into a single request, reducing token usage and network overhead for AI agents.
Last updated -
14
JavaScript
dune-analytics-mcp
kukapay
-
security
A
license
-
quality
A mcp server that bridges Dune Analytics data to AI agents.
Last updated -
16
Python
MIT License
chainlink-feeds-mcp
kukapay
-
security
-
license
-
quality
An MCP server that provides real-time access to Chainlink's decentralized on-chain price feeds, optimized for seamless integration into AI agents and autonomous systems.
Last updated -
JavaScript
MIT License
defi-yields-mcp
kukapay
-
security
-
license
-
quality
An MCP server for AI agents to explore DeFi yield opportunities, powered by DefiLlama.
Last updated -
Python
MIT License

View all related MCP servers

Explorium AgentSource MCP Server