Skip to main content
Glama
Sign In
deenesjakoruzh

Explorium AgentSource MCP Server

Official
by explorium-ai
GitHub
Python
MIT License
5
  • Apple
OverviewInspectNewSchemaRelated ServersReviewsScore
Need Help?View Source CodeReport Issue

Integrations

  • Provides repository access for cloning the project code

  • Supports deploying the package to PyPI for distribution

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

  1. Klonen Sie das Repository:
git clone https://github.com/explorium-ai/mcp-explorium.git cd mcp-explorium
  1. 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
  1. 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

  1. Befolgen Sie die offizielle Anleitung zum Model Context Protocol , um Claude Desktop zu installieren und für die Verwendung von MCP-Servern einzurichten.
  2. 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:

  1. Gehen Sie zu Cursor > Settings > Cursor Settings > MCP
  2. 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

  1. Richten Sie die Umgebung wie unter „Setup für die Entwicklung“ beschrieben ein.
  2. Nehmen Sie Ihre Änderungen an der Codebasis vor
  3. Formatieren Sie Ihren Code:
make format
  1. Führen Sie Lint-Prüfungen durch:
make lint
  1. 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:

  1. Versionsprüfung : Stellt sicher, dass die Version in pyproject.toml vor dem Zusammenführen mit dem Hauptverzeichnis erhöht wird.
  2. Linting : Führt Codestil- und Formatierungsprüfungen mit ruff aus
  3. Testen : Führt die Testsuite mit Abdeckungsberichten aus
  4. 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:

  1. Aktualisieren Sie die Version in pyproject.toml (erforderlich für jede neue Version)
  2. 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:

  1. Stellen Sie sicher, dass Sie twine installiert haben:
uv pip install twine
  1. 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:

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

You must be authenticated.

A
security – no known vulnerabilities
A
license - permissive license
A
quality - confirmed to work

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

  1. 📋 Inhaltsverzeichnis
    1. Überblick
      1. Installation
        1. Setup für die Entwicklung
          1. Lokal ausführen
            1. Nutzung mit KI-Assistenten
              1. Verwendung mit Claude Desktop
              2. Verwendung mit Cursor
            2. Projektstruktur
              1. Entwicklungs-Workflow
                1. Kontinuierliche Integration
                  1. Erstellen und Veröffentlichen
                    1. Erstellen des Pakets
                    2. Veröffentlichen auf PyPI
                    3. Automatische Versionierung und Tagging

                  Related Resources

                  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

                  • systemprompt-mcp-reddit

                    Ejb503
                    -
                    security
                    -
                    license
                    -
                    quality
                    A specialized MCP server that enables AI agents to interact with Reddit, including reading posts, creating content, and managing subreddit configurations.
                    Last updated -
                    31
                    1
                    TypeScript

                  • Simple Memory Extension MCP Server

                    gmacev
                    -
                    security
                    A
                    license
                    -
                    quality
                    An MCP server that extends AI agents' context window by providing tools to store, retrieve, and search memories, allowing agents to maintain history and context across long interactions.
                    Last updated -
                    5
                    TypeScript
                    MIT License

                  View all related MCP servers

                  Appeared in Searches

                  New MCP Servers

                  ID: 1watb239rc