Skip to main content
Glama
deenesjakoruzh

Explorium AgentSource MCP Server

Official
by explorium-ai
GitHub
MIT License
17
  • Apple
OverviewInspectNewEndpointsSchemaRelated ServersReviewsScore
Need Help?View Source CodeReport Issue

Explorium API MCP-Server

mcp-explorerium-ci PyPI-Version Python-Versionen

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

Deploy Server
A
security – no known vulnerabilities
A
license - permissive license
A
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

  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

                  • Agentforce MCP Server

                    xlengelle-sf
                    -
                    security
                    F
                    license
                    -
                    quality
                    This MCP server provides tools to interact with the Salesforce Agentforce API, allowing authentication, session creation, and message exchange with Salesforce agents.
                    Last updated -
                    11

                  • GemForge-Gemini-Tools-MCP

                    PV-Bhat
                    A
                    security
                    A
                    license
                    A
                    quality
                    Professional Gemini API integration for Claude and MCP-compatible hosts with intelligent model selection and advanced file handling capabilities.
                    Last updated -
                    4
                    3
                    MIT License

                  • Meilisearch MCP Server

                    ag2-mcp-servers
                    -
                    security
                    F
                    license
                    -
                    quality
                    An MCP server that allows agents to interact with Meilisearch, a powerful open-source search engine, through its API using natural language.
                    Last updated -

                  • AgentOps MCPofficial

                    AgentOps-AI
                    A
                    security
                    F
                    license
                    A
                    quality
                    The AgentOps MCP server provides access to observability and tracing data for debugging complex AI agent runs. This adds crucial context about where the AI agent succeeds or fails.
                    Last updated -
                    4
                    18
                    7

                  View all related MCP servers

                  Appeared in Searches

                  New MCP Servers

                  MCP directory API

                  We provide all the information about MCP servers via our MCP API.

                  curl -X GET 'https://glama.ai/api/mcp/v1/servers/explorium-ai/mcp-explorium'

                  If you have feedback or need assistance with the MCP directory API, please join our Discord server