扩展AI工具包MCP服务器

扩展AI工具包

概述

Extend AI 工具包提供了基于 Python 的工具实现，可与多种 AI 框架的 Extend API 集成，包括 Anthropic 的模型上下文协议 (MCP) 、 OpenAI 、 LangChain和CrewAI 。它允许用户将支出管理流程中的某些操作委托给 AI 代理或与 MCP 兼容的客户端，例如 Claude 桌面。

这些工具专为拥有 API 密钥的现有 Extend 用户设计。如果您尚未注册 Extend，但想了解更多关于我们面向中小型企业的现代化、易于使用的虚拟卡和支出管理平台的信息，请访问paywithextend.com 。

特征

支持多种 AI 框架：可与 Anthropic Model Context Protocol、OpenAI Agents、LangChain LangGraph & ReAct 和 CrewAI 框架配合使用
全面的工具集：支持 Extend 的所有主要 API 功能，涵盖我们的信用卡、虚拟卡、交易和费用管理端点

安装

除非您想修改该包，否则不需要此源代码。如果您只想使用该包，请运行：

pip install extend_ai_toolkit

要求

Python ：3.10 或更高版本
扩展 API 密钥：在paywithextend.com注册以获取 API 密钥
框架特定要求：
- LangChain： langchain和langchain-openai包
- OpenAI： openai包
- CrewAI： crewai软件包
- Anthropic： anthropic包（适用于 Claude）

配置

该库需要通过环境变量或命令行参数使用您的扩展 API 密钥和 API 进行配置：

--api-key=your_api_key_here --api-secret=your_api_secret_here 

或通过环境变量：

EXTEND_API_KEY=your_api_key_here
EXTEND_API_SECRET=your_api_secret_here

可用工具

该工具包提供了一套按功能组织的综合工具：

虚拟卡

get_virtual_cards ：使用可选过滤器获取虚拟卡
get_virtual_card_detail ：获取特定虚拟卡的详细信息

信用卡

get_credit_cards ：列出所有信用卡
get_credit_card_detail ：获取特定信用卡的详细信息

交易

get_transactions ：使用各种过滤器获取交易
get_transaction_detail ：获取特定交易的详细信息
update_transaction_expense_data ：更新交易的费用相关数据

费用管理

get_expense_categories ：列出所有费用类别
get_expense_category ：获取特定费用类别的详细信息
get_expense_category_labels ：获取费用类别的标签
create_expense_category ：创建一个新的费用类别
create_expense_category_label ：为费用类别添加标签
update_expense_category ：修改现有的费用类别
create_receipt_attachment ：上传收据（并可选择附加到交易）
automatch_receipts ：启动异步作业以自动将上传的收据与交易进行匹配
get_automatch_status ：获取自动匹配作业的状态
send_receipt_reminder ：针对缺少收据的交易发送提醒（通过电子邮件）

使用示例

模型上下文协议

该工具包在extend_ai_toolkit.modelcontextprotocol包中提供��资源，以帮助您构建MCP服务器。

发展

使用 MCP Inspector 在本地测试扩展 MCP 服务器：

npx @modelcontextprotocol/inspector python extend_ai_toolkit/modelcontextprotocol/main.py --tools=all

Claude 桌面集成

通过编辑配置文件将此工具作为 MCP 服务器添加到 Claude Desktop：

在 MacOS 上： ~/Library/Application\ Support/Claude/claude_desktop_config.json在 Windows 上： %APPDATA%/Claude/claude_desktop_config.json

如果您想将 create_receipt_attachment 工具与 claude 桌面一起使用，您需要通过npm install @modelcontextprotocol/server-filesystem add 安装文件系统 mcp 服务器，然后将其添加到配置文件中。

请注意：由于目前的限制，直接上传到 Claude Desktop 的图像无法上传到 Extend，因为 Claude Desktop 应用无法访问底层图像数据。因此， Filesystem MCP Server是必不可少的。

通过添加文件系统，您可以设置一个专门的收据文件夹，并告诉 Claude 上传该收据并将其自动匹配到最可能的交易。或者，如果您知道要将收据附加到哪笔交易，则可以告诉 Claude 上传该交易的收据（并跳过自动匹配过程）。

{
  "extend-mcp": {
    "command": "python",
    "args": [
      "-m",
      "extend_ai_toolkit.modelcontextprotocol.main",
      "--tools=all"
    ],
    "env": {
      "EXTEND_API_KEY": "apik_XXXX",
      "EXTEND_API_SECRET": "XXXXX"
    }
  },
  // optional: if you want to use the create_receipt_attachment tool
  "filesystem": { 
    "command": "npx",
    "args": [
      "-y",
      "@modelcontextprotocol/server-filesystem",
      "/path/to/receipts/folder"
    ]
  }
}

远程执行

您还可以远程运行服务器并通过 SSE 传输进行通信：

python -m extend_ai_toolkit.modelcontextprotocol.main_sse --tools=all --api-key="apikey" --api-secret="apisecret"

并可选择使用 MCP 终端客户端进行连接：

python -m extend_ai_toolkit.modelcontextprotocol.client.mcp_client --mcp-server-host localhost --mcp-server-port 8000 --llm-provider=anthropic --llm-model=claude-3-5-sonnet-20241022

OpenAI

import os
from langchain_openai import ChatOpenAI
from extend_ai_toolkit.openai.toolkit import ExtendOpenAIToolkit
from extend_ai_toolkit.shared import Configuration, Scope, Product, Actions

# Initialize the OpenAI toolkit
extend_openai_toolkit = ExtendOpenAIToolkit.default_instance(
    api_key=os.environ.get("EXTEND_API_KEY"),
    api_secret=os.environ.get("EXTEND_API_SECRET"),
    configuration=Configuration(
        scope=[
            Scope(Product.VIRTUAL_CARDS, actions=Actions(read=True)),
            Scope(Product.CREDIT_CARDS, actions=Actions(read=True)),
            Scope(Product.TRANSACTIONS, actions=Actions(read=True)),
        ]
    )
)

# Create an agent with the tools
extend_agent = Agent(
    name="Extend Agent",
    instructions="You are an expert at integrating with Extend",
    tools=extend_openai_toolkit.get_tools()
)

朗链

import os
from langchain_openai import ChatOpenAI
from langgraph.prebuilt import create_react_agent
from extend_ai_toolkit.langchain.toolkit import ExtendLangChainToolkit
from extend_ai_toolkit.shared import Configuration, Scope, Product, Actions

# Initialize the LangChain toolkit
extend_langchain_toolkit = ExtendLangChainToolkit.default_instance(
    api_key=os.environ.get("EXTEND_API_KEY"),
    api_secret=os.environ.get("EXTEND_API_SECRET"),
    configuration=Configuration(
        scope=[
            Scope(Product.VIRTUAL_CARDS, actions=Actions(read=True)),
            Scope(Product.CREDIT_CARDS, actions=Actions(read=True)),
            Scope(Product.TRANSACTIONS, actions=Actions(read=True)),
        ]
    )
)

# Create tools for the agent
tools = extend_langchain_toolkit.get_tools()

# Create the agent executor
langgraph_agent_executor = create_react_agent(
    ChatOpenAI(model="gpt-4"),
    tools
)

CrewAI

import os
from extend_ai_toolkit.crewai.toolkit import ExtendCrewAIToolkit
from extend_ai_toolkit.shared import Configuration, Scope, Product, Actions

# Initialize the CrewAI toolkit
toolkit = ExtendCrewAIToolkit.default_instance(
    api_key=os.environ.get("EXTEND_API_KEY"),
    api_secret=os.environ.get("EXTEND_API_SECRET"),
    configuration=Configuration(
        scope=[
            Scope(Product.VIRTUAL_CARDS, actions=Actions(read=True)),
            Scope(Product.CREDIT_CARDS, actions=Actions(read=True)),
            Scope(Product.TRANSACTIONS, actions=Actions(read=True)),
        ]
    )
)

# Configure the LLM (using Claude)
toolkit.configure_llm(
    model="claude-3-opus-20240229",
    api_key=os.environ.get("ANTHROPIC_API_KEY")
)

# Create the Extend agent
extend_agent = toolkit.create_agent(
    role="Extend Integration Expert",
    goal="Help users manage virtual cards, view credit cards, and check transactions efficiently",
    backstory="You are an expert at integrating with Extend, with deep knowledge of virtual cards, credit cards, and transaction management.",
    verbose=True
)

# Create a task for handling user queries
query_task = toolkit.create_task(
    description="Process and respond to user queries about Extend services",
    agent=extend_agent,
    expected_output="A clear and helpful response addressing the user's query",
    async_execution=True
)

# Create a crew with the agent and task
crew = toolkit.create_crew(
    agents=[extend_agent],
    tasks=[query_task],
    verbose=True
)

# Run the crew
result = crew.kickoff()

贡献

欢迎贡献代码！欢迎提交 Pull 请求。

执照

该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。

Extend AI Toolkit MCP Server