Skip to main content
Glama
README.md5.64 kB
# XMZ MCP Server 🚀🚀🚀 ![](https://badge.mcpx.dev?type=server 'MCP Server') [![npm Version](https://img.shields.io/npm/v/cos-mcp)](https://www.npmjs.com/package/cos-mcp) [![license](http://img.shields.io/badge/license-BSD3-brightgreen.svg?style=flat)](License) <p align="center"> <img alt="logo" src="./src/img/logo.png"/> </p> 基于 MCP 协议的XMZ MCP Server,无需编码即可让大模型快速接入多种服务。 --- ## ✨ 核心功能 ### 云端存储能力 - ⬆️ 文件上传到云端 - ⬇️ 文件从云端下载 - 📋 获取云端文件列表 ### 云端处理能力 - 🖼️ 获取图片信息 - 🔍 图片超分辨率 - ✂️ 图片裁剪 - 📲 二维码识别 - 🏆 图片质量评估 - 🅰️ 文字水印 - 🎬 元数据/自然语言检索 (MateInsight) - 📄 文档转 PDF - 🎥 视频封面 --- ## 💡 典型应用场景 - 使用其他 MCP 能力获取的文本/图片/视频/音频等数据,可直接上传到 COS 云端存储。 - 本地数据快速通过大模型转存到 COS 云端存储/备份。 - 通过大模型实现自动化:将网页里的视频/图片/音频/文本等数据批量转存到 COS 云端存储。 - 自动化将视频/图片/音频/文本等数据在云端处理,并转存到 COS 云端存储。 --- ## 🌟 功能示例 1. 上传文件到 COS ![eg1](./src/img/eg1.png) 2. 图片质量评估 ![eg3](./src/img/eg3.png) 3. 自然语言检索图片 ![eg2](./src/img/eg2.png) 4. 视频截帧 ![eg15](./src/img/eg15.png) --- # 🔧 安装使用 ## 参数说明 为了保护您的数据私密性,请准备以下参数: ### 1. **SecretId / SecretKey** - **说明**: 腾讯云 COS 的密钥,用于身份认证,请妥善保管,切勿泄露。 - **获取方式**: 1. 访问 [腾讯云密钥管理](https://console.cloud.tencent.com/cam/capi)。 2. 新建密钥并复制生成的 **SecretId** 和 **SecretKey**。 ### 2. **Bucket** - **示例**: `mybucket-123456` - **说明**: 存储桶名称,用于存放数据,相当于您的个人存储空间。 - **获取方式**: 1. 访问 [存储桶列表](https://console.cloud.tencent.com/cos/bucket)。 2. 复制存储桶名称。如果没有存储桶,可点击“创建存储桶”,一般选择默认配置即可快速完成创建。 ### 3. **Region** - **示例**: `ap-beijing` - **说明**: 存储桶所在的地域。 - **获取方式**: 1. 在 [存储桶列表](https://console.cloud.tencent.com/cos/bucket) 中找到存储桶。 2. 在存储桶名称一行查看所属地域并复制,例如:`ap-beijing`。 ### 4. **DatasetName** - **说明**: 非必填参数,数据智能检索操作需要此参数。 - **获取方式**: 1. 访问 [数据集管理](https://console.cloud.tencent.com/cos/metaInsight/dataManage)。 2. 创建数据集并等待索引建立完成后,复制数据集名称。 ### 5. **connectType** - **说明**: 非必填参数,指定连接方式,可选值为 `stdio`(本地)或 `sse`(远程)。 - **默认值**: `stdio` ### 6. **port** - **说明**: 非必填参数,当连接方式为 `sse` 时,可自由设置端口。 - **默认值**: `3001` --- ## 从 npx 启动 在大模型内使用时(例如: cursor),需要在 `mcp.json` 中配置: ```json { "mcpServers": { "cos-mcp": { "command": "npx", "args": [ "cos-mcp", "--Region=yourRegion", "--Bucket=yourBucket", "--SecretId=yourSecretId", "--SecretKey=yourSecretKey", "--DatasetName=yourDatasetname" ] } } } ``` 也可以通过 JSON 配置: ```json { "mcpServers": { "cos-mcp": { "command": "npx", "args": [ "cos-mcp", "--cos-config='{\"Region\":\"yourRegion\",\"Bucket\":\"yourBucket\",\"SecretId\":\"yourSecretId\",\"SecretKey\":\"yourSecretKey\",\"DatasetName\":\"yourDatasetname\"}'" ] } } } ``` --- ## 使用 npm 安装 ```bash # 安装 npm install -g cos-mcp@latest # 运行开启 SSE 模式 cos-mcp --Region=yourRegion --Bucket=yourBucket --SecretId=yourSecretId --SecretKey=yourSecretKey --DatasetName=yourDatasetname --port=3001 --connectType=sse # 或通过 JSON 配置 cos-mcp --cos-config='{"Region":"yourRegion","Bucket":"BucketName-APPID","SecretId":"yourSecretId","SecretKey":"yourSecretKey","DatasetName":"datasetName"}' --port=3001 --connectType=sse ``` 在大模型内使用 SSE 模式时(例如: cursor),需要在 `mcp.json` 中配置: ```json { "mcpServers": { "cos-mcp": { "url": "http://localhost:3001/sse" } } } ``` --- ## 使用源码安装 ### 步骤 1: 克隆项目代码 ```bash git clone https://cnb.cool/XMZZUZHI/mcp cd mcp ``` ### 步骤 2: 安装依赖 ```bash yarn nstall ``` ### 步骤 3: 启动服务 #### 3.1 配置本地环境变量 创建 `.env` 文件,并配置以下环境变量: ```env Region='yourRegion' Bucket='yourBucket' SecretId='yourSecretId' SecretKey='yourSecretKey' DatasetName="yourDatasetName" ``` #### 3.2 本地 SSE 模式启动(方式一) ```bash yarn start:sse ``` #### 3.3 本地构建后使用 STDIO 模式(方式二) ```bash yarn build ``` 构建产物位于 `dist/index.js`。 --- ### 步骤 4: 在大模型内使用 #### SSE 模式配置 ```json { "mcpServers": { "cos-mcp": { "url": "http://localhost:3001/sse" } } } ``` #### STDIO 模式配置 ```json { "mcpServers": { "cos-mcp": { "command": "node", "args": [ "${your work space}/dist/index.js" ] } } } ``` 完成以上步骤后,即可通过源码运行此 MCP Server。

Latest Blog Posts

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/xiaomizhoubaobei/MCP'

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