Custom Vision Training Client
MCP-Server
Dieses Projekt ist ein MCP-Server (Multi-Agent Conversation Protocol) für die angegebene OpenAPI-URL – https://api.apis.guru/v2/specs/microsoft.com/cognitiveservices-Training/3.2/openapi.json , automatisch generiert mit dem MCP-Builder von AG2.
Voraussetzungen
Python 3.9+
Pip und UV
Related MCP server: SensorMCP Server
Installation
Klonen Sie das Repository:
git clone <repository-url> cd mcp-serverAbhängigkeiten installieren: Das Skript .devcontainer/setup.sh übernimmt die Installation von Abhängigkeiten mit
pip install -e ".[dev]". Wenn Sie den Dev-Container nicht verwenden, können Sie diesen Befehl manuell ausführen.pip install -e ".[dev]"Alternativ können Sie
uvverwenden:uv pip install --editable ".[dev]"
Entwicklung
Dieses Projekt verwendet ruff zum Lint-Test und Formatieren, mypy zur statischen Typprüfung und pytest zum Testen.
Lintierung und Formatierung
So prüfen Sie, ob Probleme mit der Flusenbildung vorliegen:
ruff checkSo formatieren Sie den Code:
ruff formatDiese Befehle sind auch über das Skript scripts/lint.sh verfügbar.
Statische Analyse
So führen Sie eine statische Analyse aus (mypy, bandit, semgrep):
./scripts/static-analysis.shDieses Skript ist auch als Pre-Commit-Hook in .pre-commit-config.yaml konfiguriert.
Ausführen von Tests
So führen Sie Tests mit Abdeckung durch:
./scripts/test.shDadurch wird pytest ausgeführt und ein Abdeckungsbericht generiert. Für einen kombinierten Bericht und eine Bereinigung können Sie Folgendes verwenden:
./scripts/test-cov.shPre-Commit-Hooks
Dieses Projekt verwendet Pre-Commit-Hooks, die in .pre-commit-config.yaml definiert sind. So installieren Sie die Hooks:
pre-commit installDie Hooks werden vor jedem Commit automatisch ausgeführt.
Ausführen des Servers
Der MCP-Server kann mit dem Skript mcp_server/main.py gestartet werden. Er unterstützt verschiedene Transportmodi (z. B. stdio , sse ).
So starten Sie den Server (z. B. im Standardmodus):
python mcp_server/main.py stdioDer Server kann mithilfe von Umgebungsvariablen konfiguriert werden:
CONFIG_PATH: Pfad zu einer JSON-Konfigurationsdatei (z. B. mcp_server/mcp_config.json ).CONFIG: Eine JSON-Zeichenfolge, die die Konfiguration enthält.SECURITY: Umgebungsvariablen für Sicherheitsparameter (z. B. API-Schlüssel).
Weitere Informationen zum Laden finden Sie im Block if __name__ == "__main__": in mcp_server/main.py .
Die Datei tests/test_mcp_server.py zeigt, wie Sie den Server zum Testen programmgesteuert starten und mit ihm interagieren.
Erstellen und Veröffentlichen
Dieses Projekt verwendet Hatch zum Erstellen und Veröffentlichen. So erstellen Sie das Projekt:
hatch buildSo veröffentlichen Sie das Projekt:
hatch publishDiese Befehle sind auch über das Skript scripts/publish.sh verfügbar.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
MCP server for building and testing AI agents with multi-model experimentation and insights.
MCP server for Qwen Image 3 AI image generation
The CustomGPT.ai MCP server is a fully managed, RAG-powered endpoint that connects large language models with private knowledge bases and external data sources. It provides tools for retrieval-augmented generation queries (send_message), data ingestion (upload_file), and source listing, enabling AI agents to query private documents like PDFs with high accuracy and real-time citations.
MCP server for OpenAI API (chat completions, image generation, embeddings) via AceDataCloud
Related MCP Servers
- FlicenseNot gradedqualityDmaintenanceAn MCP (Multi-Agent Conversation Protocol) Server that provides a standardized interface for interacting with Google's Cloud Vision API, enabling AI agents to analyze images and extract visual information through natural language.-

SensorMCP Serverofficial
AlicenseNot gradedqualityDmaintenanceAn MCP server that enables automated dataset creation and custom object detection model training through natural language interactions. It integrates foundation models like GroundedSAM for auto-labeling and supports training specialized YOLOv8 models using local or Unsplash images.4MIT- AlicenseBqualityCmaintenanceAn MCP server for managing Azure infrastructure from AI assistants, supporting subscriptions, VMs, storage, networking, identity, and more through natural language commands.992MIT
- AlicenseAqualityDmaintenanceAn MCP server that gives AI agents the ability to observe and understand images via multi-provider vision, object detection, hierarchical analysis, and color extraction.465 npm2MIT