Custom Vision Training Client
Servidor MCP
Este proyecto es un servidor MCP (Protocolo de conversación multiagente) para la URL OpenAPI dada: https://api.apis.guru/v2/specs/microsoft.com/cognitiveservices-Training/3.2/openapi.json , generada automáticamente mediante el generador MCP de AG2.
Prerrequisitos
Python 3.9+
pip y uv
Related MCP server: SensorMCP Server
Instalación
Clonar el repositorio:
git clone <repository-url> cd mcp-serverInstalar dependencias: El script .devcontainer/setup.sh gestiona la instalación de dependencias mediante
pip install -e ".[dev]". Si no utiliza el contenedor dev, puede ejecutar este comando manualmente.pip install -e ".[dev]"Alternativamente, puedes utilizar
uv:uv pip install --editable ".[dev]"
Desarrollo
Este proyecto utiliza ruff para control de linting y formateo, mypy para verificación de tipos estáticos y pytest para pruebas.
Pelusa y formato
Para comprobar si hay problemas de pelusa:
ruff checkPara formatear el código:
ruff formatEstos comandos también están disponibles a través del script scripts/lint.sh .
Análisis estático
Para ejecutar un análisis estático (mypy, bandit, semgrep):
./scripts/static-analysis.shEste script también se configura como un gancho previo a la confirmación en .pre-commit-config.yaml .
Ejecución de pruebas
Para ejecutar pruebas con cobertura:
./scripts/test.shEsto ejecutará pytest y generará un informe de cobertura. Para un informe y una limpieza combinados, puede usar:
./scripts/test-cov.shGanchos de pre-confirmación
Este proyecto utiliza ganchos de pre-confirmación definidos en .pre-commit-config.yaml . Para instalar los ganchos:
pre-commit installLos ganchos se ejecutarán automáticamente antes de cada confirmación.
Ejecución del servidor
El servidor MCP se puede iniciar mediante el script mcp_server/main.py . Admite diferentes modos de transporte (p. ej., stdio y sse ).
Para iniciar el servidor (por ejemplo, en modo stdio):
python mcp_server/main.py stdioEl servidor se puede configurar mediante variables de entorno:
CONFIG_PATH: Ruta a un archivo de configuración JSON (por ejemplo, mcp_server/mcp_config.json ).CONFIG: Una cadena JSON que contiene la configuración.SECURITY: Variables de entorno para parámetros de seguridad (por ejemplo, claves API).
Consulte el bloque if __name__ == "__main__": en mcp_server/main.py para obtener detalles sobre cómo se cargan.
El archivo tests/test_mcp_server.py demuestra cómo iniciar e interactuar con el servidor mediante programación para realizar pruebas.
Construcción y publicación
Este proyecto utiliza Hatch para compilar y publicar. Para compilar el proyecto:
hatch buildPara publicar el proyecto:
hatch publishEstos comandos también están disponibles a través del script scripts/publish.sh .
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
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