Explorium API MCP-Server

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

• Installation

• Setup für die Entwicklung

• Lokal ausführen

• Nutzung mit KI-Assistenten

  • Claude Desktop

  • Cursor

• Projektstruktur

• Entwicklungs-Workflow

• Kontinuierliche Integration

• Erstellen und Veröffentlichen

• Lizenz

Related MCP server: GemForge-Gemini-Tools-MCP

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

2. 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

3. 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

4. Führen Sie Lint-Prüfungen durch:

make lint

5. 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

2. 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