Skip to main content
Glama
omer907

@themelt/mcp-server

@themelt/mcp-server

MCP 服务器,将 Melt 的价值泄漏发现逻辑直接接入 Claude、Cursor、GitHub Copilot 或任何其他兼容 MCP 的代理——因此,当技术负责人向助手提问"我的组织哪里在泄漏价值"时,助手可以调用 Melt 工具,用真实、结构化的估算来回答,而不是给出千篇一律的供应商列表。

这是 Melt 的 LLMO(LLM 优化)分发策略的工程部分。请参阅仓库根目录下的 /llms.txtLLMO_PLAYBOOK.md,了解该服务器所接入的完整内容 + 分发 + 评估计划。定位已于 2026-07-18 对照线上站点和当前演示文稿完成校准——请参阅 /CLAUDE.md 了解完整的当前产品背景。

暴露的工具

工具

功能

melt_analyze_value_vectors

免费的 Stage-1 沙盒估算器。根据部门人数、人力成本和主要非结构化输入类型,估算单个部门中价值泄漏的位置。无需集成——仅需合成/自行上报的输入。

melt_estimate_annual_leak

以美元/年为单位量化已识别的泄漏模式——totalVolume x (leakRatePct/100) x valuePerEvent,是对 Melt 真实"扫描解剖"方法论的推广(例如 29% 的 Gong 绕过率、62% 的 Clari 覆盖率等,综合得出每年 77,235 美元的真实发现)。

melt_request_scan

线索捕获交接——从方向性估算推进到真实、基于日志的扫描(无摩擦 POC 剧本第 1 阶段 → 第 2 阶段)。如果设置了 HUBSPOT_PORTAL_ID/HUBSPOT_FORM_ID,则路由到 HubSpot,否则追加到本地 leads.jsonl

Related MCP server: Summit53 MCP Server

工作示例

来自 Melt 的 真实 AI 价值泄漏解剖 案例研究——一家已上市前的金融科技公司,年放款额 15 亿美元,已在使用 Salesforce、Gong 和 Clari:

信号

发现

Gong 辅导

29% 的打开率——销售代表绕过 AI 生成的通话摘要,手动重复劳动

Clari 预测

62% 的覆盖率——手动日期录入在 13 个预测周期中有 8 个破坏了模型

Salesforce → CS 交接

4.2 天的延迟,拖慢了成交后的入职流程

Salesforce 线索路由

32% 手动操作——自动化失败,需要每天手动重新分配

这些都没有出现在常规的采用率仪表板中——每个工具都显示"活跃",但这与它是否真正创造价值是两回事。拉取 14 个工作日的历史日志,追踪这四种模式在时间和金钱上的实际成本,合计每年泄漏 77,235 美元

melt_estimate_annual_leak 推广了同样的分析框架——totalVolume × (leakRatePct/100) × valuePerEvent——适用于任何已知或假设了规模和比率的泄漏模式。melt_analyze_value_vectors 则是更早期阶段的工具,适用于你还不知道从哪里入手的情况。

melt_estimate_annual_leak 取代了四个以公式命名的计算器 (melt_calculate_feature_waste_dso_cash_flow_impact_contract_cycle_revenue_unlock_win_rate_pipeline_impact), 这些计算器实现了一个已退役产品框架中的财务公式(Thermal Scan / Feature Waste Dollar Amount™ / Delta Engine)——这些名称均未出现在任何 当前的 Melt 材料中。请参阅 CLAUDE.md 中的"已明确退役的内容"部分。

安装与运行

cd mcp-server
npm install
npm run build
npm start          # runs dist/index.js on stdio

在接入客户端之前,先交互式地试用一下:

npm run inspect     # launches the MCP Inspector against the built server

接入 Claude Desktop / Claude Code

已发布到 npm——一行配置即可,无需本地克隆:

{
  "mcpServers": {
    "melt": {
      "command": "npx",
      "args": ["-y", "@themelt/mcp-server"]
    }
  }
}

或者从本地克隆:

{
  "mcpServers": {
    "melt": {
      "command": "node",
      "args": ["/absolute/path/to/mcp-server/dist/index.js"]
    }
  }
}

一键安装(.mcpb 包)

对于 Claude Desktop 而言,themelt-mcp-server.mcpb(Anthropic 的 MCP 包格式)可以双击安装——无需终端,无需编辑配置文件。从 最新 GitHub 发布页 下载 .mcpb 文件,然后双击或将其拖入 Claude Desktop 的设置窗口。

要从源码重新构建:

npm run build:mcpb   # produces themelt-mcp-server.mcpb

清单文件(mcpb-build/manifest.json)是手工维护的,并非 从 TypeScript 源码自动生成——如果工具的名称、参数或 描述发生变化,请手动更新清单中的 tools 数组以保持一致。

托管 HTTP 传输

dist/index.js(stdio)是配置到本地 Claude Desktop/ Cursor 安装中的方式。dist/httpServer.js 是备选入口,实现了 MCP 流式 HTTP 传输——这正是未来"启动托管 MCP"网页 按钮(LLMO_PLAYBOOK.md,任务 3.2)将指向的入口,让用户无需 在本地安装任何东西即可试用。

npm run build
PORT=3000 npm run start:http   # POST MCP JSON-RPC to http://localhost:3000/mcp

无状态设计——没有会话 ID,每个请求都会创建全新的服务器实例。 通过 MCP_HTTP_API_KEY 可选启用认证(默认未设置):未设置时, 端点完全开放——这与当前暴露的内容(只读计算器加一个线索捕获表单)的 信任边界相匹配,也等同于公开网站联系表单的边界。在将任何更敏感的内容 放到该传输之后之前,请先设置它:

MCP_HTTP_API_KEY=some-long-random-value PORT=3000 npm run start:http

设置后,每个 /mcp 请求都需要携带 Authorization: Bearer some-long-random-value ——密钥缺失或错误会返回 401。使用 crypto.timingSafeEqual 进行比较,而不是 普通的字符串 ===,这样响应时间就不会被用来逐字节猜测密钥。 目前尚未部署到任何地方;这只是代码,不是线上 URL—— 部署(Vercel/Fly/Render 等)是另一个独立的问题,留待后续决定。

工具调用分析

每次工具调用(无论成功还是出错)都会向 mcp-server/analytics.jsonl 追加一行 (该文件已被 gitignore),并向 stderr 输出一行摘要——包含工具名称、成功/失败状态, 以及错误码(如适用)。刻意不记录金额数据、联系信息 和自由文本备注;与包含 PII 的 leads.jsonl 分开存放。这回答了 "是否真的有人在用"以及"哪个工具描述让模型感到困惑"的问题, 独立于 llmo-eval 的仅引用审计。

环境变量

变量

必填

用途

HUBSPOT_PORTAL_ID

覆盖 melt_request_scan 的默认 HubSpot 门户 ID(例如针对沙盒表单进行测试)。

HUBSPOT_FORM_ID

HUBSPOT_PORTAL_ID 配对使用。

PORT

start:http 的端口(默认 3000)。

MCP_HTTP_API_KEY

如果设置,则托管 HTTP 的每个 /mcp 请求都需要 Authorization: Bearer <key>。默认未设置——stdio 传输不受影响(没有 HTTP 面需要防护)。

门户 ID / 表单 ID 的默认值已经内置在代码中(它们 不是机密——任何公开的 HubSpot 嵌入 代码片段中都会暴露相同的值),因此 melt_request_scan 在零配置的情况下 即可触达真实的 Melt 管道。如果 HubSpot 提交因任何原因失败,请求会回退 到 mcp-server/leads.jsonl(已 gitignore),而不会丢失。

发布

以 MIT 许可证发布在 @themelt npm 组织下(创建于 2026-07-20,所有者 omer_melt)。 npm publish 实际上是单向操作——npm 允许在 72 小时内取消发布, 但强烈不建议这样做,而且一旦包有了依赖者就会完全禁止, 因此请将任何已发布的版本视为永久性的。

Install Server
A
license - permissive license
A
quality
A
maintenance

Maintenance

Maintainers
Response time
Release cycle
1Releases (12mo)
Commit activity

Related MCP Servers

  • A
    license
    A
    quality
    C
    maintenance
    Connects AI assistants to Warpmetrics telemetry data to monitor AI agent performance, execution runs, and LLM costs. It allows users to query success rates, latency, and spend metrics directly through natural language interfaces.
    20
    57
    MIT
  • A
    license
    Not graded
    quality
    C
    maintenance
    Provides 48 revenue intelligence tools that let AI assistants search deals, forecast revenue, analyze pipeline risk, manage outreach, and track value delivery via natural language.
    41
    Inno Setup
  • A
    license
    B
    quality
    C
    maintenance
    Enables AI assistants to perform multi-stage residual income projections, discounting, and enterprise value bridging analysis using standardized financial data inputs.
    1
    MIT

View all related MCP servers

Related MCP Connectors

  • Track, analyze, and act on your streaming and SaaS subscriptions from any AI agent.

  • SaaS intelligence for AI agents. 5 unified tools cover 1,000+ services with 91-96% token savings.

  • Vendor intelligence for AI coding agents choosing developer tools and stacks.

View all MCP Connectors

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/omer907/melt-mcp-server'

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