aranet4 MCP Server

K čemu slouží “aranet4” MCP Server?

aranet4 MCP Server je server Model Context Protocol (MCP), navržený pro správu vašeho zařízení Aranet4 CO2 senzor a jeho lokální databáze. Tím, že propojuje AI asistenty a externí datové zdroje, umožňuje tento server bezproblémovou interakci s vaším zařízením pro úlohy jako je skenování okolních zařízení, načítání a ukládání měřených dat nebo dotazování na historická data ze senzoru. Podporuje automatické aktualizace, asistovanou konfiguraci a v případě klientů s podporou obrázků i vizualizaci dat. Server zjednodušuje vývojářům integraci environmentálních dat ze senzorů do širších AI automatizací postavených na LLM, a tím usnadňuje monitoring kvality vzduchu, sledování historických trendů i programovou správu nastavení zařízení.

Seznam promptů

V repozitáři nebo README nejsou zdokumentovány žádné explicitní šablony promptů.

Seznam zdrojů

V repozitáři nebo README nejsou zdokumentovány žádné explicitní zdroje.

Seznam nástrojů

Konfigurace a pomůcky:

• init_aranet4_config: Asistovaná konfigurace zařízení Aranet4.
• scan_devices: Skenuje okolní Bluetooth zařízení Aranet4.
• get_configuration_and_db_stats: Načte aktuální config.yaml a obecné statistiky z lokální SQLite databáze.
• set_configuration: Nastaví hodnoty v config.yaml.

Pro aktualizaci historických dat:

• fetch_new_data: Načte nová data z nakonfigurovaného zařízení Aranet4 a uloží je do lokální databáze.

Pro dotazování na historická data:

• get_recent_data: Načte poslední data z lokální databáze; lze zadat počet měření.

Příklady využití tohoto MCP serveru

• Monitoring prostředí: Automaticky skenujte a načítejte data o kvalitě vzduchu a CO2 z okolních zařízení Aranet4 a ukládejte je do lokální databáze pro další analýzu.
• Analýza historických dat: Dotazujte a prohlížejte si minulá měření ze senzorů pro identifikaci trendů či anomálií v kvalitě vzduchu v čase – vhodné pro výzkumníky nebo správce budov.
• Automatizovaná konfigurace: Využijte AI asistované nebo ruční nástroje pro rychlé nastavení a konfiguraci zařízení Aranet4, což zkracuje dobu instalace i pro netechnické uživatele.
• Vizualizace a reportování: Pro klienty s podporou obrázků generujte a zobrazujte grafy posledních měření pro snadnou interpretaci a reporting.
• Správa flotily zařízení: Skenujte a spravujte více zařízení Aranet4 v jednom prostoru, což umožňuje centralizovaný monitoring a konfiguraci.

Jak na nastavení

Windsurf

1. Předpoklady: Ujistěte se, že máte nainstalovaný Node.js a Python.
2. Klonování a nastavení serveru:

   git clone git@github.com:diegobit/aranet4-mcp-server.git
   cd aranet4-mcp-server
   

3. Instalujte závislosti: Použijte uv nebo pip install . dle preferencí.
4. Upravte konfiguraci Windsurf: Přidejte aranet4 server do sekce mcpServers.
5. Uložte a restartujte Windsurf.
6. Ověření: Zkontrolujte, že vaše zařízení je detekováno a data jsou dostupná.

Příklad JSON:

"mcpServers": {
  "aranet4": {
    "command": "uv",
    "args": [
      "--directory",
      "/path/to/aranet4-mcp-server/",
      "run",
      "src/server.py"
    ]
  }
}

Poznámka: Pro zabezpečení API klíčů nebo citlivých informací použijte proměnné prostředí:

"aranet4": {
  "env": {
    "ARANET4_API_KEY": "your_api_key_here"
  },
  "inputs": {}
}

Claude

1. Postupujte podle bodů 1–3 výše.
2. Upravte konfigurační soubor Claude Desktop: Najdete jej v ~/Library/Application Support/Claude/claude_desktop_config.json.
3. Přidejte aranet4 server dle výše uvedeného příkladu.
4. Uložte a restartujte Claude Desktop.
5. Proveďte průvodce nastavením pomocí init aranet4.

Cursor

1. Postupujte podle bodů 1–3 výše.
2. Upravte konfigurační soubor Cursor: Najdete jej v ~/.cursor/mcp.json.
3. Vložte JSON konfiguraci serveru aranet4.
4. Uložte a restartujte Cursor.
5. Proveďte průvodce nastavením pomocí init aranet4.

Cline

1. Postupujte podle bodů 1–3 výše.
2. Upravte relevantní konfigurační soubor Cline.
3. Přidejte JSON konfiguraci serveru aranet4.
4. Uložte a restartujte Cline.
5. Proveďte interaktivní konfiguraci pomocí průvodce nastavením.

Jak tento MCP použít ve flowech

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflowu ve FlowHunt začněte tím, že do vašeho flow přidáte komponent MCP a propojíte ji s vaším AI agentem:

Klikněte na komponent MCP pro otevření konfiguračního panelu. Do sekce systémové konfigurace MCP vložte údaje o svém MCP serveru v tomto JSON formátu:

{
  "aranet4": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po konfiguraci může AI agent tento MCP využívat jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “aranet4” na název vašeho MCP serveru a URL na adresu vašeho MCP serveru.

Přehled

Náš názor

aranet4 MCP server nabízí vysokou užitnou hodnotu pro správu zařízení Aranet4 i sběr environmentálních dat, s jasně vystavenými nástroji a dobrou podporou platforem. Chybí však zdokumentované šablony promptů a explicitní definice MCP zdrojů, stejně jako pokročilé MCP funkce typu sampling či roots. Návody k nastavení jsou praktické a detailní, zejména pro oblíbené AI vývojářské nástroje. Celkově se jedná o solidní a praktickou MCP implementaci pro svůj obor.

MCP skóre

Hodnocení: 6/10 – Výborná užitná hodnota pro konkrétní zařízení, ale chybí širší MCP funkce a dokumentace promptů/zdrojů.