LlamaCloud MCP Server

Co dělá „LlamaCloud“ MCP Server?

LlamaCloud MCP Server je server Model Context Protocol (MCP) založený na TypeScriptu, který propojuje AI asistenty s více spravovanými indexy na LlamaCloud. Každý index LlamaCloud je vystaven jako samostatný nástroj, což AI agentům umožňuje provádět vyhledávání a dotazování v různých strukturovaných sadách dokumentů – například v podáních SEC nebo firemně specifických datech – přímo přes MCP rozhraní. Toto nastavení zefektivňuje vývojářské workflowy díky snadnému přístupu k externím datům a usnadňuje úlohy jako kontextové vyhledávání dat, vyhledávání dokumentů a rozšiřování znalostí v AI aplikacích. Pomocí konfigurovatelných argumentů příkazové řádky mohou vývojáři snadno nastavovat a spravovat více indexů jako MCP nástroje, díky čemuž je LlamaCloud flexibilním mostem mezi LLM a podnikovými repozitáři dokumentů.

Seznam promptů

V dostupné dokumentaci ani kódu pro LlamaCloud MCP Server nejsou uvedeny žádné explicitní šablony promptů.

Seznam resources

V dostupné dokumentaci ani kódu pro LlamaCloud MCP Server nejsou uvedeny žádné specifické resources.

Seznam nástrojů

• get_information_index_name
  Každý LlamaCloud index definovaný v konfiguraci se stává nástrojem (např. get_information_10k-SEC-Tesla). Každý nástroj vystavuje parametr query, který umožňuje vyhledávání v jeho spravovaném indexu.

Použití tohoto MCP serveru

• Podnikové vyhledávání dokumentů
  Vývojáři mohou nakonfigurovat nástroje pro různé firemní indexy dokumentů (např. SEC podání pro Teslu či Apple), což umožní AI agentům na požádání vyhledávat a sumarizovat relevantní firemní informace.
• Rozšiřování znalostí v AI agentech
  Asistenti pohánění LLM mohou čerpat z autoritativních datových zdrojů (jako jsou 10k SEC dokumenty) pro přesnější a kontextovější odpovědi.
• Vyhledávání napříč více indexy
  Díky připojení k více indexům najednou umožňuje server scénáře vyhledávání napříč repozitáři např. pro výzkum nebo compliance úlohy.
• Vlastní datové pipeline
  Týmy mohou propojit vlastní sady dokumentů do indexů LlamaCloud a bezpečně je vystavit AI workflowům pro interní analytiku či reporting.

Jak jej nastavit

Windsurf

1. Ujistěte se, že máte nainstalovaný Node.js a npx.
2. Otevřete konfigurační soubor Windsurf MCP klienta.
3. Přidejte LlamaCloud MCP Server pod objekt mcpServers dle příkladu níže.
4. Vložte název svého LlamaCloud projektu a API klíč do sekce env.
5. Uložte konfiguraci a restartujte Windsurf.

{
  "mcpServers": {
    "llamacloud": {
      "command": "npx",
      "args": [
        "-y",
        "@llamaindex/mcp-server-llamacloud",
        "--index",
        "10k-SEC-Tesla",
        "--description",
        "10k SEC dokumenty z roku 2023 pro Tesla",
        "--index",
        "10k-SEC-Apple",
        "--description",
        "10k SEC dokumenty z roku 2023 pro Apple"
      ],
      "env": {
        "LLAMA_CLOUD_PROJECT_NAME": "<YOUR_PROJECT_NAME>",
        "LLAMA_CLOUD_API_KEY": "<YOUR_API_KEY>"
      }
    }
  }
}

Claude

1. Ujistěte se, že jsou nainstalovány Node.js a npx.
2. Najděte MCP konfigurační soubor pro Claude:
   • Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
3. Přidejte konfiguraci LlamaCloud MCP Serveru do objektu mcpServers (viz příklad Windsurf výše).
4. Vložte své API údaje do sekce env.
5. Uložte změny a restartujte Claude.

Cursor

1. Nainstalujte Node.js a npx, pokud ještě nejsou přítomny.
2. Otevřete konfigurační soubor MCP klienta Cursor.
3. Vložte konfiguraci LlamaCloud MCP Serveru dle příkladu Windsurf.
4. Zadejte své API údaje.
5. Uložte a restartujte Cursor.

Cline

1. Ujistěte se, že jsou dostupné Node.js a npx.
2. Najděte nebo vytvořte svůj konfigurační soubor MCP klienta Cline.
3. Přidejte konfiguraci LlamaCloud MCP Serveru pod mcpServers, dle výše uvedeného příkladu.
4. Zadejte své API údaje pro LlamaCloud.
5. Uložte a restartujte Cline.

Zabezpečení API klíčů

Používejte proměnné prostředí v sekci env svého konfiguračního souboru. Příklad:

"env": {
  "LLAMA_CLOUD_PROJECT_NAME": "<YOUR_PROJECT_NAME>",
  "LLAMA_CLOUD_API_KEY": "<YOUR_API_KEY>"
}

Nikdy pokud možno nevystavujte tajné údaje v prostém textu.

Jak tento MCP použít ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do svého workflowu ve FlowHunt začněte přidáním MCP komponenty do svého flow a jejím propojením s AI agentem:

Klikněte na MCP komponentu a otevřete konfigurační panel. Do sekce systémové konfigurace MCP vložte údaje o svém MCP serveru v tomto JSON formátu:

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

Po uložení je AI agent schopen tento MCP používat jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit „llamacloud“ na skutečný název vašeho MCP serveru a také upravit URL na vaši vlastní adresu MCP serveru.

Přehled

Náš názor

LlamaCloud MCP Server je zaměřený a snadno nastavitelný pro propojení LLM s řízenými indexy dokumentů. Chybí mu pokročilé resources a šablony promptů, avšak jeho přístup „každý index = nástroj“ je čistý a dobře zdokumentovaný. Podle tabulek je to solidní a přímočará volba pro vývojáře hledající robustní vyhledávání dokumentů, ale ne pro ty, kteří potřebují pokročilé MCP funkce jako resources, roots či sampling.

HODNOCENÍ: 6/10

MCP Score