Integrace Paddle MCP Serveru

K čemu slouží “Paddle” MCP Server?

Paddle MCP (Model Context Protocol) Server je most mezi AI asistenty a Paddle API, který umožňuje efektivní správu produktových katalogů, fakturace, předplatných a finančních reportů. Zpřístupněním široké palety funkcí obchodu a fakturace Paddle prostřednictvím MCP umožňuje AI nástrojům jako Claude, Cursor nebo Windsurf bezpečně komunikovat s Paddle API. Tato integrace umožňuje inteligentní automatizaci vývojářských workflow, jako je dotazování produktů, vytváření nových položek v katalogu, správa zákazníků nebo generování obchodních reportů. Přenesením těchto úkolů na Paddle MCP Server mohou vývojáři a AI agenti rychle získat aktuální informace o fakturaci a produktech, spravovat ceny a provádět složité operace bez ručního zásahu, což zvyšuje efektivitu a přesnost při vývoji a provozu SaaS produktů.

Seznam šablon promptů

Žádné šablony promptů nejsou v repozitáři ani dokumentaci výslovně zmíněny.

Seznam zdrojů

V repozitáři ani dokumentaci nejsou výslovně zmíněny žádné MCP zdroje.

Seznam nástrojů

Na základě README a funkcí jsou těmito nástroji, které Paddle MCP Server poskytuje:

• Výpis produktů: Získá seznam produktů ve vašem Paddle katalogu.
• Vytvoření produktu: Přidá nový produkt do vašeho Paddle katalogu.
• Výpis cen: Získá informace o cenách produktů.
• Vytvoření ceny: Přidá novou cenu ke stávajícímu produktu.
• Výpis zákazníků: Získá seznam zákazníků.
• Výpis transakcí: Získá seznam transakcí.
• Výpis předplatných: Získá všechna předplatná spravovaná v Paddle.
• Vytvoření vlastního reportu: Vygeneruje vlastní finanční analytický report.

Použití tohoto MCP Serveru

• Správa produktového katalogu: Snadno vypisujte, vytvářejte a aktualizujte produkty ve svém Paddle katalogu pomocí AI asistentů nebo pluginů v IDE, což zjednodušuje operace s katalogem a snižuje chybovost.
• Operace s předplatným a fakturací: Rychlý přístup, výpis a správa předplatných a fakturačních údajů zákazníků usnadňuje řešení SaaS fakturační logiky přímo ve vývojářském prostředí.
• Finanční reporting: Vytvářejte a získávejte finanční a obchodní reporty pro analytiku nebo audity přímo prostřednictvím AI nástrojů, čímž automatizujete složité reportovací úkoly.
• Automatizace zákaznické podpory: Umožněte AI automatizaci zákaznické podpory, získávání dat o zákaznících, řešení dotazů na fakturaci nebo aktualizaci záznamů, čímž zvýšíte efektivitu podpory.
• API-poháněné obchodní integrace: Použijte MCP server jako automatizační vrstvu při integraci fakturačních a obchodních možností Paddle do vlastních aplikací, botů nebo interních nástrojů.

Jak jej nastavit

Windsurf

1. Předpoklady: Ujistěte se, že máte nainstalovaný Node.js.
2. Získání Paddle API klíče: Vytvořte nebo spravujte svůj API klíč v Paddle Developer nástrojích.
3. Úprava konfigurace: Přidejte položku Paddle MCP serveru do vaší Windsurf MCP konfigurace.
4. Vložení JSON úryvku:

   {
     "mcpServers": {
       "paddle": {
         "command": "npx",
         "args": ["-y", "@paddle/paddle-mcp", "--api-key=PADDLE_API_KEY", "--environment=sandbox"]
       }
     }
   }
   

5. Uložení & restart: Uložte konfiguraci a restartujte Windsurf.
6. Ověření: Zkontrolujte dostupnost Paddle MCP serveru ve Windsurf.

Zabezpečení API klíčů

Příklad použití proměnných prostředí:

{
  "mcpServers": {
    "paddle": {
      "command": "npx",
      "args": ["-y", "@paddle/paddle-mcp"],
      "env": {
        "PADDLE_API_KEY": "your_api_key",
        "PADDLE_ENVIRONMENT": "sandbox"
      }
    }
  }
}

Claude

1. Předpoklady: Ujistěte se, že je nainstalován Node.js.
2. Získání API klíče: Získejte jej v Paddle Developer nástrojích.
3. Úprava MCP konfigurace: Přidejte Paddle MCP JSON do vaší konfigurace.
4. Vložení JSON úryvku:

   {
     "mcpServers": {
       "paddle": {
         "command": "npx",
         "args": ["-y", "@paddle/paddle-mcp", "--api-key=PADDLE_API_KEY", "--environment=production"]
       }
     }
   }
   

5. Uložte a restartujte Claude.

Zabezpečení API klíčů

Použijte proměnné prostředí dle výše uvedeného příkladu.

Cursor

1. Předpoklady: Nainstalovaný Node.js.
2. Získání API klíče: Získejte v Paddle Developer nástrojích.
3. Úprava konfigurace: Přidejte MCP server do konfigurace Cursor.
4. Vložení JSON úryvku:

   {
     "mcpServers": {
       "paddle": {
         "command": "npx",
         "args": ["-y", "@paddle/paddle-mcp", "--api-key=PADDLE_API_KEY", "--environment=sandbox"]
       }
     }
   }
   

5. Restartujte Cursor a ověřte integraci Paddle MCP.

Zabezpečení API klíčů

Použijte přístup s proměnnými prostředí jako výše.

Cline

1. Předpoklady: Ujistěte se, že je nainstalován Node.js.
2. API klíč: Získejte v Paddle Developer nástrojích.
3. Konfigurační soubor: Přidejte položku Paddle MCP do konfigurace.
4. Příklad JSON:

   {
     "mcpServers": {
       "paddle": {
         "command": "npx",
         "args": ["-y", "@paddle/paddle-mcp", "--api-key=PADDLE_API_KEY", "--environment=sandbox"]
       }
     }
   }
   

5. Uložte a restartujte Cline.

Zabezpečení API klíčů

Použijte proměnné prostředí, jak je popsáno výše.

Jak používat tento MCP ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflow ve FlowHunt začněte tím, že přidáte MCP komponentu do svého flow a propojíte ji s AI agentem:

Klikněte na MCP komponentu pro otevření konfiguračního panelu. V sekci systémové konfigurace MCP vložte údaje o vašem MCP serveru v tomto JSON formátu:

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

Po konfiguraci může AI agent tento MCP použít jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “paddle” na skutečný název vašeho MCP serveru a URL nahradit adresou vlastního MCP serveru.

Přehled

Na základě dostupných informací poskytuje Paddle MCP server solidní sadu nástrojů a instrukcí k nastavení, ale v dokumentaci mu chybí výslovné šablony promptů a definice zdrojů. Jeho bezpečnostní doporučení jsou jasná a sada funkcí dobře odpovídá Paddle API. Absence dokumentace ke kořenům a podpoře sampling je jen menší nedostatek.

MCP Hodnocení

Celkově bych tento MCP server ohodnotil 6/10. Pokrývá základy pro automatizaci Paddle API, poskytuje jasné instrukce k nastavení a bezpečnosti a nabízí klíčové nástroje, ale v dokumentaci mu chybí pokročilejší MCP prvky jako zdroje, šablony promptů, kořeny a podpora sampling.