UNS-MCP (Unstructured Model Context Protocol) MCP Server

Co dělá server “UNS-MCP” MCP?

UNS-MCP (Unstructured Model Context Protocol) Server je specializovaná implementace MCP serveru určená pro bezproblémovou interakci s Unstructured API. Slouží jako most mezi AI asistenty a externími zdroji dat, konektory a workflow, čímž umožňuje rozšířenou automatizaci a integraci ve vývojových procesech. S UNS-MCP mohou vývojáři a AI klienti provádět úkoly jako je výpis zdrojů a workflow, správa životního cyklu konektorů či orchestraci datových pipeline — to vše prostřednictvím standardizovaných MCP nástrojů. Díky zpřístupnění správy workflow a konektorů jako nástrojů umožňuje UNS-MCP Server vývojářům automatizovat rutinní úkoly data engineeringu, zefektivnit ingest dat a integrovat různá cloudová i databázová řešení, což urychluje vývoj robustních, na datech postavených AI aplikací.

Seznam promptů

V poskytnutém repozitáři ani dokumentaci nejsou uvedeny žádné šablony promptů.

Seznam zdrojů

V přístupném obsahu repozitáře nejsou definovány ani zpřístupněny žádné explicitní zdroje.

Seznam nástrojů

• list_sources: Vypíše dostupné zdroje z Unstructured API.
• get_source_info: Získá podrobné informace o konkrétním zdrojovém konektoru.
• create_source_connector: Vytvoří nový zdrojový konektor.
• update_source_connector: Aktualizuje existující zdrojový konektor podle parametrů.
• delete_source_connector: Smaže zdrojový konektor podle ID zdroje.
• list_destinations: Vypíše dostupné destinace z Unstructured API.
• get_destination_info: Získá detailní informace o konkrétním cílovém konektoru.
• create_destination_connector: Vytvoří cílový konektor dle parametrů.
• update_destination_connector: Aktualizuje existující cílový konektor dle ID.
• delete_destination_connector: Smaže cílový konektor dle ID.
• list_workflows: Vypíše workflow z Unstructured API.
• get_workflow_info: Získá detailní informace o konkrétním workflow.
• create_workflow: Vytvoří nový workflow se zdrojem, ID destinace apod.
• run_workflow: Spustí konkrétní workflow podle ID.
• update_workflow: Aktualizuje existující workflow dle parametrů.
• delete_workflow: Smaže konkrétní workflow dle ID.
• list_jobs: Vypíše úlohy pro konkrétní workflow.
• get_job_info: Získá podrobné informace o konkrétní úloze podle ID.
• cancel_job: Smaže (zruší) konkrétní úlohu podle ID.
• list_workflows_with_finished_jobs: Vypíše všechny workflow s dokončenými úlohami včetně detailů o zdrojích a destinacích.

Příklady použití tohoto MCP serveru

• Automatizace datových pipeline: Zrychlete nastavování a orchestraci komplexních ETL (Extract, Transform, Load) workflow programovou správou zdrojů, destinací a workflow.
• Správa životního cyklu konektorů: Automatizujte tvorbu, aktualizaci a mazání konektorů pro oblíbená cloudová úložiště, databáze a SaaS platformy (např. S3, Azure, Salesforce).
• Spouštění a monitoring workflow: Umožněte AI asistentům spouštět, monitorovat a spravovat úlohy a workflow, zajistit hladký chod datových operací a rychlou reakci na chyby či změny stavu.
• Integrace s vektorovými databázemi: Bezproblémové propojení s vektorovými databázemi typu Weaviate nebo Pinecone, což umožňuje pokročilé AI aplikace vyžadující vektorové vyhledávání.
• Správa a audit dat: Programově vypište, zkontrolujte a auditujte všechny úlohy a dokončené workflow pro podporu compliance a governance požadavků.

Jak jej nastavit

Windsurf

1. Ujistěte se, že máte nainstalovaný Python a potřebné závislosti.
2. Najděte svůj konfigurační soubor Windsurf (např. windsurf.config.json).
3. Přidejte UNS-MCP server do sekce mcpServers pomocí následujícího JSON úryvku:

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

4. Uložte konfiguraci a restartujte Windsurf.
5. Ověřte, že se UNS-MCP server objeví jako dostupný MCP server.

Claude

1. Najděte svůj desktopový konfigurační soubor Claude (např. claude_desktop_config.json).
2. Přidejte nastavení UNS-MCP serveru takto:

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

3. Uložte soubor a restartujte Claude.
4. Ověřte nastavení kontrolou dostupnosti MCP serveru.

Cursor

1. Otevřete konfiguraci Cursor (např. cursor.config.json).
2. Přidejte konfiguraci MCP serveru:

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

3. Uložte změny a restartujte Cursor.
4. Ověřte připojení k MCP serveru.

Cline

1. Otevřete svůj konfigurační soubor Cline.
2. Vložte následující konfiguraci MCP serveru:

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

3. Uložte a restartujte Cline.
4. Zkontrolujte integraci MCP serveru.

Zabezpečení API klíčů

• Pro správu citlivých API klíčů a přihlašovacích údajů používejte proměnné prostředí.
• Příklad specifikace .env nebo prostředí:

  {
    "env": {
      "ANTHROPIC_API_KEY": "váš-api-klíč",
      "AWS_KEY": "váš-aws-klíč",
      "AWS_SECRET": "váš-aws-secret",
      "WEAVIATE_CLOUD_API_KEY": "váš-weaviate-api-klíč"
    },
    "inputs": {
      // Ostatní vstupy pro nástroje
    }
  }
  

Jak tento MCP použít uvnitř flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do svého workflow ve FlowHunt přidejte do flow komponentu MCP a propojte ji se svým AI agentem:

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

{
  "unstructured-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po nastavení může AI agent využívat tento MCP jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit "unstructured-mcp" na skutečný název vašeho MCP serveru a URL na vaši vlastní adresu MCP serveru.

Přehled

Náš názor

UNS-MCP server vyniká v pokrytí nástrojů a dokumentaci k nastavení, ale postrádá explicitní vystavení zdrojů a šablon promptů. Je velmi praktický pro správu datových pipeline a automatizaci konektorů, ale mohl by se zlepšit ve standardizaci zdrojů MCP a dokumentaci.

MCP skóre

Hodnocení: 6/10 — Server je funkční a dobře zdokumentovaný pro použití nástrojů a správu konektorů, ale chybí mu klíčové MCP vlastnosti jako definice promptů a zdrojů i jasnost licencování. To snižuje jeho využitelnost pro některé pokročilé MCP workflow.