aranet4 MCP Server

Hvad laver “aranet4” MCP Server?

aranet4 MCP Server er en Model Context Protocol (MCP) server designet til at administrere din Aranet4 CO2-sensorenhed og dens tilhørende lokale database. Ved at forbinde AI-assistenter og eksterne datakilder muliggør denne server problemfri interaktion med din enhed til opgaver som scanning efter nærliggende enheder, indhentning og lagring af måledata samt forespørgsler på historiske sensormålinger. Den understøtter automatiske opdateringer, assisteret konfiguration, og endda visualisering af data for klienter, der understøtter billeder. Serveren forbedrer udviklerarbejdsgange ved at forenkle integrationen af miljøsensor-data i bredere LLM-drevne automationer, hvilket gør det lettere at overvåge luftkvalitet, følge historiske trends og programmere enhedsindstillinger.

Liste over Prompts

Ingen eksplicitte prompt-skabeloner er dokumenteret i repoet eller README.

Liste over Ressourcer

Ingen eksplicitte ressourcer er dokumenteret i repoet eller README.

Liste over Værktøjer

Konfiguration og værktøjer:

• init_aranet4_config: Assisteret konfiguration af Aranet4-enheden.
• scan_devices: Scanner efter nærliggende Bluetooth Aranet4-enheder.
• get_configuration_and_db_stats: Henter aktuel config.yaml og generelle statistikker fra den lokale SQLite-database.
• set_configuration: Sætter værdier i config.yaml.

For at opdatere historiske data:

• fetch_new_data: Henter nye data fra den konfigurerede Aranet4-enhed og gemmer dem i den lokale database.

For at forespørge historiske data:

• get_recent_data: Henter nye data fra den lokale database; kan angive antallet af målinger.

Anvendelsesmuligheder for denne MCP Server

• Miljøovervågning: Scanner og indsamler automatisk luftkvalitets- og CO2-data fra nærliggende Aranet4-enheder og gemmer det i en lokal database til videre analyse.
• Historisk Dataanalyse: Forespørg og gennemgå tidligere sensormålinger for at identificere trends eller afvigelser i luftkvaliteten over tid, til gavn for forskere eller facility managers.
• Automatiseret Konfiguration: Brug AI-assisterede eller manuelle værktøjer til hurtigt at sætte og konfigurere Aranet4-enheder, hvilket reducerer opsætningstiden for ikke-tekniske brugere.
• Visualisering og Rapportering: For klienter der understøtter billedoutput, generér og visualisér plots af de seneste målinger for nem fortolkning og rapportering.
• Administrering af Enhedsflåder: Scan og administrer flere Aranet4-enheder i et område, hvilket muliggør centraliseret overvågning og konfiguration.

Sådan sætter du det op

Windsurf

1. Forudsætninger: Sørg for, at du har Node.js og Python installeret.
2. Klon og opsæt serveren:

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

3. Installer afhængigheder: Brug uv eller pip install . efter præference.
4. Redigér Windsurf-konfiguration: Tilføj aranet4-serveren til mcpServers sektionen.
5. Gem og genstart Windsurf.
6. Verificér: Tjek at din enhed bliver registreret og at data er tilgængelig.

Eksempel på JSON:

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

Bemærk: For at sikre API-nøgler eller følsomme oplysninger, brug miljøvariabler:

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

Claude

1. Følg trin 1–3 ovenfor.
2. Redigér Claude Desktop konfigurationsfil: Findes i ~/Library/Application Support/Claude/claude_desktop_config.json.
3. Tilføj aranet4-serveren som vist ovenfor.
4. Gem og genstart Claude Desktop.
5. Brug init aranet4 for guidet opsætning.

Cursor

1. Følg trin 1–3 ovenfor.
2. Redigér Cursor konfigurationsfil: Findes i ~/.cursor/mcp.json.
3. Indsæt aranet4-serverens JSON-konfiguration.
4. Gem og genstart Cursor.
5. Brug init aranet4 for guidet opsætning.

Cline

1. Følg trin 1–3 ovenfor.
2. Redigér din relevante Cline konfigurationsfil.
3. Tilføj aranet4-serverens JSON-konfiguration.
4. Gem og genstart Cline.
5. Brug det interaktive konfigurationsværktøj til opsætning.

Sådan bruges denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i din FlowHunt-arbejdsgang, start med at tilføje MCP-komponenten til dit flow og forbind den til din AI-agent:

Klik på MCP-komponenten for at åbne konfigurationspanelet. I systemets MCP-konfigurationssektion indsætter du dine MCP-serveroplysninger i dette JSON-format:

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

Når det er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og kapaciteter. Husk at ændre “aranet4” til navnet på din egen MCP-server og erstatte URL’en med din MCP-server-URL.

Oversigt

Vores vurdering

aranet4 MCP server giver stærk nytteværdi for Aranet4-enhedsadministration og miljømålinger, med tydelig værktøjseksponering og god platformunderstøttelse. Dog mangler den dokumenterede prompt-skabeloner og eksplicitte MCP-ressourcedefinitioner samt avancerede MCP-funktioner som sampling og roots. Opsætningsvejledningen er praktisk og detaljeret, især for populære AI-devtools. Alt i alt er dette en solid og praktisk MCP-implementering for sit område.

MCP Score

Bedømmelse: 6/10 – Stærk enhedsspecifik nytteværdi, men mangler bredere MCP-funktioner og dokumentation for prompts/ressourcer.