DexPaprika MCP Server

Hvad gør “DexPaprika” MCP Server?

DexPaprika MCP Server er en Model Context Protocol (MCP) server designet til at give adgang på efterspørgsel til realtids- og historiske data om kryptotokens, decentraliseret børs (DEX)-handelsaktivitet og likviditet på tværs af flere blockchains. Den muliggør forespørgsler i naturligt sprog via et standardiseret interface, hvilket gør det muligt for AI-assistenter som Claude at hente live token-, pulje- og DEX-data uden behov for API-nøgler eller kompleks konfiguration. DexPaprika MCP giver udviklere og AI-drevne agenter mulighed for at udforske markedstendenser, analysere tokenperformance, udføre DeFi-analyse og understøtte avancerede workflows som porteføljeovervågning og teknisk analyse – alt sammen via programmatisk adgang til DexPaprika API’et.

Liste over Prompts

Ingen prompt-skabeloner er eksplicit nævnt i den tilgængelige dokumentation eller repositories.

Liste over Ressourcer

Ingen eksplicitte MCP-ressourcer er angivet i repository eller dokumentation.

Liste over Værktøjer

Ingen eksplicitte værktøjer eller værktøjsdefinitioner findes i server.py eller tilsvarende filer i repository.

Anvendelsesmuligheder for denne MCP Server

• Tokenanalyseværktøjer: Spor prisbevægelser, ændringer i likviditetsdybde og volumemønstre for individuelle tokens.
• DEX-sammenligninger: Analyser gebyrstrukturer, volumen og tilgængelige puljer på tværs af forskellige decentraliserede børser.
• Likviditetspulanalyse: Overvåg ændringer i TVL (Total Value Locked), beregn impermanent loss og vurder prisindflydelse i likviditetspuljer.
• Markedsanalyse: Udfør kædeoverskridende tokensammenligninger, identificer volumetrends og overvåg handelsaktivitetsmålinger på tværs af blockchains.
• Portefølje-trackers: Muliggør realtids overvågning af porteføljeværdi, historisk performanceanalyse og opdagelse af afkastmuligheder for DeFi-porteføljer.
• Teknisk Analyse: Udnyt historiske OHLCV-data (Open, High, Low, Close, Volume) til trendidentifikation, mønstergenkendelse og indikatorberegninger.

Sådan sættes det op

Windsurf

1. Sørg for, at Node.js er installeret på dit system.
2. Find din Windsurf-konfigurationsfil.
3. Tilføj DexPaprika MCP Server ved at bruge følgende JSON-udsnit:

   {
     "mcpServers": [
       {
         "command": "dexpaprika-mcp",
         "args": []
       }
     ]
   }
   

4. Gem konfigurationsfilen og genstart Windsurf.
5. Bekræft, at serveren kører ved at tjekke for MCP server is running at http://localhost:8010.

Claude

1. Installer serveren globalt:

   npm install -g dexpaprika-mcp
   

2. Start serveren:

   dexpaprika-mcp
   

3. Tilføj følgende udsnit i Claude-konfigurationen:

   {
     "mcpServers": [
       {
         "command": "dexpaprika-mcp",
         "args": []
       }
     ]
   }
   

4. Gem og genstart Claude.
5. Bekræft forbindelsen i Claude-appen.

Cursor

1. Installer Node.js, hvis det ikke allerede er installeret.
2. Åbn Cursors MCP-serverkonfiguration.
3. Tilføj DexPaprika MCP Server:

   {
     "mcpServers": [
       {
         "command": "dexpaprika-mcp",
         "args": []
       }
     ]
   }
   

4. Gem og genstart Cursor.
5. Sikr, at MCP-serveren er tilgængelig.

Cline

1. Installer Node.js som forudsætning.
2. Rediger din Cline-konfigurationsfil.
3. Indsæt MCP-serverkonfigurationen:

   {
     "mcpServers": [
       {
         "command": "dexpaprika-mcp",
         "args": []
       }
     ]
   }
   

4. Genstart Cline for at anvende ændringerne.
5. Tjek logs for at bekræfte forbindelsen.

Sikring af API-nøgler

DexPaprika MCP kræver ikke API-nøgler for brug, men hvis du skal tilføje miljøvariabler, kan du bruge:

{
  "env": {
    "EXAMPLE_KEY": "${EXAMPLE_KEY}"
  },
  "inputs": {
    "example_input": "value"
  }
}

Sådan bruges denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i dit FlowHunt-workflow skal du starte med at tilføje MCP-komponenten til dit flow og forbinde den til din AI-agent:

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

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

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

Oversigt

Roots-support: Ikke nævnt

Baseret på ovenstående giver DexPaprika MCP en nyttig krypto- og DEX-analyse-server til MCP/AI-workflows, men er meget sparsomt dokumenteret med hensyn til prompt-skabeloner, værktøjer eller ressourcer, og nævner ikke Roots- eller Sampling-support. Serveren er let at sætte op, kræver ingen API-nøgler og er open source, men dokumentationen kunne udvides for rigere integrationer.

MCP-score