
EdgeOne Pages MCP Server
EdgeOne Pages MCP Server muliggør hurtig, automatiseret udrulning af HTML, mapper eller zip-filer som statiske hjemmesider til EdgeOne Pages med øjeblikkelige o...

Integrer Edgee MCP Server i FlowHunt for at automatisere og administrere organisationer, projekter, brugere og komponenter med kraftfulde udviklerværktøjer og arbejdsgangsautomatisering.
FlowHunt giver et ekstra sikkerhedslag mellem dine interne systemer og AI-værktøjer, hvilket giver dig granulær kontrol over hvilke værktøjer der er tilgængelige fra dine MCP-servere. MCP-servere hostet i vores infrastruktur kan problemfrit integreres med FlowHunts chatbot samt populære AI-platforme som ChatGPT, Claude og forskellige AI-editorer.
Edgee MCP Server forbinder AI-assistenter og LLM-baserede agenter med Edgee API’et og muliggør avanceret organisations-, projekt-, komponent- og brugerstyring i udvikler-arbejdsgange. Ved at udnytte Model Context Protocol (MCP) gør Edgee MCP Server det muligt for klienter at udføre handlinger som at administrere organisationer, håndtere projekter og deres domæner/komponenter samt administrere brugere og API-tokens. Denne integration strømliner operationer som databaseforespørgsler, filhåndtering og API-interaktioner og gør det nemmere for udviklere at automatisere og styre forskellige aspekter af deres Edgee-ressourcer programmæssigt.
Der er ingen prompt-skabeloner dokumenteret i depotet.
Der er ingen eksplicitte MCP-ressourcer dokumenteret i depotet.
npm install -g @edgee/mcp-server-edgeewindsurf.config.json).{
"mcpServers": {
"edgee": {
"command": "npx",
"args": ["@edgee/mcp-server-edgee"]
}
}
}
Brug miljøvariabler til følsomme legitimationsoplysninger:
{
"mcpServers": {
"edgee": {
"command": "npx",
"args": ["@edgee/mcp-server-edgee"],
"env": {
"EDGEE_API_TOKEN": "YOUR_TOKEN"
}
}
}
}
npm install -g @edgee/mcp-server-edgeeclaude_desktop_config.json:{
"mcpServers": {
"edgee": {
"command": "npx",
"args": ["@edgee/mcp-server-edgee"]
}
}
}
{
"mcpServers": {
"edgee": {
"command": "npx",
"args": ["@edgee/mcp-server-edgee"],
"env": {
"EDGEE_API_TOKEN": "YOUR_TOKEN"
}
}
}
}
npm install -g @edgee/mcp-server-edgeecursor.config.json).{
"mcpServers": {
"edgee": {
"command": "npx",
"args": ["@edgee/mcp-server-edgee"]
}
}
}
{
"mcpServers": {
"edgee": {
"command": "npx",
"args": ["@edgee/mcp-server-edgee"],
"env": {
"EDGEE_API_TOKEN": "YOUR_TOKEN"
}
}
}
}
npm install -g @edgee/mcp-server-edgeecline.config.json.{
"mcpServers": {
"edgee": {
"command": "npx",
"args": ["@edgee/mcp-server-edgee"]
}
}
}
{
"mcpServers": {
"edgee": {
"command": "npx",
"args": ["@edgee/mcp-server-edgee"],
"env": {
"EDGEE_API_TOKEN": "YOUR_TOKEN"
}
}
}
}
Brug af MCP i FlowHunt
For at integrere MCP-servere i dit FlowHunt-flow 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 indsættes dine MCP-serveroplysninger med dette JSON-format:
{
"edgee": {
"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 muligheder. Husk at ændre “edgee” til det reelle navn på din MCP-server (f.eks. “github-mcp”, “weather-api” osv.) og erstat URL’en med din egen MCP-server-URL.
| Sektion | Tilgængelighed | Detaljer/Noter |
|---|---|---|
| Oversigt | ✅ | Oversigt fundet i README.md |
| Liste over Prompter | ⛔ | Ingen dokumenterede prompt-skabeloner |
| Liste over Ressourcer | ⛔ | Ingen eksplicit MCP-ressourcer fundet |
| Liste over Værktøjer | ✅ | Fuld værktøjsliste til stede i README.md |
| Sikkerhed ved API-nøgler | ✅ | Brug af miljøvariabler vist i opsætningsinstruktioner |
| Sampling Support (mindre vigtigt i evaluering) | ⛔ | Ingen omtale af sampling |
På baggrund af ovenstående oversigtstabel tilbyder Edgee MCP Server solid værktøjsunderstøttelse og klare opsætningsinstruktioner, men mangler dokumenterede prompter, ressourceprimitiver og sampling/roots-understøttelse. Dokumentationen er hjælpsom, men kunne være mere komplet ift. MCP-specifikke funktioner.
MCP-score: 5/10
Edgee MCP Server tilbyder robust værktøjsintegration og klar opsætning på flere platforme, men mangler prompt-skabeloner, ressourcedeskriptioner og avancerede MCP-funktioner som roots og sampling, som ville øge dens nytte og interoperabilitet.
| Har en LICENSE | ✅ (Apache-2.0) |
|---|---|
| Har mindst ét værktøj | ✅ |
| Antal forks | 1 |
| Antal stjerner | 0 |
Edgee MCP Server forbinder AI-assistenter og LLM-baserede agenter med Edgee API'et og gør det muligt for udviklere at automatisere organisations-, projekt-, komponent- og brugerstyring via Model Context Protocol (MCP).
Den er ideel til automatisering af organisations- og projektstyring, komponent-livscyklusoperationer, bruger- og adgangsadministration samt sikker filupload-automatisering—specielt i udvikler- og AI-arbejdsgangssammenhænge.
Installer serveren globalt med npm og tilføj konfigurationen i din klients konfigurationsfil. Brug miljøvariabler til sikkert at håndtere dine API-tokens som vist i opsætningsinstruktionerne ovenfor.
Den understøtter organisationsstyring, projekt- og domæneoperationer, komponentpublicering og versionering, brugerinvitationshåndtering, API-token administration og sikker filupload.
Edgee MCP Server dokumenterer i øjeblikket ikke prompt-skabeloner eller eksplicitte MCP-ressourcer, men fokuserer i stedet på robust værktøjsintegration og arbejdsgangsautomatisering.
API-tokens bør altid gemmes som miljøvariabler i din konfiguration for at forhindre utilsigtet eksponering og holde din automatisering sikker.
Styrk dine AI-arbejdsgange ved at integrere Edgee MCP Server for problemfri organisations-, projekt- og brugerstyring. Begynd at automatisere dine udvikleroperationer i dag.
EdgeOne Pages MCP Server muliggør hurtig, automatiseret udrulning af HTML, mapper eller zip-filer som statiske hjemmesider til EdgeOne Pages med øjeblikkelige o...
Odoo MCP Server muliggør problemfri interaktion mellem AI-værktøjer og Odoo ERP-systemer, så automatiserede arbejdsgange kan håndtere og forespørge forretningsd...
ModelContextProtocol (MCP) Server fungerer som et bindeled mellem AI-agenter og eksterne datakilder, API’er og tjenester, så FlowHunt-brugere kan bygge kontekst...
Cookie Samtykke
Vi bruger cookies til at forbedre din browsingoplevelse og analysere vores trafik. See our privacy policy.


