Inoyu MCP Unomi Server-integration

Inoyu MCP Unomi Server-integration

Gør din AI i stand til at udføre vedvarende, kontekstbaseret brugerdatastyring ved at forbinde Anthropic’s Claude med Apache Unomi via Inoyu MCP Unomi Server.

Hvad gør “Inoyu” MCP Server?

Inoyu MCP Unomi Server er en Model Context Protocol (MCP) server, der integrerer Anthropics MCP med Apache Unomi Customer Data Platform (CDP). Dette gør det muligt for AI-assistenter som Claude at interagere med og administrere brugerprofiler i Unomi, hvilket muliggør kontekstuel bevidsthed og vedvarende brugerdata på tværs af sessioner. Serveren understøtter profilopslag og -oprettelse via e-mail, håndtering af profiloplysninger, sessionstyring og scope-håndtering for kontekstisolation. Ved at udstille disse muligheder via MCP kan Inoyu-serveren lade AI-agenter udføre avancerede brugerdataoperationer såsom at hente eller opdatere brugerinformation og dermed forbedre udviklingsworkflows, der kræver vedvarende, kontekstbaseret brugerdatastyring.

Liste over prompts

Ingen prompt-skabeloner er angivet i repository eller dokumentation.

Liste over ressourcer

Ingen eksplicitte MCP-ressourcer er dokumenteret eller angivet i repository-filerne.

Liste over værktøjer

  • get_my_profile
    Henter brugerens profil via miljøvariabler. Understøtter hentning af segment- og scoreinformation og genererer et sessions-ID baseret på den aktuelle dato.

  • update_my_profile
    Opdaterer egenskaber i brugerens profil. Accepterer et properties-objekt med nøgle-værdi-par, der understøtter forskellige datatyper (string, number, boolean, null).

  • get_profile
    Henter en specifik profil via dens ID fra Unomi og returnerer de komplette profildata.

  • search_profiles
    Søger efter profiler baseret på en forespørgselsstreng med valgfrie limit- og offset-parametre. Søger i felterne firstName, lastName og email.

Anvendelsesmuligheder for denne MCP Server

  • Personlige AI-samtaler
    Gør det muligt for AI-assistenter at huske og opdatere brugeroplysninger (såsom navn, præferencer eller abonnement), hvilket giver en mere personlig brugeroplevelse på tværs af sessioner.
  • Kundedatastyring
    Gør det nemt at slå kundeprofiler op, opdatere eller hente dem direkte fra Unomi og effektiviserer kundesupport og CRM-workflows for udviklere.
  • Brugersegmentering og målretning
    Giver adgang til profiler, segmenter og scores, så udviklere kan segmentere brugere og målrette indhold eller tilbud via AI-integrerede workflows.
  • Kontekstuel sessionhåndtering
    Automatiserer sessionstyring med dato-baserede IDs, så brugerkontekst bevares og isoleres på tværs af forskellige interaktioner eller sessioner.
  • Profilsøgning og revision
    Gør det muligt at søge i profiler til compliance, revision eller analyse, hvilket gør det lettere at håndtere store brugerdatabaser programmatisk.

Sådan sætter du det op

Windsurf

Ingen specifikke Windsurf-instruktioner er angivet.

Claude

  1. Sørg for, at forudsætninger er opfyldt (Node.js og npx).
  2. Find konfigurationsfilen:
    • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
    • Windows: %APPDATA%/Claude/claude_desktop_config.json
  3. Tilføj Inoyu MCP Unomi Server-konfigurationen:
{
  "mcpServers": {
    "unomi-server": {
      "command": "npx",
      "args": ["@inoyu/mcp-unomi-server"],
      "env": {
        "UNOMI_BASE_URL": "http://your-unomi-server:8181",
        "UNOMI_USERNAME": "your-username",
        "UNOMI_PASSWORD": "your-password",
        "UNOMI_PROFILE_ID": "your-profile-id",
        "UNOMI_KEY": "your-unomi-key",
        "UNOMI_EMAIL": "your-email@example.com",
        "UNOMI_SOURCE_ID": "claude-desktop"
      }
    }
  }
}
  1. Gem konfigurationen.
  2. Genstart Claude Desktop for at anvende ændringer og kontrollere, at server/værktøjer er registreret.

Sikring af API-nøgler

Brug env-sektionen i JSON-konfigurationen til at angive følsomme legitimationsoplysninger som miljøvariabler.

Cursor

Ingen specifikke Cursor-instruktioner er angivet.

Cline

Ingen specifikke Cline-instruktioner er angivet.

Sådan bruger du 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:

FlowHunt MCP flow

Klik på MCP-komponenten for at åbne konfigurationspanelet. I systemets MCP-konfigurationssektion indsættes MCP-serverdetaljerne med dette JSON-format:

{
  "inoyu-unomi": {
    "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 “inoyu-unomi” til det faktiske navn, du ønsker at bruge, og erstatte URL’en med adressen på din MCP-server.


Oversigt

SektionTilgængelighedDetaljer/Noter
OversigtOversigt og funktionsresumé tilgængelig
Liste over PromptsIngen prompt-skabeloner angivet
Liste over RessourcerIngen eksplicitte ressourcer dokumenteret
Liste over VærktøjerFire værktøjer: get_my_profile, update_my_profile, mv.
Sikring af API-nøglerJSON env-eksempel givet for Claude
Sampling-understøttelse (mindre vigtig)Ikke nævnt

Vores vurdering

Denne MCP-server leverer solid integration til brugerstyring med Apache Unomi via et klart sæt værktøjer og ligetil opsætning til Claude Desktop. Dog begrænser fraværet af prompt-skabeloner, eksplicitte ressourcedefinitioner og platformspecifikke instruktioner for Windsurf, Cursor og Cline dens fuldkommenhed. Den egner sig bedst til eksperimentering og læring på nuværende tidspunkt.

MCP-score

Har en LICENSE✅ (Apache-2.0)
Har mindst ét værktøj
Antal forks7
Antal stjerner5

Bedømmelse: 6/10
Inoyu MCP Unomi Server er lovende til Unomi-profilhåndtering og AI-integration, men dens tidlige stadie, manglende ressource/prompt-detaljer og begrænset multiplatform-opsætning reducerer dens nuværende anvendelighed for bredere udviklerpublikum.

Ofte stillede spørgsmål

Hvad gør Inoyu MCP Unomi Server?

Den integrerer Anthropic’s Model Context Protocol (MCP) med Apache Unomi, så AI-agenter kan interagere med, administrere og kontekstualisere vedvarende brugerprofildata for mere rige, personlige samtaler.

Hvilke værktøjer er tilgængelige med denne integration?

Du kan hente din profil, opdatere din profil, finde enhver profil via ID og søge i profiler med fleksible forespørgsler – hvilket understøtter brugersegmentering, revision og dynamisk personalisering.

Hvad er almindelige anvendelsestilfælde?

Personlige AI-samtaler, håndtering af kundedata, brugersegmentering og målretning, kontekstuel sessionhåndtering og compliance-orienteret profilsøgning og revision.

Hvordan sikres følsomme oplysninger?

Følsomme legitimationsoplysninger (såsom API-nøgler og adgangskoder) bør angives som miljøvariabler i din MCP server-konfigurations 'env'-sektion for øget sikkerhed.

Understøtter den opsætning på flere platforme?

Der gives i øjeblikket detaljerede opsætningsinstruktioner til Claude Desktop. Platformsspecifik dokumentation til Windsurf, Cursor og Cline er ikke inkluderet på nuværende tidspunkt.

Prøv Inoyu MCP Unomi Server-integration

Integrer avanceret brugerstyring i dine AI-flows. Forbind Anthropic Claude med Apache Unomi for personlige, vedvarende samtaler og effektive workflows til kundedata.

Lær mere

Eunomia MCP Server
Eunomia MCP Server

Eunomia MCP Server

Eunomia MCP Server er en udvidelse af Eunomia-rammeværket, der orkestrerer datastyringspolitikker – såsom PII-detektion og adgangskontrol – på tværs af tekststr...

4 min læsning
AI MCP +6
Unity Catalog MCP Server
Unity Catalog MCP Server

Unity Catalog MCP Server

Unity Catalog MCP Server gør det muligt for AI-assistenter og udviklere programmæssigt at administrere, opdage og håndtere Unity Catalog-funktioner via Model Co...

4 min læsning
AI MCP +5
onenote MCP Server
onenote MCP Server

onenote MCP Server

onenote MCP Server forbinder AI-assistenter med Microsoft OneNote og muliggør automatiseret hentning af noter, organisering og smart søgning via standardiserede...

4 min læsning
MCP Server OneNote +3