
ShaderToy-MCP
Integrer FlowHunt med ShaderToy-MCP for at automatisere opdagelse, analyse og generering af shaders ved hjælp af AI-drevne workflows. Lås op for problemfri forb...

Forbind din AI-assistent med ShaderToy for at generere, udforske og dele GLSL-shaders via FlowHunts ShaderToy MCP Server.
ShaderToy-MCP er en MCP (Model Context Protocol) Server designet til at forbinde AI-assistenter med ShaderToy, et populært website til at skabe, køre og dele GLSL-shaders. Ved at forbinde LLM’er (Large Language Models) som Claude til ShaderToy via MCP, gør denne server det muligt for AI at forespørge og læse hele ShaderToy-websider og dermed generere og forfine komplekse shaders ud over dens egne evner. Denne integration forbedrer udviklingsprocessen for shaderkunstnere og AI-udviklere ved at give nem adgang til ShaderToys indhold, hvilket muliggør mere sofistikeret shaderoprettelse, udforskning og deling.
Ingen information om prompt-skabeloner er angivet i arkivet.
Ingen eksplicitte ressourcedefinitioner fundet i de tilgængelige filer eller dokumentation.
Ingen eksplicit værktøjsliste eller server.py-fil findes i arkivet med detaljer om MCP-værktøjer.
.windsurf/config.json-konfigurationsfil.{
"mcpServers": {
"shadertoy": {
"command": "npx",
"args": ["@shadertoy/mcp-server@latest"]
}
}
}
config.json-indstillinger.{
"mcpServers": {
"shadertoy": {
"command": "npx",
"args": ["@shadertoy/mcp-server@latest"]
}
}
}
cursor.config.json i din brugermappe.{
"mcpServers": {
"shadertoy": {
"command": "npx",
"args": ["@shadertoy/mcp-server@latest"]
}
}
}
.cline/config.json-filen.{
"mcpServers": {
"shadertoy": {
"command": "npx",
"args": ["@shadertoy/mcp-server@latest"]
}
}
}
{
"mcpServers": {
"shadertoy": {
"command": "npx",
"args": ["@shadertoy/mcp-server@latest"],
"env": {
"SHADERTOY_API_KEY": "${SHADERTOY_API_KEY}"
},
"inputs": {
"apiKey": "${SHADERTOY_API_KEY}"
}
}
}
}
Bemærk: Opbevar dine API-nøgler i miljøvariabler for at øge sikkerheden.
Brug af MCP i FlowHunt
For at integrere MCP-servere i din FlowHunt-arbejdsgang skal du starte med at tilføje MCP-komponenten til dit flow og forbinde den med din AI-agent:

Klik på MCP-komponenten for at åbne konfigurationspanelet. I systemets MCP-konfigurationssektion indsætter du dine MCP-serverdetaljer med dette JSON-format:
{
"shadertoy": {
"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 “shadertoy” til navnet på din MCP-server og udskifte URL’en med din egen MCP-server-URL.
| Sektion | Tilgængelighed | Detaljer/Noter |
|---|---|---|
| Oversigt | ✅ | Oversigt fundet i README.md |
| Liste over prompts | ⛔ | Ingen detaljer om prompt-skabeloner |
| Liste over ressourcer | ⛔ | Ingen eksplicitte MCP-ressourcedefinitioner fundet |
| Liste over værktøjer | ⛔ | Ingen eksplicit værktøjsliste eller server.py i repo |
| Sikring af API-nøgler | ✅ | Eksempel angivet i opsætningsvejledning |
| Sampling-support (mindre vigtig i vurderingen) | ⛔ | Ingen omtale af sampling-support |
På baggrund af ovenstående giver ShaderToy-MCP en klar oversigt og vejledning til opsætning, men mangler dokumentation om prompt-skabeloner, værktøjer og ressourcer. Dens primære værdi er at forbinde LLM’er med ShaderToy, men den ville have fordel af udvidet dokumentation og eksplicit MCP-funktionsstøtte. Jeg vil vurdere denne MCP-server til 4/10 for generel MCP-nytte og dokumentation.
| Har en LICENSE | ✅ (MIT) |
|---|---|
| Har mindst ét værktøj | ⛔ |
| Antal forks | 3 |
| Antal stjerner | 21 |
Giv dine AI-arbejdsgange et boost til shader-oprettelse, udforskning og deling ved at integrere ShaderToy MCP Server i FlowHunt.

Integrer FlowHunt med ShaderToy-MCP for at automatisere opdagelse, analyse og generering af shaders ved hjælp af AI-drevne workflows. Lås op for problemfri forb...

Unity MCP Server forbinder Unity Editor med AI-modelklienter som Claude Desktop, Windsurf og Cursor, hvilket muliggør automatisering, intelligent assistance og ...

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.