aranet4 MCP-Server

Was macht der “aranet4” MCP-Server?

Der aranet4 MCP-Server ist ein Model Context Protocol (MCP) Server, der Ihr Aranet4 CO2-Sensorgerät und die zugehörige lokale Datenbank verwaltet. Durch die Verbindung von KI-Assistenten und externen Datenquellen ermöglicht dieser Server eine reibungslose Interaktion mit Ihrem Gerät für Aufgaben wie das Scannen nach verfügbaren Geräten, das Abrufen und Speichern von Messdaten sowie das Abfragen historischer Sensordaten. Er unterstützt automatische Updates, geführte Konfiguration und sogar die Visualisierung von Daten für Clients mit Bildunterstützung. Der Server verbessert Entwickler-Workflows, indem er die Integration von Umweltsensordaten in übergreifende LLM-gesteuerte Automatisierungen vereinfacht. Dadurch wird die Überwachung der Luftqualität, das Nachverfolgen historischer Trends und die programmgesteuerte Verwaltung von Geräteeinstellungen leichter denn je.

Liste der Prompts

Im Repository oder der README sind keine expliziten Prompt-Vorlagen dokumentiert.

Liste der Ressourcen

Im Repository oder der README sind keine expliziten Ressourcen dokumentiert.

Liste der Tools

Konfiguration und Hilfsmittel:

• init_aranet4_config: Geführte Konfiguration des Aranet4-Geräts.
• scan_devices: Sucht nach verfügbaren Bluetooth-Aranet4-Geräten.
• get_configuration_and_db_stats: Ruft die aktuelle config.yaml und allgemeine Statistiken aus der lokalen SQLite-Datenbank ab.
• set_configuration: Setzt Werte innerhalb der config.yaml.

Zum Aktualisieren historischer Daten:

• fetch_new_data: Holt neue Daten vom konfigurierten Aranet4-Gerät und speichert sie in der lokalen Datenbank.

Zum Abfragen historischer Daten:

• get_recent_data: Ruft aktuelle Daten aus der lokalen Datenbank ab; die Anzahl der Messungen kann angegeben werden.

Anwendungsfälle dieses MCP-Servers

• Umweltüberwachung: Scannen Sie automatisch nach Aranet4-Geräten in der Nähe und erfassen Sie Luftqualitäts- und CO2-Daten. Diese werden lokal gespeichert und stehen für Analysen bereit.
• Analyse historischer Daten: Fragen Sie frühere Sensordaten ab, um Trends oder Auffälligkeiten in der Luftqualität zu identifizieren – ideal für Forschende oder Gebäudemanager.
• Automatisierte Konfiguration: Nutzen Sie KI-gestützte oder manuelle Tools, um Aranet4-Geräte schnell einzurichten und zu konfigurieren. So sparen auch Nicht-Techniker Zeit.
• Visualisierung & Berichte: Für Clients mit Bildausgabe können Diagramme aktueller Messungen generiert und dargestellt werden – für eine leichte Interpretation und Berichterstattung.
• Geräteflottenmanagement: Scannen und verwalten Sie mehrere Aranet4-Geräte innerhalb eines Bereichs und ermöglichen Sie so eine zentrale Überwachung und Konfiguration.

Einrichtung

Windsurf

1. Voraussetzungen: Stellen Sie sicher, dass Node.js und Python installiert sind.
2. Server klonen und einrichten:

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

3. Abhängigkeiten installieren: Nutzen Sie uv oder pip install . wie gewünscht.
4. Windsurf-Konfiguration bearbeiten: Fügen Sie den aranet4-Server im Bereich mcpServers hinzu.
5. Speichern und Windsurf neu starten.
6. Überprüfen: Stellen Sie sicher, dass Ihr Gerät erkannt wird und Daten zugänglich sind.

Beispiel-JSON:

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

Hinweis: Um API-Schlüssel oder sensible Informationen abzusichern, verwenden Sie Umgebungsvariablen:

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

Claude

1. Folgen Sie den Schritten 1–3 oben.
2. Claude Desktop-Konfigurationsdatei bearbeiten: Zu finden unter ~/Library/Application Support/Claude/claude_desktop_config.json.
3. Fügen Sie den aranet4-Server wie oben gezeigt hinzu.
4. Speichern und Claude Desktop neu starten.
5. Nutzen Sie init aranet4 für die geführte Einrichtung.

Cursor

1. Folgen Sie den Schritten 1–3 oben.
2. Cursor-Konfigurationsdatei bearbeiten: Zu finden unter ~/.cursor/mcp.json.
3. Fügen Sie die aranet4-Server-JSON-Konfiguration ein.
4. Speichern und Cursor neu starten.
5. Nutzen Sie init aranet4 für die geführte Einrichtung.

Cline

1. Folgen Sie den Schritten 1–3 oben.
2. Bearbeiten Sie die entsprechende Cline-Konfigurationsdatei.
3. Fügen Sie die aranet4-Server-JSON-Konfiguration hinzu.
4. Speichern und Cline neu starten.
5. Nutzen Sie das interaktive Konfigurationstool für die Einrichtung.

Verwendung dieses MCP in Flows

Einsatz von MCP in FlowHunt

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Bereich System-MCP-Konfiguration tragen Sie die Details Ihres MCP-Servers im folgenden JSON-Format ein:

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

Sobald die Konfiguration abgeschlossen ist, kann der KI-Agent diesen MCP als Tool mit Zugriff auf alle Funktionen und Möglichkeiten verwenden. Denken Sie daran, “aranet4” durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL auf Ihren eigenen MCP-Server anzupassen.

Übersicht

Unsere Einschätzung

Der aranet4 MCP-Server bietet hohe Praxistauglichkeit für das Gerätemanagement und die Umweltdatenerfassung von Aranet4-Sensoren – mit klar dokumentierten Tools und breiter Plattformunterstützung. Es fehlen jedoch dokumentierte Prompt-Vorlagen und explizite MCP-Resource-Definitionen sowie fortgeschrittene MCP-Features wie Sampling und Roots. Die Setup-Anleitungen sind praxisnah und detailliert, insbesondere für beliebte KI-Entwicklertools. Insgesamt handelt es sich um eine solide und praxisorientierte MCP-Implementierung für diesen Anwendungsbereich.

MCP-Bewertung

Bewertung: 6/10 – Hervorragende Gerätespezifische Funktionalität, aber es fehlen umfassende MCP-Features und Dokumentation zu Prompts/Ressourcen.