LlamaCloud MCP Server

Was macht der “LlamaCloud” MCP Server?

Der LlamaCloud MCP Server ist ein TypeScript-basierter Model Context Protocol (MCP) Server, der KI-Assistenten mit mehreren verwalteten Indizes auf LlamaCloud verbindet. Indem jeder LlamaCloud-Index als dediziertes Tool bereitgestellt wird, können KI-Agenten Such- und Rechercheaufgaben über eine Vielzahl strukturierter Dokumentensätze—wie SEC-Unterlagen oder unternehmensspezifische Daten—direkt über die MCP-Schnittstelle ausführen. Diese Konstellation verbessert Entwicklungs-Workflows durch einfachen Zugriff auf externe Daten und erleichtert Aufgaben wie kontextuelle Informationsbeschaffung, Dokumentensuche und Wissensanreicherung für KI-basierte Anwendungen. Mit konfigurierbaren Kommandozeilenargumenten können Entwickler schnell mehrere Indizes als MCP-Tools einrichten und verwalten, wodurch LlamaCloud eine flexible Brücke zwischen LLMs und unternehmensweiten Dokumenten-Repositories darstellt.

Liste der Prompts

Keine expliziten Prompt-Templates werden in der verfügbaren Dokumentation oder im Code für den LlamaCloud MCP Server erwähnt.

Liste der Ressourcen

Keine spezifischen Ressourcen werden in der verfügbaren Dokumentation oder im Code für den LlamaCloud MCP Server aufgeführt oder beschrieben.

Liste der Tools

• get_information_index_name
  Jeder in der Konfiguration definierte LlamaCloud-Index wird zu einem Tool (z. B. get_information_10k-SEC-Tesla). Jedes Tool stellt einen query-Parameter bereit, mit dem innerhalb des zugehörigen verwalteten Index gesucht werden kann.

Anwendungsfälle dieses MCP Servers

• Enterprise-Dokumentensuche
  Entwickler können Tools für verschiedene Unternehmensdokumentenindizes (z. B. SEC-Unterlagen für Tesla oder Apple) konfigurieren, sodass KI-Agenten relevante Unternehmensinformationen bedarfsgerecht abrufen und zusammenfassen können.
• Wissensanreicherung in KI-Agenten
  LLM-basierte Assistenten können auf verlässliche Datenquellen (wie 10k SEC-Dokumente) zugreifen, um genauere, kontextbewusste Antworten zu liefern.
• Informationsrecherche über mehrere Indizes
  Durch gleichzeitige Verbindung zu mehreren Indizes ermöglicht der Server Cross-Repository-Such-Szenarien für Recherche- oder Compliance-Aufgaben.
• Individuelle Datenpipelines
  Teams können proprietäre Dokumentensätze in LlamaCloud-Indizes einbinden und diese sicher KI-Workflows für interne Analysen oder Berichterstattungen zur Verfügung stellen.

Einrichtung

Windsurf

1. Stellen Sie sicher, dass Node.js und npx installiert sind.
2. Öffnen Sie Ihre Windsurf MCP-Client-Konfigurationsdatei.
3. Fügen Sie den LlamaCloud MCP Server unter dem Objekt mcpServers wie unten gezeigt hinzu.
4. Tragen Sie Ihren LlamaCloud-Projektnamen und API-Schlüssel in den Abschnitt env ein.
5. Speichern Sie die Konfiguration und starten Sie Windsurf neu.

{
  "mcpServers": {
    "llamacloud": {
      "command": "npx",
      "args": [
        "-y",
        "@llamaindex/mcp-server-llamacloud",
        "--index",
        "10k-SEC-Tesla",
        "--description",
        "10k SEC-Dokumente aus 2023 für Tesla",
        "--index",
        "10k-SEC-Apple",
        "--description",
        "10k SEC-Dokumente aus 2023 für Apple"
      ],
      "env": {
        "LLAMA_CLOUD_PROJECT_NAME": "<YOUR_PROJECT_NAME>",
        "LLAMA_CLOUD_API_KEY": "<YOUR_API_KEY>"
      }
    }
  }
}

Claude

1. Stellen Sie sicher, dass Node.js und npx installiert sind.
2. Suchen Sie Claudes MCP-Konfiguration:
   • Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
3. Fügen Sie die LlamaCloud MCP Server-Konfiguration in das Objekt mcpServers ein (siehe Windsurf-Beispiel oben).
4. Tragen Sie Ihre API-Zugangsdaten im Abschnitt env ein.
5. Speichern Sie die Änderungen und starten Sie Claude neu.

Cursor

1. Installieren Sie Node.js und npx, falls noch nicht vorhanden.
2. Öffnen Sie die MCP-Client-Konfigurationsdatei von Cursor.
3. Fügen Sie die LlamaCloud MCP Server-Konfiguration wie im Windsurf-Beispiel hinzu.
4. Tragen Sie Ihre API-Zugangsdaten ein.
5. Speichern und starten Sie Cursor neu.

Cline

1. Stellen Sie sicher, dass Node.js und npx verfügbar sind.
2. Finden oder erstellen Sie Ihre Cline MCP-Client-Konfigurationsdatei.
3. Fügen Sie die LlamaCloud MCP Server-Konfiguration unter mcpServers anhand des obigen Beispiels ein.
4. Tragen Sie Ihre LlamaCloud API-Zugangsdaten ein.
5. Speichern Sie und starten Sie Cline neu.

Sicherung der API-Schlüssel

Verwenden Sie Umgebungsvariablen im Abschnitt env Ihrer Konfiguration. Beispiel:

"env": {
  "LLAMA_CLOUD_PROJECT_NAME": "<YOUR_PROJECT_NAME>",
  "LLAMA_CLOUD_API_KEY": "<YOUR_API_KEY>"
}

Vermeiden Sie es, wo möglich, Geheimnisse im Klartext zu speichern.

Verwendung dieses MCP in Flows

MCP in FlowHunt nutzen

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

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

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

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool mit Zugriff auf alle Funktionen und Möglichkeiten nutzen. Denken Sie daran, “llamacloud” durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL entsprechend Ihrer MCP-Server-URL anzupassen.

Übersicht

Unsere Meinung

Der LlamaCloud MCP Server ist fokussiert und einfach einzurichten, um LLMs mit verwalteten Dokumentenindizes zu verbinden. Es fehlen fortgeschrittene Ressourcen und Prompt-Templates, aber der toolbasierte Ansatz für jeden Index ist sauber und gut dokumentiert. Nach den Tabellen ist es eine solide, unkomplizierte Wahl für Entwickler, die robuste Dokumentenrecherche benötigen, aber nicht für diejenigen, die erweiterte MCP-Features wie Ressourcen, Roots oder Sampling suchen.

BEWERTUNG: 6/10

MCP Score