UNS-MCP (Unstructured Model Context Protocol) MCP Server

Was macht der “UNS-MCP” MCP Server?

Der UNS-MCP (Unstructured Model Context Protocol) Server ist eine spezialisierte MCP-Server-Implementierung für die nahtlose Interaktion mit der Unstructured API. Er fungiert als Brücke zwischen KI-Assistenten, externen Datenquellen, Konnektoren und Workflows und ermöglicht so erweiterte Automatisierung und Integration in Entwicklungs-Workflows. Mit UNS-MCP können Entwickler und KI-Clients Aufgaben wie das Auflisten von Quellen und Workflows, das Verwalten von Konnektor-Lebenszyklen sowie die Orchestrierung von Datenpipelines durchführen – alles über standardisierte MCP-Tools. Durch die Bereitstellung von Workflow- und Konnektor-Management als Tools ermöglicht der UNS-MCP Server die Automatisierung routinemäßiger Data-Engineering-Aufgaben, optimiert die Datenaufnahme und verbindet sich mit verschiedenen Cloud- und Datenbankdiensten, wodurch die Entwicklung robuster, datengesteuerter KI-Anwendungen beschleunigt wird.

Liste der Prompts

Im bereitgestellten Repository oder in der Dokumentation sind keine Prompt-Vorlagen aufgeführt.

Liste der Ressourcen

Im zugänglichen Repository-Inhalt sind keine spezifischen Ressourcen definiert oder exponiert.

Liste der Tools

• list_sources: Listet verfügbare Quellen aus der Unstructured API auf.
• get_source_info: Ruft Detailinformationen zu einem bestimmten Quell-Konnektor ab.
• create_source_connector: Erstellt einen neuen Quell-Konnektor.
• update_source_connector: Aktualisiert einen bestehenden Quell-Konnektor anhand von Parametern.
• delete_source_connector: Löscht einen Quell-Konnektor anhand der Quell-ID.
• list_destinations: Listet verfügbare Ziele aus der Unstructured API auf.
• get_destination_info: Ruft Detailinformationen zu einem bestimmten Ziel-Konnektor ab.
• create_destination_connector: Erstellt einen Ziel-Konnektor anhand von Parametern.
• update_destination_connector: Aktualisiert einen bestehenden Ziel-Konnektor anhand der ID.
• delete_destination_connector: Löscht einen Ziel-Konnektor anhand der ID.
• list_workflows: Listet Workflows aus der Unstructured API auf.
• get_workflow_info: Ruft Detailinformationen zu einem bestimmten Workflow ab.
• create_workflow: Erstellt einen neuen Workflow mit Quelle, Ziel-ID usw.
• run_workflow: Führt einen bestimmten Workflow anhand der Workflow-ID aus.
• update_workflow: Aktualisiert einen bestehenden Workflow anhand von Parametern.
• delete_workflow: Löscht einen bestimmten Workflow anhand der ID.
• list_jobs: Listet Jobs für einen bestimmten Workflow auf.
• get_job_info: Ruft Detailinformationen zu einem bestimmten Job anhand der Job-ID ab.
• cancel_job: Löscht (storniert) einen bestimmten Job anhand der ID.
• list_workflows_with_finished_jobs: Listet alle Workflows mit abgeschlossenen Jobs, einschließlich Quell- und Zieldetails, auf.

Anwendungsfälle dieses MCP Servers

• Datenpipeline-Automatisierung: Vereinfachen Sie die Einrichtung und Orchestrierung komplexer ETL-Workflows (Extract, Transform, Load), indem Sie Quellen, Ziele und Workflows programmatisch verwalten.
• Konnektor-Lifecycle-Management: Automatisieren Sie das Erstellen, Aktualisieren und Löschen von Konnektoren für gängige Cloud-Storage-, Datenbank- und SaaS-Plattformen (z. B. S3, Azure, Salesforce).
• Workflow-Ausführung und -Überwachung: Ermöglichen Sie KI-Assistenten, Jobs und Workflows auszulösen, zu überwachen und zu verwalten, um reibungslose Datenoperationen und schnelle Reaktion auf Fehler oder Statusänderungen sicherzustellen.
• Integration mit Vektor-Datenbanken: Binden Sie nahtlos Vektor-Datenbanken wie Weaviate oder Pinecone an, um fortschrittliche KI-Anwendungen mit Vektorsuch-Funktionalität zu ermöglichen.
• Data Governance & Auditing: Listen, prüfen und auditieren Sie alle Jobs und abgeschlossenen Workflows programmatisch, um Compliance- und Data-Governance-Anforderungen zu erfüllen.

Einrichtung

Windsurf

1. Stellen Sie sicher, dass Python und die relevanten Abhängigkeiten installiert sind.
2. Suchen Sie Ihre Windsurf-Konfigurationsdatei (z. B. windsurf.config.json).
3. Fügen Sie den UNS-MCP Server im Abschnitt mcpServers mit folgendem JSON-Snippet hinzu:

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

4. Speichern Sie die Konfiguration und starten Sie Windsurf neu.
5. Überprüfen Sie, ob der UNS-MCP Server als verfügbarer MCP-Server erscheint.

Claude

1. Suchen Sie Ihre Claude-Desktop-Konfigurationsdatei (z. B. claude_desktop_config.json).
2. Fügen Sie die UNS-MCP-Serverkonfiguration wie folgt hinzu:

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

3. Speichern Sie die Datei und starten Sie Claude neu.
4. Bestätigen Sie die Einrichtung, indem Sie die Verfügbarkeit des MCP-Servers prüfen.

Cursor

1. Öffnen Sie Ihre Cursor-Konfiguration (z. B. cursor.config.json).
2. Fügen Sie die MCP-Server-Konfiguration hinzu:

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

3. Änderungen speichern und Cursor neu starten.
4. Validieren Sie die Verbindung zum MCP-Server.

Cline

1. Öffnen Sie Ihre Cline-Einstellungsdatei.
2. Fügen Sie die folgende MCP-Server-Konfiguration ein:

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

3. Speichern und Cline neu starten.
4. Überprüfen Sie die Integration des MCP-Servers.

API-Keys absichern

• Verwenden Sie Umgebungsvariablen zur Verwaltung sensibler API-Keys und Zugangsdaten.
• Beispiel für .env oder Umgebungsvariablen-Spezifikation:

  {
    "env": {
      "ANTHROPIC_API_KEY": "ihr-api-key",
      "AWS_KEY": "ihr-aws-key",
      "AWS_SECRET": "ihr-aws-secret",
      "WEAVIATE_CLOUD_API_KEY": "ihr-weaviate-api-key"
    },
    "inputs": {
      // Weitere toolspezifische Eingaben
    }
  }
  

Nutzung dieses MCP in Flows

Verwendung 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 diese mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im Abschnitt System-MCP-Konfiguration geben Sie Ihre MCP-Serverdaten in folgendem JSON-Format an:

{
  "unstructured-mcp": {
    "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, "unstructured-mcp" durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL entsprechend Ihrer eigenen MCP-Server-URL anzupassen.

Übersicht

Unsere Meinung

Der UNS-MCP Server überzeugt durch Tool-Abdeckung und Setup-Dokumentation, weist jedoch keine explizite Ressourcendefinition oder Prompt-Vorlagen auf. Für Datenpipeline-Management und Konnektor-Automatisierung ist er sehr praktisch, könnte aber bei der Standardisierung und Dokumentation von MCP-Ressourcen noch verbessert werden.

MCP-Bewertung

Bewertung: 6/10 — Der Server ist funktional und gut dokumentiert bezüglich Tool-Nutzung und Konnektor-Management, es fehlen jedoch wichtige MCP-Funktionen wie Prompt- und Ressourcendefinition sowie Lizenzklarheit. Das schmälert den Nutzen für einige fortgeschrittene MCP-Workflows.