Yunxin MCP-Server

Was macht der “yunxin” MCP-Server?

Der yunxin MCP (Model Context Protocol) Server dient als Brücke zwischen KI-Assistenten und den IM- (Instant Messaging) und RTC- (Real-Time Communication) Diensten von NetEase Yunxin. Durch die Bereitstellung einer Reihe von Tools für den Zugriff auf Messaging- und Echtzeit-Kommunikationsdaten ermöglicht der yunxin-mcp-server KI-gestützte Workflows wie das Abfragen von Chatverläufen, das Verwalten von Gruppennachrichten, die Überwachung von RTC-Qualitätsmetriken und das Zusammenfassen von Anwendungsstatistiken. Diese Integration befähigt Entwickler und Betreiber, Abläufe zu automatisieren, Messaging-Trends zu analysieren, die RTC-Gesundheit zu überwachen und Nutzererlebnisse zu verbessern, indem relevante Daten und Aktionen LLM-basierten Agenten und externen Systemen zur Verfügung gestellt werden.

Liste der Prompts

Im Repository werden keine Prompt-Vorlagen erwähnt.

Liste der Ressourcen

Im Repository oder in der Dokumentation sind keine expliziten Ressourcen gelistet.

Liste der Tools

• send_p2p_msg / send_team_msg
  Versendet Einzel- oder Gruppennachrichten, basierend auf Sender-/Empfänger-Accounts oder Gruppen-IDs. Nützlich für die Automatisierung von operativen oder Benachrichtigungsnachrichten.
• query_p2p_msg_history / query_team_msg_history
  Abfrage von Einzel- oder Gruppenchats innerhalb eines Zeitraums – unterstützt operative und analytische Workflows.
• query_application_im_daily_stats
  Ruft tägliche IM-Anwendungsstatistiken wie tägliche aktive Nutzer, Nachrichtenvolumen, Speicher- und Callback-Metriken ab.
• query_rtc_room_members / query_rtc_room_members_by_uids
  Abruf von RTC-Raummitgliedern inkl. Online-Dauer, Standort, ISP und Geräteinformationen.
• query_rtc_room_stuck_rate / query_rtc_room_user_stuck_rate
  Zugriff auf Audio-/Video-Stotterraten auf Raum- oder Benutzerebene zur Überwachung der Servicequalität.
• query_rtc_room_top_20
  Listet die 20 wichtigsten RTC-Räume nach Metriken wie aktive Nutzer, Beitrittslatenz, Audio/Video-Stotterraten und Netzwerkverzögerungen auf.

Anwendungsfälle dieses MCP-Servers

• Automatisierte Messaging-Operationen
  Automatisiertes Senden von IM-Nachrichten an Einzelpersonen oder Gruppen zur Steigerung von Reichweite und Engagement.
• Analyse historischer Daten
  Abrufen und Analysieren von Chatverläufen für Compliance, Kundensupport oder operative Einblicke.
• Überwachung der Anwendungsintegrität
  Überwachen Sie tägliche Anwendungsstatistiken, um Anomalien zu erkennen, Nutzeraktivitäten zu verfolgen und die Servicezuverlässigkeit sicherzustellen.
• RTC-Qualitätsüberwachung
  Verfolgen Sie RTC-Metriken auf Raum- und Benutzerebene, um Qualitätsprobleme proaktiv zu erkennen und zu beheben.
• Raumanalysen und Berichte
  Aggregieren und analysieren Sie die leistungsstärksten RTC-Räume zur Optimierung der Infrastruktur und Verbesserung der Nutzererfahrung.

Einrichtung

Windsurf

1. Stellen Sie sicher, dass Python und die erforderlichen Abhängigkeiten installiert sind.
2. Suchen Sie die Windsurf-Konfigurationsdatei (z. B. .windsurf/config.json).
3. Fügen Sie den yunxin MCP-Server im Abschnitt mcpServers mit dem entsprechenden Befehl und den Argumenten hinzu.
4. Speichern Sie die Datei und starten Sie Windsurf neu.
5. Überprüfen Sie, ob der yunxin MCP-Server in der Oberfläche erscheint.

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

Claude

1. Installieren Sie Python und Abhängigkeiten für yunxin-mcp-server.
2. Suchen Sie die MCP-Server-Konfigurationsdatei von Claude.
3. Fügen Sie das folgende JSON-Snippet in die MCP-Konfiguration ein.
4. Speichern und starten Sie Claude neu.
5. Bestätigen Sie die Funktionalität von yunxin-mcp-server.

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

Cursor

1. Stellen Sie sicher, dass Python und Abhängigkeiten installiert sind.
2. Öffnen Sie die Cursor-Einstellungen oder -Konfigurationsdatei.
3. Fügen Sie den yunxin MCP-Server zum Abschnitt mcpServers hinzu.
4. Änderungen speichern und Cursor neu starten.
5. Überprüfen Sie die Integration des yunxin MCP-Servers.

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

Cline

1. Installieren Sie Python und die Abhängigkeiten für yunxin-mcp-server.
2. Greifen Sie auf die Konfigurationsdatei von Cline zu.
3. Registrieren Sie den yunxin MCP-Server mit folgendem JSON.
4. Speichern und starten Sie Cline neu.
5. Validieren Sie, dass der Server aktiv ist.

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

API-Schlüssel sichern:
Verwenden Sie Umgebungsvariablen zum Schutz sensibler Zugangsdaten. Beispiel mit env und inputs:

{
  "mcpServers": {
    "yunxin-mcp": {
      "command": "yunxin-mcp-server",
      "args": [],
      "env": {
        "YUNXIN_API_KEY": "${YUNXIN_API_KEY}"
      },
      "inputs": {
        "api_key": "${YUNXIN_API_KEY}"
      }
    }
  }
}

Verwendung dieses MCP in Flows

MCP in FlowHunt verwenden

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

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Fügen Sie im Bereich System-MCP-Konfiguration Ihre MCP-Serverdetails in folgendem JSON-Format ein:

{
  "yunxin-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, “yunxin-mcp” durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL durch Ihre eigene MCP-Server-URL.

Übersicht

Ich würde diesen MCP-Server mit 6/10 bewerten. Er stellt klare Tool-APIs und Setup-Anleitungen bereit, es fehlen jedoch Prompt-Vorlagen, Ressourcendefinitionen und explizite Unterstützung für erweiterte MCP-Features (Roots, Sampling).

MCP Score