Serveur RabbitMQ MCP

À quoi sert le serveur “RabbitMQ” MCP ?

Le serveur RabbitMQ MCP est une implémentation du Model Context Protocol (MCP) conçue pour permettre aux assistants IA de gérer et d’interagir avec des brokers de messages RabbitMQ. En encapsulant les API d’administration d’un broker RabbitMQ sous forme d’outils MCP et en utilisant la bibliothèque Pika pour les interactions au niveau des messages, ce serveur permet aux agents IA d’effectuer des tâches telles que la gestion des files d’attente, l’envoi et la réception de messages, et la surveillance de l’état du broker. RabbitMQ MCP Server prend en charge l’intégration transparente avec les clients MCP, propose le HTTP streamable avec le BearerAuthProvider de FastMCP, et permet aux utilisateurs de se connecter à différents brokers RabbitMQ en cours de conversation. Il facilite les workflows de développement en permettant aux agents IA d’automatiser les opérations de files de messages, rendant plus simple la création et la gestion de systèmes distribués robustes pour les développeurs.

Liste des prompts

Aucun modèle de prompt documenté trouvé dans le dépôt.

Liste des ressources

Aucune définition explicite de ressource trouvée dans le dépôt.

Liste des outils

• Wrappers API Admin : Expose les API d’administration de RabbitMQ comme outils MCP, permettant aux clients IA d’effectuer des tâches de gestion du broker.
• Opérations de messages avec Pika : Utilise la bibliothèque Pika pour interagir avec RabbitMQ au niveau des messages, permettant la création, la consommation et la suppression de files/messages.
• Outil de changement de broker : Permet de spécifier un broker RabbitMQ différent en cours de conversation pour un changement de contexte dynamique.
  (Descriptions déduites du README ; les noms de fonctions explicites ne sont pas listés dans server.py.)

Cas d’usage de ce serveur MCP

• Gestion automatisée des files d’attente : Les développeurs peuvent utiliser des agents IA pour créer, supprimer ou configurer des files d’attente de messages par programmation, simplifiant la gestion de l’infrastructure.
• Surveillance et consommation de messages : Les assistants IA peuvent surveiller l’état des files, consommer des messages et fournir des analyses ou alertes en temps réel, améliorant l’observabilité.
• Administration du broker : Les opérations administratives courantes comme la gestion des utilisateurs, la configuration des permissions et la vérification de la santé du broker peuvent être automatisées via les outils MCP.
• Changement dynamique de broker : Lors de workflows multi-environnements (ex : préproduction à production), les agents IA peuvent basculer dynamiquement les endpoints RabbitMQ sans redéploiement.
• Tests d’intégration : Les développeurs peuvent automatiser des tests pour des applications distribuées en simulant des flux de messages et en vérifiant l’état des files via des actions MCP pilotées par l’IA.

Comment l’installer

Windsurf

1. Assurez-vous que Node.js et uvx sont installés sur votre système.
2. Ouvrez le fichier de configuration de Windsurf.
3. Ajoutez le serveur RabbitMQ MCP à la configuration mcpServers.
4. Enregistrez les modifications et redémarrez Windsurf.
5. Vérifiez la connexion en consultant les logs du serveur MCP et l’interface de Windsurf.

Exemple JSON :

{
  "mcpServers": {
    "rabbitmq": {
      "command": "uvx",
      "args": [
        "mcp-server-rabbitmq@latest",
        "--rabbitmq-host", "<hostname>",
        "--port", "<port number>",
        "--username", "<rabbitmq username>",
        "--password", "<rabbitmq password>",
        "--use-tls", "<true|false>"
      ]
    }
  }
}

Sécurisation des clés API (exemple variables d’environnement) :

{
  "env": {
    "RABBITMQ_USERNAME": "<rabbitmq username>",
    "RABBITMQ_PASSWORD": "<rabbitmq password>"
  },
  "inputs": {
    "username": "${RABBITMQ_USERNAME}",
    "password": "${RABBITMQ_PASSWORD}"
  }
}

Claude

1. Installez uvx et assurez-vous que Claude est à jour.
2. Ouvrez le fichier de configuration de Claude.
3. Insérez le bloc du serveur RabbitMQ MCP dans la section mcpServers.
4. Enregistrez le fichier et redémarrez Claude.
5. Confirmez l’installation en envoyant une commande de test au serveur RabbitMQ MCP.

Exemple JSON :

{
  "mcpServers": {
    "rabbitmq": {
      "command": "uvx",
      "args": [
        "mcp-server-rabbitmq@latest",
        "--rabbitmq-host", "<hostname>",
        "--port", "<port number>",
        "--username", "<rabbitmq username>",
        "--password", "<rabbitmq password>",
        "--use-tls", "<true|false>"
      ]
    }
  }
}

Reportez-vous à l’exemple de variables d’environnement ci-dessus pour sécuriser les identifiants.

Cursor

1. Installez la dernière version de Cursor et assurez-vous que uvx est disponible.
2. Localisez le fichier de configuration de Cursor.
3. Ajoutez l’entrée du serveur RabbitMQ MCP à mcpServers.
4. Enregistrez la configuration et relancez Cursor.
5. Testez l’intégration en initiant une commande MCP.

Exemple JSON :

{
  "mcpServers": {
    "rabbitmq": {
      "command": "uvx",
      "args": [
        "mcp-server-rabbitmq@latest",
        "--rabbitmq-host", "<hostname>",
        "--port", "<port number>",
        "--username", "<rabbitmq username>",
        "--password", "<rabbitmq password>",
        "--use-tls", "<true|false>"
      ]
    }
  }
}

Utilisez les variables d’environnement comme montré précédemment pour sécuriser les informations sensibles.

Cline

1. Assurez-vous que Cline et uvx sont installés.
2. Modifiez le fichier de configuration de Cline.
3. Enregistrez le serveur RabbitMQ MCP sous mcpServers.
4. Redémarrez Cline pour appliquer les modifications.
5. Vérifiez le fonctionnement en vous connectant au serveur RabbitMQ MCP.

Exemple JSON :

{
  "mcpServers": {
    "rabbitmq": {
      "command": "uvx",
      "args": [
        "mcp-server-rabbitmq@latest",
        "--rabbitmq-host", "<hostname>",
        "--port", "<port number>",
        "--username", "<rabbitmq username>",
        "--password", "<rabbitmq password>",
        "--use-tls", "<true|false>"
      ]
    }
  }
}

Incluez la configuration des variables d’environnement comme décrit ci-dessus.

Utilisation du MCP dans les flows

Utiliser MCP dans FlowHunt

Pour intégrer des serveurs MCP dans votre workflow FlowHunt, commencez par ajouter le composant MCP à votre flow et connectez-le à votre agent IA :

Cliquez sur le composant MCP pour ouvrir le panneau de configuration. Dans la section de configuration système MCP, saisissez les détails de votre serveur MCP sous ce format JSON :

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

Une fois configuré, l’agent IA pourra utiliser ce MCP comme un outil avec accès à toutes ses fonctions et capacités. N’oubliez pas de remplacer “rabbitmq” par le nom réel de votre serveur MCP et d’indiquer l’URL de votre propre serveur MCP.

Vue d’ensemble

D’après ce qui précède, le serveur RabbitMQ MCP offre une intégration et une documentation d’installation solides, avec un accent sur l’utilisation des outils et la sécurité. Cependant, il manque des modèles de prompts explicites et des définitions de ressources dans la documentation publique. Les roots et la prise en charge du sampling ne sont pas documentés.

Score MCP

Note :
Je donnerais à ce serveur MCP une note de 7/10. Il est bien documenté et fonctionnel pour une intégration RabbitMQ basée sur les outils, mais pourrait être amélioré en fournissant des modèles de prompts explicites, des définitions de ressources, et une documentation sur le support des Roots et du Sampling.