「yunxin」MCPサーバーは何をするものですか？

yunxin MCP（Model Context Protocol）サーバーは、AIアシスタントとNetEase YunxinのIM（インスタントメッセージング）およびRTC（リアルタイム通信）サービスを橋渡しするために設計されています。メッセージングやリアルタイム通信データへのアクセスを可能にする一連のツールを公開し、チャット履歴の照会、グループコミュニケーションの管理、RTC品質指標の監視、アプリ統計の集計など、AI主導のワークフローを実現します。この統合により、開発者や運用担当者は、運用自動化・メッセージ傾向分析・RTCの健全性監視・ユーザー体験の向上を、LLMエージェントや外部システムから関連データとアクションにアクセスすることで実現できます。

プロンプト一覧

リポジトリにはプロンプトテンプレートの記載はありません。

リソース一覧

リポジトリやドキュメントには明示的なリソースの記載はありません。

ツール一覧

• send_p2p_msg / send_team_msg
  送信者・受信者アカウントやグループIDを指定して、個人またはグループチャットメッセージを送信します。運用通知や自動メッセージ送信に便利です。
• query_p2p_msg_history / query_team_msg_history
  指定した時間範囲で個人またはグループのチャット履歴を照会し、運用や分析ワークフローに活用できます。
• query_application_im_daily_stats
  日次アクティブユーザー数、メッセージ量、ストレージ、コールバック指標など、IMアプリの日次統計を取得します。
• query_rtc_room_members / query_rtc_room_members_by_uids
  RTCルームのメンバー情報（オンライン時間、位置情報、ISP、デバイス情報など）を取得します。
• query_rtc_room_stuck_rate / query_rtc_room_user_stuck_rate
  ルーム単位またはユーザー単位で音声・映像スタック（途切れ）率の指標を取得し、サービス品質の監視に役立ちます。
• query_rtc_room_top_20
  アクティブユーザー数、入室遅延、音声・映像スタック率、ネットワーク遅延などで上位20のRTCルームを一覧表示します。

このMCPサーバーのユースケース

• 自動メッセージ運用
  個人やグループへのIM運用メッセージ送信を自動化し、リーチやエンゲージメントを向上させます。
• 履歴データ分析
  コンプライアンスや顧客サポート、運用インサイトのためにチャット履歴を取得・分析します。
• アプリケーション健全性監視
  日次アプリ統計を監視し、異常検知やユーザー動向把握、サービス信頼性の確保に役立てます。
• RTC品質モニタリング
  ルーム・ユーザー単位でRTC指標を把握し、品質問題を早期特定・対処します。
• ルーム分析・レポーティング
  パフォーマンス上位のRTCルームを集計・分析し、インフラ最適化やUX向上に活用します。

セットアップ方法

Windsurf

1. Pythonおよび必要な依存関係がインストールされていることを確認します。
2. Windsurfの設定ファイル（例：.windsurf/config.json）を探します。
3. mcpServersセクションに適切なコマンドと引数でyunxin MCPサーバーを追加します。
4. ファイルを保存し、Windsurfを再起動します。
5. インターフェース上でyunxin MCPサーバーが表示されていることを確認します。

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

Claude

1. Pythonおよびyunxin-mcp-serverの依存関係をインストールします。
2. ClaudeのMCPサーバー設定ファイルを見つけます。
3. 次のJSONスニペットをMCP設定に挿入します。
4. 保存し、Claudeを再起動します。
5. yunxin-mcp-serverが機能していることを確認します。

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

Cursor

1. Pythonおよび依存関係がインストールされていることを確認します。
2. Cursorの設定または設定ファイルを開きます。
3. mcpServersセクションにyunxin MCPサーバーを追加します。
4. 変更を保存し、Cursorを再起動します。
5. yunxin MCP統合を確認します。

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

Cline

1. Pythonおよびyunxin-mcp-serverの依存関係をインストールします。
2. Clineの設定ファイルにアクセスします。
3. 次のJSONでyunxin MCPサーバーを登録します。
4. 保存し、Clineを再起動します。
5. サーバーが稼働中であることを検証します。

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

APIキーのセキュリティ保護:
機密認証情報は環境変数で保護しましょう。envやinputsの例：

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

フロー内でこのMCPを使う方法

FlowHuntでのMCP利用

FlowHuntのワークフローにMCPサーバーを組み込むには、まずフローにMCPコンポーネントを追加し、AIエージェントと接続します。

MCPコンポーネントをクリックして設定パネルを開き、システムMCP設定セクションに下記のJSON形式でサーバー情報を入力します。

{
  "yunxin-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定が完了すると、AIエージェントはこのMCPをツールとしてすべての機能・能力にアクセスできるようになります。“yunxin-mcp"は実際のMCPサーバー名に、URL部分はご自身のMCPサーバーURLに置き換えてください。

概要

このMCPサーバーの評価は6/10です。ツールAPIやセットアップ手順が明確に提示されていますが、プロンプトテンプレートやリソース定義、高度なMCP機能（rootsやサンプリングなど）への明示的な対応は不足しています。

MCPスコア