aranet4 MCP Server

Hva gjør “aranet4” MCP Server?

aranet4 MCP Server er en Model Context Protocol (MCP)-server designet for å administrere din Aranet4 CO2-sensorenhet og dens tilknyttede lokale database. Ved å koble AI-assistenter og eksterne datakilder muliggjør denne serveren sømløs interaksjon med enheten din for oppgaver som skanning etter nærliggende enheter, innhenting og lagring av måledata, og spørringer på historiske sensoravlesninger. Den støtter automatiske oppdateringer, veiledet konfigurasjon og til og med visualisering av data for klienter som støtter bilder. Serveren forbedrer utviklernes arbeidsflyt ved å forenkle integrasjonen av miljøsensordata i bredere LLM-drevne automatiseringer, slik at det blir enklere å overvåke luftkvalitet, spore historiske trender og administrere enhetsinnstillinger programmessig.

Liste over Prompter

Ingen eksplisitte prompt-maler er dokumentert i repoet eller README.

Klar til å vokse bedriften din?

Start din gratis prøveperiode i dag og se resultater i løpet av få dager.

Be om demo Logg inn

Liste over Ressurser

Ingen eksplisitte ressurser er dokumentert i repoet eller README.

Liste over Verktøy

Konfigurasjon og verktøy:

• init_aranet4_config: Veiledet konfigurasjon av Aranet4-enheten.
• scan_devices: Skanner etter nærliggende Bluetooth Aranet4-enheter.
• get_configuration_and_db_stats: Henter nåværende config.yaml og generelle statistikker fra den lokale SQLite-databasen.
• set_configuration: Setter verdier i config.yaml.

For å oppdatere historiske data:

• fetch_new_data: Henter nye data fra den konfigurerte Aranet4-enheten og lagrer dem i den lokale databasen.

For å spørre om historiske data:

• get_recent_data: Henter nylige data fra den lokale databasen; kan angi antall målinger.

Bli med i vårt nyhetsbrev

Få de siste tipsene, trendene og tilbudene gratis.

E-postadresse

Abonner

Bruksområder for denne MCP-serveren

• Miljøovervåkning: Skann og hent luftkvalitets- og CO2-data fra nærliggende Aranet4-enheter automatisk, og lagre det i en lokal database for videre analyse.
• Historisk dataanalyse: Søk og gjennomgå tidligere sensoravlesninger for å identifisere trender eller avvik i luftkvaliteten over tid, til nytte for forskere eller driftsansvarlige.
• Automatisert konfigurasjon: Bruk AI-veiledede eller manuelle verktøy for raskt å sette opp og konfigurere Aranet4-enheter, og reduser oppsettstiden for ikke-tekniske brukere.
• Visualisering og rapportering: For klienter som støtter bildeutdata, generer og visualiser grafer over siste målinger for enkel tolkning og rapportering.
• Administrasjon av enhetsflåte: Skann etter og administrer flere Aranet4-enheter i et område, og muliggjør sentralisert overvåkning og konfigurasjon.

Hvordan sette det opp

Windsurf

1. Forutsetninger: Sørg for at du har Node.js og Python installert.
2. Klon og sett opp serveren:

   git clone git@github.com:diegobit/aranet4-mcp-server.git
   cd aranet4-mcp-server
   

3. Installer avhengigheter: Bruk uv eller pip install . etter ønske.
4. Rediger Windsurf-konfigurasjon: Legg til aranet4-serveren i mcpServers-seksjonen.
5. Lagre og start Windsurf på nytt.
6. Verifiser: Sjekk at enheten din blir oppdaget og at data er tilgjengelig.

Eksempel på JSON:

"mcpServers": {
  "aranet4": {
    "command": "uv",
    "args": [
      "--directory",
      "/path/to/aranet4-mcp-server/",
      "run",
      "src/server.py"
    ]
  }
}

Merk: For å sikre API-nøkler eller sensitiv informasjon, bruk miljøvariabler:

"aranet4": {
  "env": {
    "ARANET4_API_KEY": "your_api_key_here"
  },
  "inputs": {}
}

Claude

1. Følg trinn 1–3 ovenfor.
2. Rediger Claude Desktop-konfigurasjonsfilen: Ligger på ~/Library/Application Support/Claude/claude_desktop_config.json.
3. Legg til aranet4-serveren som vist ovenfor.
4. Lagre og start Claude Desktop på nytt.
5. Bruk init aranet4 for veiledet oppsett.

Cursor

1. Følg trinn 1–3 ovenfor.
2. Rediger Cursor-konfigurasjonsfilen: Ligger på ~/.cursor/mcp.json.
3. Sett inn aranet4-serverens JSON-konfigurasjon.
4. Lagre og start Cursor på nytt.
5. Bruk init aranet4 for veiledet oppsett.

Cline

1. Følg trinn 1–3 ovenfor.
2. Rediger din relevante Cline-konfigurasjonsfil.
3. Legg til aranet4-serverens JSON-konfigurasjon.
4. Lagre og start Cline på nytt.
5. Bruk det interaktive konfigurasjonsverktøyet for oppsett.

Hvordan bruke denne MCP-en i flows

Bruke MCP i FlowHunt

For å integrere MCP-servere i din FlowHunt-arbeidsflyt, start med å legge til MCP-komponenten i din flow og koble den til AI-agenten din:

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon legger du inn detaljene for MCP-serveren din med dette JSON-formatet:

{
  "aranet4": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Når den er konfigurert, kan AI-agenten nå bruke denne MCP-en som et verktøy med tilgang til alle dens funksjoner og muligheter. Husk å endre “aranet4” til navnet på din faktiske MCP-server og bytt ut URL-en med din egen MCP-server-URL.

Oversikt

Vår vurdering

aranet4 MCP-serveren gir solid nytteverdi for administrasjon av Aranet4-enheter og miljøsensorikk, med tydelig verktøystøtte og god plattformdekning. Den mangler imidlertid dokumenterte prompt-maler og eksplisitte MCP-ressursdefinisjoner, samt avanserte MCP-funksjoner som sampling og roots. Oppsettveiledningen er praktisk og detaljert, spesielt for populære AI-utviklerverktøy. Alt i alt er dette en solid og praktisk MCP-implementasjon for sitt bruksområde.

MCP-score

Vurdering: 6/10 – Flott enhetsspesifikk nytte, men mangler bredere MCP-funksjoner og dokumentasjon på prompts/ressurser.