Yunxin MCP-server

Hva gjør “yunxin” MCP-serveren?

Yunxin MCP (Model Context Protocol) Server er laget for å koble AI-assistenter med NetEase Yunxins IM (Instant Messaging) og RTC (Real-Time Communication) tjenester. Ved å tilby et sett med verktøy for tilgang til meldings- og sanntidskommunikasjonsdata, muliggjør yunxin-mcp-serveren AI-drevne arbeidsflyter for oppgaver som å hente chatthistorikk, administrere gruppekommunikasjon, overvåke RTC-kvalitetsmålinger og aggregere applikasjonsstatistikk. Denne integrasjonen gir utviklere og operatører mulighet til å automatisere drift, analysere meldingsmønstre, overvåke RTC-helse og forbedre brukeropplevelser ved å gjøre relevante data og handlinger tilgjengelig for LLM-baserte agenter og eksterne systemer.

Liste over prompt-maler

Ingen prompt-maler er nevnt i depotet.

Ressursliste

Ingen eksplisitte ressurser er listet i depotet eller dokumentasjonen.

Verktøyliste

• send_p2p_msg / send_team_msg
  Send individuelle eller gruppechat-meldinger, gitt avsender/mottaker-kontoer eller gruppe-IDer. Nyttig for å automatisere drifts- eller varslingsmeldinger.
• query_p2p_msg_history / query_team_msg_history
  Hent individuell eller gruppechatthistorikk innenfor et tidsintervall, støtter drifts- og analysearbeidsflyter.
• query_application_im_daily_stats
  Hent daglig IM-applikasjonsstatistikk som daglige aktive brukere, meldingsvolum, lagring og callback-målinger.
• query_rtc_room_members / query_rtc_room_members_by_uids
  Hent detaljer om RTC-rommedlemmer, inkludert onlinetid, plassering, ISP og enhetsinformasjon.
• query_rtc_room_stuck_rate / query_rtc_room_user_stuck_rate
  Få tilgang til lyd-/videohakkefrekvens på rom- eller brukernivå for overvåkning av tjenestekvalitet.
• query_rtc_room_top_20
  List de 20 beste RTC-rommene etter målinger som aktive brukere, innloggingsforsinkelse, lyd-/videohakkefrekvens og nettverksforsinkelser.

Bruksområder for denne MCP-serveren

• Automatiserte meldingsoperasjoner
  Automatiser utsending av IM-driftsmeldinger til enkeltpersoner eller grupper for bedre rekkevidde og engasjement.
• Analyse av historiske data
  Hent og analyser chatthistorikk for samsvar, kundestøtte eller driftsinnsikt.
• Applikasjonshelse-overvåkning
  Overvåk daglige applikasjonsmålinger for å oppdage avvik, spore brukeraktivitet og sikre driftssikkerhet.
• Overvåkning av RTC-kvalitet
  Spor rom- og brukernivå RTC-målinger for å identifisere og løse kvalitetsproblemer proaktivt.
• Rom-analyse og rapportering
  Aggreger og analyser de mest prestasjonssterke RTC-rommene for å optimalisere infrastrukturen og forbedre brukeropplevelsen.

Slik setter du det opp

Windsurf

1. Sørg for at Python og nødvendige avhengigheter er installert.
2. Finn Windsurf-konfigurasjonsfilen (f.eks. .windsurf/config.json).
3. Legg til yunxin MCP-server i mcpServers-seksjonen med riktig kommando og argumenter.
4. Lagre filen og start Windsurf på nytt.
5. Bekreft at yunxin MCP-server vises i grensesnittet.

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

Claude

1. Installer Python og avhengigheter for yunxin-mcp-server.
2. Finn Claudes MCP-server konfigurasjonsfil.
3. Sett inn følgende JSON-snutt i MCP-konfigurasjonen.
4. Lagre og start Claude på nytt.
5. Bekreft funksjonalitet for yunxin-mcp-server.

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

Cursor

1. Sørg for at Python og avhengigheter er installert.
2. Åpne Cursors innstillinger eller konfigurasjonsfil.
3. Legg til yunxin MCP-server i mcpServers-seksjonen.
4. Lagre endringer og start Cursor på nytt.
5. Sjekk for yunxin MCP-integrasjon.

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

Cline

1. Installer Python og avhengigheter for yunxin-mcp-server.
2. Gå til Clines konfigurasjonsfil.
3. Registrer yunxin MCP-server med følgende JSON.
4. Lagre og start Cline på nytt.
5. Bekreft at serveren er aktiv.

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

Sikring av API-nøkler:
Bruk miljøvariabler for å beskytte sensitive legitimasjoner. Eksempel med env og inputs:

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

Slik bruker du denne MCP-en i flyter

Bruk av MCP i FlowHunt

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

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon setter du inn MCP-serverdetaljene dine med dette JSON-formatet:

{
  "yunxin-mcp": {
    "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 “yunxin-mcp” til det faktiske navnet på din MCP-server og bytt ut URL-en med din egen MCP-server-URL.

Oversikt

Jeg vil gi denne MCP-serveren en vurdering på 6/10. Den tilbyr tydelige API-er for verktøy og oppsettinstruksjoner, men mangler prompt-maler, ressursdefinisjoner og eksplisitt støtte for avanserte MCP-funksjoner (roots, sampling).

MCP-score