Yunxin MCP Server

Do czego służy serwer “yunxin” MCP?

Serwer yunxin MCP (Model Context Protocol) został zaprojektowany do łączenia asystentów AI z usługami IM (Instant Messaging) i RTC (Real-Time Communication) NetEase Yunxin. Udostępniając zestaw narzędzi umożliwiających dostęp do danych komunikacyjnych i czasu rzeczywistego, yunxin-mcp-server pozwala na realizację zadań takich jak pobieranie historii czatów, zarządzanie komunikacją grupową, monitorowanie wskaźników jakości RTC oraz agregowanie statystyk aplikacji. Integracja ta daje deweloperom i operatorom możliwość automatyzacji operacji, analizy trendów wiadomości, monitorowania zdrowia RTC oraz poprawy doświadczenia użytkownika poprzez udostępnienie agentom LLM i zewnętrznym systemom potrzebnych danych i akcji.

Lista Promptów

W repozytorium nie wymieniono szablonów promptów.

Gotowy na rozwój swojej firmy?

Rozpocznij bezpłatny okres próbny już dziś i zobacz rezultaty w ciągu kilku dni.

Poproś o demo Zaloguj się

Lista Zasobów

W repozytorium ani dokumentacji nie podano jawnych zasobów.

Lista Narzędzi

• send_p2p_msg / send_team_msg
  Wysyłaj indywidualne lub grupowe wiadomości czatowe, podając konto nadawcy/odbiorcy lub ID grupy. Przydatne do automatyzacji wiadomości operacyjnych lub powiadomień.
• query_p2p_msg_history / query_team_msg_history
  Wyszukuj historię czatów indywidualnych lub grupowych w określonym przedziale czasu, wspierając operacje i analitykę.
• query_application_im_daily_stats
  Pobieraj dzienne statystyki aplikacji IM, takie jak liczba aktywnych użytkowników, wolumeny wiadomości, miejsce na dane i metryki callback.
• query_rtc_room_members / query_rtc_room_members_by_uids
  Pobieraj szczegóły członków pokoi RTC, w tym czas online, lokalizację, operatora i informacje o urządzeniu.
• query_rtc_room_stuck_rate / query_rtc_room_user_stuck_rate
  Uzyskaj wskaźniki zacinania audio/wideo na poziomie pokoju lub użytkownika w celu monitorowania jakości usług.
• query_rtc_room_top_20
  Lista 20 najlepszych pokoi RTC według aktywności, opóźnienia przy dołączaniu, wskaźnika zacinania audio/wideo i opóźnień sieciowych.

Dołącz do naszego newslettera

Otrzymuj najnowsze wskazówki, trendy i oferty za darmo.

Adres e-mail

Zapisz się

Zastosowania tego serwera MCP

• Automatyzacja operacji wiadomości
  Automatyzuj wysyłanie operacyjnych wiadomości IM do osób lub grup, zwiększając zasięg i zaangażowanie.
• Analiza danych historycznych
  Pobieraj i analizuj historię czatów na potrzeby zgodności, wsparcia klienta lub wglądu operacyjnego.
• Monitorowanie zdrowia aplikacji
  Monitoruj codzienne statystyki aplikacji, aby wykrywać anomalie, śledzić aktywność użytkowników i zapewniać niezawodność usług.
• Monitorowanie jakości RTC
  Śledź wskaźniki RTC na poziomie pokoju i użytkownika, aby proaktywnie identyfikować i rozwiązywać problemy z jakością.
• Analityka i raportowanie pokoi
  Agreguj i analizuj najlepiej działające pokoje RTC, aby optymalizować infrastrukturę i poprawiać doświadczenie użytkownika.

Jak to skonfigurować

Windsurf

1. Upewnij się, że Python i wymagane zależności są zainstalowane.
2. Zlokalizuj plik konfiguracyjny Windsurf (np. .windsurf/config.json).
3. Dodaj serwer yunxin MCP w sekcji mcpServers z odpowiednią komendą i argumentami.
4. Zapisz plik i uruchom ponownie Windsurf.
5. Zweryfikuj, czy serwer yunxin MCP pojawił się w interfejsie.

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

Claude

1. Zainstaluj Pythona i zależności dla yunxin-mcp-server.
2. Znajdź plik konfiguracyjny serwera MCP Claude’a.
3. Wstaw poniższy fragment JSON do konfiguracji MCP.
4. Zapisz i uruchom ponownie Claude’a.
5. Potwierdź działanie yunxin-mcp-server.

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

Cursor

1. Upewnij się, że Python i zależności są zainstalowane.
2. Otwórz ustawienia lub plik konfiguracyjny Cursor.
3. Dodaj serwer yunxin MCP do sekcji mcpServers.
4. Zapisz zmiany i uruchom ponownie Cursor.
5. Sprawdź integrację z yunxin MCP.

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

Cline

1. Zainstaluj Pythona i zależności yunxin-mcp-server.
2. Uzyskaj dostęp do pliku konfiguracyjnego Cline.
3. Zarejestruj serwer yunxin MCP za pomocą poniższego JSON.
4. Zapisz i uruchom ponownie Cline.
5. Sprawdź, czy serwer jest aktywny.

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

Zabezpieczanie kluczy API:
Użyj zmiennych środowiskowych do ochrony wrażliwych danych. Przykład z env i inputs:

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

Jak używać tego MCP w przepływach

Użycie MCP w FlowHunt

Aby zintegrować serwery MCP z przepływem pracy FlowHunt, rozpocznij od dodania komponentu MCP do swojego przepływu i połącz go z agentem AI:

Kliknij na komponent MCP, aby otworzyć panel konfiguracji. W sekcji konfiguracji systemu MCP wprowadź szczegóły swojego serwera MCP w poniższym formacie JSON:

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

Po konfiguracji agent AI będzie mógł używać tego MCP jako narzędzia ze wszystkimi jego funkcjami i możliwościami. Pamiętaj, aby zamienić “yunxin-mcp” na właściwą nazwę Twojego serwera MCP i podać własny adres URL serwera MCP.

Przegląd

Oceniam ten serwer MCP na 6/10. Oferuje jasne API narzędzi i instrukcje konfiguracji, ale brakuje szablonów promptów, definicji zasobów oraz jawnego wsparcia dla zaawansowanych funkcji MCP (roots, sampling).

Ocena MCP