Yunxin MCP Server

Čo robí “yunxin” MCP Server?

yunxin MCP (Model Context Protocol) Server je navrhnutý na prepojenie AI asistentov so službami IM (Instant Messaging) a RTC (Real-Time Communication) od NetEase Yunxin. Vďaka súboru nástrojov, ktoré uľahčujú prístup k údajom o správach a komunikácii v reálnom čase, yunxin-mcp-server umožňuje AI workflowy na úlohy ako dopytovanie histórie četov, správu skupinovej komunikácie, monitorovanie kvality RTC či agregáciu štatistík aplikácie. Táto integrácia dáva vývojárom a operátorom možnosť automatizovať operácie, analyzovať trendy správ, monitorovať stav RTC a zlepšovať používateľské skúsenosti sprístupnením relevantných údajov a akcií LLM agentom a externým systémom.

Zoznam promptov

V repozitári nie sú uvedené žiadne šablóny promptov.

Zoznam zdrojov

V repozitári alebo dokumentácii nie sú uvedené žiadne konkrétne zdroje.

Zoznam nástrojov

• send_p2p_msg / send_team_msg
  Odosielanie individuálnych alebo skupinových správ na základe účtov odosielateľa/príjemcu alebo ID skupiny. Užitočné na automatizáciu prevádzkových či notifikačných správ.
• query_p2p_msg_history / query_team_msg_history
  Dopytovanie individuálnej alebo skupinovej histórie četov v časovom rozsahu, podporuje operatívu aj analytiku.
• query_application_im_daily_stats
  Získavanie denných štatistík IM aplikácie ako počet aktívnych používateľov, objem správ, úložisko a metriky callbackov.
• query_rtc_room_members / query_rtc_room_members_by_uids
  Získanie detailov členov RTC miestností, vrátane dĺžky online, polohy, ISP a údajov o zariadení.
• query_rtc_room_stuck_rate / query_rtc_room_user_stuck_rate
  Prístup k metrikám zasekávania audia/videa pre miestnosti alebo používateľov na monitorovanie kvality služby.
• query_rtc_room_top_20
  Zoznam top 20 RTC miestností podľa metrík ako počet aktívnych používateľov, latencia pripojenia, miera zasekávania a sieťové oneskorenia.

Prípady použitia tohto MCP Servera

• Automatizované prevádzkové správy
  Automatizujte odosielanie IM prevádzkových správ jednotlivcom alebo skupinám a zlepšite oslovenie a angažovanosť.
• Analýza historických údajov
  Získavajte a analyzujte históriu četov pre compliance, zákaznícku podporu alebo prevádzkový prehľad.
• Monitorovanie zdravia aplikácie
  Sledujte denné štatistiky aplikácie na detekciu anomálií, sledovanie aktivity používateľov a zabezpečenie spoľahlivosti služby.
• Monitorovanie kvality RTC
  Sledujte RTC metriky na úrovni miestností a používateľov, aby ste proaktívne identifikovali a riešili problémy s kvalitou.
• Analytika a reportovanie miestností
  Agregujte a analyzujte top RTC miestnosti na optimalizáciu infraštruktúry a zlepšenie používateľských skúseností.

Ako ho nastaviť

Windsurf

1. Uistite sa, že máte nainštalovaný Python a požadované závislosti.
2. Nájdite konfiguračný súbor Windsurf (napr. .windsurf/config.json).
3. Pridajte yunxin MCP server do sekcie mcpServers s príslušným príkazom a argumentmi.
4. Uložte súbor a reštartujte Windsurf.
5. Overte, že sa yunxin MCP server zobrazuje v rozhraní.

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

Claude

1. Nainštalujte Python a závislosti pre yunxin-mcp-server.
2. Nájdite konfiguračný súbor MCP servera pre Claude.
3. Vložte nasledujúci JSON útržok do MCP konfigurácie.
4. Uložte a reštartujte Claude.
5. Overte funkčnosť yunxin-mcp-servera.

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

Cursor

1. Uistite sa, že máte nainštalovaný Python a závislosti.
2. Otvorte nastavenia alebo konfiguračný súbor Cursor.
3. Pridajte yunxin MCP server do sekcie mcpServers.
4. Uložte zmeny a reštartujte Cursor.
5. Skontrolujte integráciu yunxin MCP.

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

Cline

1. Nainštalujte Python a závislosti pre yunxin-mcp-server.
2. Pristúpte ku konfiguračnému súboru Cline.
3. Zaregistrujte yunxin MCP server pomocou nasledovného JSON.
4. Uložte a reštartujte Cline.
5. Overte, že server je aktívny.

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

Zabezpečenie API kľúčov:
Na ochranu citlivých údajov použite environmentálne premenné. Príklad so sekciami env a inputs:

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

Ako používať tento MCP vo workflowoch

Použitie MCP vo FlowHunt

Na integráciu MCP serverov do vášho workflowu vo FlowHunt začnite pridaním MCP komponentu do flowu a prepojením s AI agentom:

Kliknite na komponent MCP a otvorí sa konfiguračný panel. Do sekcie systémovej MCP konfigurácie vložte detaily vášho MCP servera v tomto JSON formáte:

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

Po nakonfigurovaní môže AI agent využívať tento MCP ako nástroj so všetkými jeho funkciami a možnosťami. Nezabudnite zmeniť “yunxin-mcp” na skutočný názov vášho MCP servera a URL na vlastnú adresu MCP servera.

Prehľad

Tento MCP server by som hodnotil na 6/10. Poskytuje jasné API nástrojov a inštrukcie na nastavenie, ale chýbajú šablóny promptov, definície zdrojov a výslovná podpora pokročilých MCP funkcií (roots, sampling).

MCP Skóre