aranet4 MCP-server

Vad gör “aranet4” MCP-servern?

aranet4 MCP-servern är en Model Context Protocol (MCP) server som är utformad för att hantera din Aranet4 CO2-sensor och dess tillhörande lokala databas. Genom att fungera som brygga mellan AI-assistenter och externa datakällor möjliggör servern smidig interaktion med din enhet för uppgifter som att skanna efter närliggande enheter, hämta och lagra mätdata samt hämta historiska sensorvärden. Den stödjer automatiska uppdateringar, assisterad konfiguration och även datavisualisering för klienter som stödjer bilder. Servern förbättrar utvecklarflöden genom att förenkla integrationen av miljösensordata i bredare LLM-drivna automationer, vilket gör det enklare att övervaka luftkvalitet, spåra historiska trender och hantera enhetsinställningar programmatiskt.

Lista över promptar

Inga explicita promptmallar är dokumenterade i repositoryt eller README.

Lista över resurser

Inga explicita resurser är dokumenterade i repositoryt eller README.

Lista över verktyg

Konfiguration och verktyg:

• init_aranet4_config: Assisterad konfiguration av Aranet4-enheten.
• scan_devices: Skannar efter närliggande Bluetooth Aranet4-enheter.
• get_configuration_and_db_stats: Hämtar aktuell config.yaml och allmän statistik från den lokala SQLite-databasen.
• set_configuration: Sätter värden i config.yaml.

För att uppdatera historiska data:

• fetch_new_data: Hämtar ny data från den konfigurerade Aranet4-enheten och sparar till den lokala databasen.

För att hämta historiska data:

• get_recent_data: Hämtar senaste data från lokala databasen; antal mätningar kan anges.

Användningsområden för denna MCP-server

• Miljöövervakning: Skanna och hämta automatiskt luftkvalitets- och CO2-data från närliggande Aranet4-enheter och lagra dem i en lokal databas för vidare analys.
• Historisk dataanalys: Hämta och granska tidigare sensorvärden för att identifiera trender eller avvikelser i luftkvalitet över tid – användbart för forskare eller fastighetsansvariga.
• Automatiserad konfiguration: Använd AI-assisterade eller manuella verktyg för snabb uppsättning och konfiguration av Aranet4-enheter, vilket minskar inställningstiden för icke-tekniska användare.
• Visualisering och rapportering: För klienter som stödjer bildutmatning – skapa och visualisera diagram över senaste mätvärden för enkel tolkning och rapportering.
• Hantering av enhetsflotta: Skanna och hantera flera Aranet4-enheter i ett utrymme för centraliserad övervakning och konfiguration.

Så installerar du

Windsurf

1. Förutsättningar: Se till att du har Node.js och Python installerade.
2. Klona och sätt upp servern:

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

3. Installera beroenden: Använd uv eller pip install . efter preferens.
4. Redigera Windsurf-konfigurationen: Lägg till aranet4-servern i sektionen mcpServers.
5. Spara och starta om Windsurf.
6. Verifiera: Kontrollera att din enhet upptäcks och att data är tillgänglig.

Exempel på JSON:

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

Observera: För att skydda API-nycklar eller känslig information, använd miljövariabler:

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

Claude

1. Följ steg 1–3 ovan.
2. Redigera Claude Desktop-konfigurationsfil: Finns på ~/Library/Application Support/Claude/claude_desktop_config.json.
3. Lägg till aranet4-servern enligt ovanstående exempel.
4. Spara och starta om Claude Desktop.
5. Använd init aranet4 för guidad setup.

Cursor

1. Följ steg 1–3 ovan.
2. Redigera Cursor-konfigurationsfil: Finns på ~/.cursor/mcp.json.
3. Lägg in aranet4-serverns JSON-konfiguration.
4. Spara och starta om Cursor.
5. Använd init aranet4 för guidad setup.

Cline

1. Följ steg 1–3 ovan.
2. Redigera relevant Cline-konfigurationsfil.
3. Lägg till aranet4-serverns JSON-konfiguration.
4. Spara och starta om Cline.
5. Använd det interaktiva konfigurationsverktyget för setup.

Så använder du denna MCP i flöden

Använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion, lägg in din MCP-server enligt detta JSON-format:

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

När detta är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner. Kom ihåg att ändra “aranet4” till ditt faktiska MCP-servernamn och byt ut URL:en mot din egen MCP-serveradress.

Översikt

Vår åsikt

aranet4 MCP-servern erbjuder stor nytta för hantering av Aranet4-enheter och miljömätning, med tydlig verktygsexponering och bra plattformsstöd. Dock saknas dokumenterade promptmallar och explicita MCP-resurser samt avancerade MCP-funktioner som sampling och roots. Installationsinstruktionerna är praktiska och detaljerade, särskilt för populära AI-utvecklingsverktyg. Sammantaget är detta en solid och praktisk MCP-implementation inom sitt område.

MCP-poäng

Betyg: 6/10 – Bra enhetsspecifik nytta, men saknar bredare MCP-funktioner och dokumentation kring prompts/resurser.