Inkeep MCP-server

Vad gör “Inkeep” MCP-server?

Inkeep MCP-servern är en specialiserad Model Context Protocol (MCP)-server utformad för att koppla AI-assistenter till uppdaterad produktdokumentation och innehåll som hanteras i Inkeep. Den fungerar som en brygga som gör det möjligt för utvecklingsverktyg och LLM-drivna agenter att fråga och hämta relevant dokumentation och produktkunskap direkt från Inkeeps API:er. Detta förbättrar utvecklararbetsflöden genom att möjliggöra uppgifter som att söka produktdokumentation, integrera RAG (Retrieval Augmented Generation)-funktionalitet och visa uppdaterat innehåll i AI-drivna utvecklingsmiljöer. Genom att tillhandahålla ett standardiserat gränssnitt förenklas integrationen och utvecklare får möjlighet att bygga smartare och mer kontextmedvetna assistenter och verktyg.

Lista över prompts

• Inga explicita promptmallar angavs i repositoriet eller dokumentationen.

Redo att växa ditt företag?

Starta din kostnadsfria provperiod idag och se resultat inom några dagar.

Begär demo Logga in

Lista över resurser

• Inga explicita resurser beskrivs i repositoriet eller dokumentationen.

Lista över verktyg

• search-product-content
  Hämtar produktdokumentation om Inkeep. Frågan ska formuleras som en konversationell fråga om Inkeep.

Gå med i vårt nyhetsbrev

Få de senaste tipsen, trenderna och erbjudandena gratis.

E-postadress

Prenumerera

Användningsområden för denna MCP-server

• Sökning i produktdokumentation
  Utvecklare och AI-agenter kan hämta den senaste produktdokumentationen för Inkeep, så att användare får auktoritativ och aktuell information vid produktrelaterade frågor.

• RAG (Retrieval Augmented Generation)-integration
  Använd som backend för RAG-arbetsflöden i AI-assistenter och möjliggör att de kan förstärka svar med relevanta dokumentationsavsnitt från Inkeep.

• Inkeep API-integration i utvecklarverktyg
  Integrera Inkeeps kunskapsbas direkt i utvecklar-IDEs, chattbottar eller supportsystem, vilket minskar kontextväxlingar och ökar produktiviteten.

• Konversationell produktsupport
  Driv chattbaserade supportbottar eller assistenter som besvarar komplexa frågor med uppdaterad dokumentation från Inkeeps hanterade innehåll.

• Automatiserad onboardinghjälp
  Tillhandahåll onboardinginformation till nya användare eller teammedlemmar med Inkeeps dokumentation som sanningskälla.

Så här ställer du in det

Windsurf

Inga Windsurf-specifika installationsinstruktioner finns i repositoriet.

Claude

1. Klona repot och ställ in miljön:

   git clone https://github.com/inkeep/mcp-server-python.git
   cd mcp-server-python
   uv venv
   uv pip install -r pyproject.toml
   

2. Hämta din API-nyckel från Inkeep Dashboard.
3. Öppna din claude_desktop_config.json-fil.
4. Lägg till följande i avsnittet mcpServers:

   {
       "mcpServers": {
           "inkeep-mcp-server": {
               "command": "uv",
               "args": [
                   "--directory",
                   "<YOUR_INKEEP_MCP_SERVER_ABSOLUTE_PATH>",
                   "run",
                   "-m",
                   "inkeep_mcp_server"
               ],
               "env": {
                   "INKEEP_API_BASE_URL": "https://api.inkeep.com/v1",
                   "INKEEP_API_KEY": "<YOUR_INKEEP_API_KEY>",
                   "INKEEP_API_MODEL": "inkeep-rag",
                   "INKEEP_MCP_TOOL_NAME": "search-product-content",
                   "INKEEP_MCP_TOOL_DESCRIPTION": "Retrieves product documentation about Inkeep. The query should be framed as a conversational question about Inkeep."
               }
           }
       }
   }
   

5. Spara och starta om Claude. Verifiera genom att köra en produktinnehållsfråga.

Säkerställ API-nycklar:
Se till att lagra din API-nyckel i miljövariabler enligt env-blocket i konfigurationen ovan.

Cursor

Inga Cursor-specifika installationsinstruktioner finns i repositoriet.

Cline

Inga Cline-specifika installationsinstruktioner finns i repositoriet.

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 avsnittet för system-MCP-konfiguration, sätt in dina MCP-serveruppgifter enligt detta JSON-format:

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

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och kapaciteter. Kom ihåg att byta ut “inkeep-mcp-server” mot det faktiska namnet på din MCP-server och ersätt URL:en med din egen MCP-server-URL.

Översikt

Baserat på tillgänglig information erbjuder Inkeep MCP-server ett fokuserat och användbart verktyg för sökning i produktdokumentation med tydliga installationssteg och säker hantering av API-nycklar. Däremot gör avsaknaden av explicita promptmallar, resurslistningar och avancerade funktioner som sampling eller roots att dess fullständighet för bredare MCP-användning blir lägre.

Vår bedömning

Jag skulle ge denna MCP-server 5/10: Den erbjuder ett tydligt, väl dokumenterat grundläggande verktyg för att integrera Inkeeps produktdokumentation med MCP-klienter, men saknar bredare funktionsstöd och dokumentation kring prompts, resurser och avancerade MCP-funktioner.

MCP-poäng