Peacock MCP Sunucusu

“Peacock” MCP Sunucusu ne yapar?

Peacock MCP Sunucusu, Visual Studio Code’daki Peacock uzantısı için bir Model Context Protocol (MCP) sunucusu olarak hizmet vermek üzere tasarlanmıştır. Ana amacı, bir MCP sunucusunun AI asistanları ile harici API’lar arasında nasıl bağlantı kurabileceğini göstermek ve böylece geliştirme iş akışlarını iyileştirmektir. Bir köprü görevi görerek, Peacock MCP Sunucusu AI tabanlı asistanların VS Code ortamı ile programatik olarak etkileşime geçmesini sağlar; örneğin editör görünümünü özelleştirmek veya proje bazlı ayarları yönetmek gibi. Bu sayede geliştiriciler temalandırma, çalışma alanı tanımlama ya da diğer API tabanlı işlemler gibi görevleri otomatikleştirerek kodlama deneyimini kolaylaştırır ve zenginleştirir.

İstem Listesi

Mevcut dokümantasyon veya depo dosyalarında açıkça istem şablonu belirtilmemiştir.

Kaynaklar Listesi

Mevcut dokümantasyon veya depo dosyalarında açıkça kaynak belirtilmemiştir.

Araçlar Listesi

Mevcut dokümantasyon veya depo dosyalarında açıkça araç listelenmemiştir ve bu depoda server.py yoktur.

Bu MCP Sunucusunun Kullanım Alanları

• API Etkileşimi Gösterimi: Peacock MCP Sunucusu, MCP sunucularının API’larla nasıl etkileşime geçebileceğini göstermek için tasarlanmıştır. Bu, geliştiricilerin AI asistanlarını çeşitli hizmetlerle entegre etme konusundaki en iyi uygulamaları anlamasına yardımcı olur.
• VS Code Uzantı Geliştirme ve Geliştirme: MCP üzerinden Peacock’a bağlanarak, geliştiriciler tema ve görünüm ayarlarını VS Code çalışma alanları arasında otomatikleştirerek ekip iş akışlarını ve çalışma alanı tanımlamasını geliştirebilir.
• Geliştirici İş Akışı Otomasyonu: Sunucu, tekrarlayan görevleri otomatikleştirmek için temel olarak kullanılabilir; örneğin editör renklerini proje bağlamına veya CI/CD durumuna göre değiştirmek gibi, böylece manuel yapılandırma azalır.
• Eğitim Amaçlı Kullanım: Depo, AI araçlarını harici API veya sistemlerle bağlamak için MCP sunucusu implementasyonu öğrenmek isteyenler için değerli bir kaynaktır.
• Özel MCP Sunucuları İçin Şablon: Geliştiriciler, bunu AI ve API arasındaki etkileşimi gerektiren diğer uzantı veya uygulamalar için kendi MCP sunucularını oluşturmak adına şablon olarak kullanabilir.

Kurulum Nasıl Yapılır

Windsurf

1. Sisteminize Node.js’in kurulu olduğundan emin olun.
2. Windsurf’ün yapılandırma dosyasını bulun (genellikle wind.config.json).
3. Şu JSON kod parçasıyla Peacock MCP Sunucusu kaydını ekleyin:

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. Yapılandırma dosyasını kaydedin ve Windsurf’u yeniden başlatın.
5. Windsurf’un Peacock MCP sunucusunu tanıyıp tanımadığını kontrol ederek kurulumu doğrulayın.

Claude

1. Node.js’in kurulu olduğundan emin olun.
2. Claude’un MCP sunucu yapılandırmasını açın (örn. claude.json).
3. Şunu ekleyin:

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. Kaydedin ve Claude’u yeniden başlatın.
5. Peacock MCP sunucusunun Claude arayüzünde listelendiğini kontrol edin.

Cursor

1. Node.js’i yükleyin.
2. Cursor’un cursor.config.json dosyasını açın.
3. Şunu ekleyin:

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. Dosyayı kaydedin, Cursor’u yeniden başlatın.
5. MCP sunucusunu kullanan bir komutu çağırarak testi gerçekleştirin.

Cline

1. Node.js’in kurulu olduğundan emin olun.
2. Cline’ın yapılandırma dosyasını düzenleyin veya oluşturun (örn. cline.config.json).
3. MCP sunucusunu ekleyin:

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. Kaydedin ve Cline’ı yeniden başlatın.
5. MCP sunucusunun başarılı şekilde kaydedilip kaydedilmediğini kontrol edin.

API Anahtarlarının Güvenliğini Sağlama

API anahtarlarını ortam değişkeni olarak saklayın ve yapılandırmanızda referans verin. Örnek:

{
  "mcpServers": {
    "peacock-mcp": {
      "command": "npx",
      "args": ["@johnpapa/peacock-mcp@latest"],
      "env": {
        "API_KEY": "${PEACOCK_API_KEY}"
      },
      "inputs": {
        "apiKey": "${PEACOCK_API_KEY}"
      }
    }
  }
}

Bu MCP’yi akışlarda nasıl kullanabilirim?

FlowHunt’ta MCP Kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, ilk olarak akışınıza MCP bileşenini ekleyin ve AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırması bölümünde, MCP sunucu detaylarınızı aşağıdaki JSON formatında girin:

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

Yapılandırma tamamlandıktan sonra, AI ajanı bu MCP’yi bir araç olarak kullanabilir ve tüm fonksiyonlarına erişebilir. “peacock-mcp” ismini kendi MCP sunucunuzun adı ile ve URL’yi kendi MCP sunucu adresiniz ile değiştirmeniz gerektiğini unutmayın.

Genel Bakış

Tablolara göre, Peacock MCP sunucusu faydalı bir demo projesi olarak hizmet etse de, ayrıntılı dokümantasyon, istem şablonları, kaynaklar ve araç tanımları eksik olduğundan gelişmiş MCP entegrasyonları için pratik kullanımı sınırlıdır. En büyük değeri, MCP sunucu geliştirmeye başlamak ya da öğrenmek için başlangıç noktası olmasıdır.

MCP Puanı

Genel değerlendirme: 3/10 – Bu MCP sunucusu, başlangıç için kullanışlı bir referans olsa da, gerçek dünya kullanımı için kapsamı ve dokümantasyonu oldukça sınırlıdır.