Yunxin MCP Sunucusu

“yunxin” MCP Sunucusu ne yapar?

yunxin MCP (Model Context Protocol) Sunucusu, AI asistanları ile NetEase Yunxin’in IM (Anlık Mesajlaşma) ve RTC (Gerçek Zamanlı İletişim) servisleri arasında köprü görevi görür. Mesajlaşma ve gerçek zamanlı iletişim verilerine erişimi kolaylaştıran bir dizi aracı kullanıma açarak, yunxin-mcp-server; sohbet geçmişi sorgulama, grup iletişimini yönetme, RTC kalite metriklerini izleme ve uygulama istatistiklerini toplama gibi görevler için AI tabanlı iş akışlarını mümkün kılar. Bu entegrasyon, geliştiricilere ve operatörlere operasyonları otomatikleştirme, mesajlaşma trendlerini analiz etme, RTC sağlığını izleme ve ilgili verileri ile eylemleri LLM tabanlı ajanlar ve harici sistemler için erişilebilir kılarak kullanıcı deneyimini geliştirme imkanı tanır.

İstem Listesi

Depoda hiçbir istem şablonundan bahsedilmemiştir.

İşinizi büyütmeye hazır mısınız?

Bugün ücretsiz denemenizi başlatın ve günler içinde sonuçları görün.

Demo talep et Giriş yap

Kaynak Listesi

Depoda veya belgede açıkça listelenmiş bir kaynak yoktur.

Araç Listesi

• send_p2p_msg / send_team_msg
  Gönderen/alıcı hesapları veya grup kimlikleriyle bireysel ya da grup sohbet mesajları gönderin. Operasyonel veya bildirim mesajlarının otomasyonu için kullanışlıdır.
• query_p2p_msg_history / query_team_msg_history
  Belirli bir zaman aralığında bireysel veya grup sohbet geçmişlerini sorgulayın; operasyonel ve analitik iş akışlarını destekler.
• query_application_im_daily_stats
  Günlük aktif kullanıcı, mesaj hacmi, depolama ve geri çağırma metrikleri gibi günlük IM uygulama istatistiklerini alın.
• query_rtc_room_members / query_rtc_room_members_by_uids
  RTC oda üye detaylarını; çevrimiçi süre, konum, ISP ve cihaz bilgisi dahil olmak üzere sorgulayın.
• query_rtc_room_stuck_rate / query_rtc_room_user_stuck_rate
  Servis kalitesini izlemek için oda veya kullanıcı bazında ses/görüntü takılma oranı metriklerine erişin.
• query_rtc_room_top_20
  Aktif kullanıcı sayısı, katılım gecikmesi, ses/görüntü takılma oranı ve ağ gecikmesi gibi metriklere göre ilk 20 RTC odasını listeleyin.

Bültenimize katılın

En son ipuçlarını, trendleri ve teklifleri ücretsiz alın.

E-posta adresi

Abone ol

Bu MCP Sunucusunun Kullanım Senaryoları

• Otomatik Mesajlaşma Operasyonları
  Bireylere veya gruplara IM operasyonel mesajlarını otomatik göndererek erişim ve etkileşimi artırın.
• Tarihsel Veri Analizi
  Uyumluluk, müşteri desteği veya operasyonel içgörü için sohbet geçmişlerini alın ve analiz edin.
• Uygulama Sağlık İzleme
  Anormallikleri tespit etmek, kullanıcı etkinliğini takip etmek ve hizmet güvenilirliğini sağlamak için günlük uygulama istatistiklerini izleyin.
• RTC Kalite İzleme
  Oda ve kullanıcı seviyesinde RTC metriklerini takip ederek kalite sorunlarını proaktif olarak belirleyin ve çözün.
• Oda Analitiği ve Raporlama
  Altyapıyı optimize etmek ve kullanıcı deneyimini geliştirmek için en iyi performans gösteren RTC odalarını toplayın ve analiz edin.

Nasıl Kurulur

Windsurf

1. Python ve gerekli bağımlılıkların kurulu olduğundan emin olun.
2. Windsurf yapılandırma dosyasını bulun (örn., .windsurf/config.json).
3. mcpServers bölümüne uygun komut ve argümanlarla yunxin MCP sunucusunu ekleyin.
4. Dosyayı kaydedin ve Windsurf’u yeniden başlatın.
5. Arayüzde yunxin MCP sunucusunun göründüğünü doğrulayın.

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

Claude

1. yunxin-mcp-server için Python ve bağımlılıkları yükleyin.
2. Claude’un MCP sunucu yapılandırma dosyasını bulun.
3. Aşağıdaki JSON kesitini MCP yapılandırmasına ekleyin.
4. Kaydedin ve Claude’u yeniden başlatın.
5. yunxin-mcp-server işlevini doğrulayın.

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

Cursor

1. Python ve bağımlılıkların kurulu olduğundan emin olun.
2. Cursor’un ayarlarını veya yapılandırma dosyasını açın.
3. mcpServers bölümüne yunxin MCP sunucusunu ekleyin.
4. Değişiklikleri kaydedin ve Cursor’u yeniden başlatın.
5. yunxin MCP entegrasyonunu kontrol edin.

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

Cline

1. Python ve yunxin-mcp-server bağımlılıklarını yükleyin.
2. Cline’ın yapılandırma dosyasına erişin.
3. Aşağıdaki JSON ile yunxin MCP sunucusunu kaydedin.
4. Kaydedin ve Cline’ı yeniden başlatın.
5. Sunucunun aktif olduğunu doğrulayın.

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

API Anahtarlarını Güvence Altına Alma:
Hassas kimlik bilgilerini korumak için ortam değişkenlerini kullanın. env ve inputs ile örnek:

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

Bu MCP’yi akışlarda nasıl kullanabilirsiniz

FlowHunt içinde MCP kullanımı

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

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

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

Yapılandırdıktan sonra, AI ajanınız bu MCP’yi bütün işlevleriyle bir araç olarak kullanabilir. “yunxin-mcp"yi kendi MCP sunucunuzun adıyla ve URL’yi kendi MCP sunucu URL’inizle değiştirmeniz gerektiğini unutmayın.

Genel Bakış

Bu MCP sunucusuna 6/10 puan verirdim. Açık araç API’ları ve kurulum talimatları sunuyor; ancak istem şablonları, kaynak tanımları ve gelişmiş MCP özellikleri (roots, örnekleme) için açık destek eksik.

MCP Puanı