Box MCP 服务器集成

“Box” MCP 服务器的功能是什么？

Box MCP 服务器是一个基于 Python 的项目，可实现 AI 助手与 Box API 之间的无缝集成。它作为桥梁，使支持 AI 的工作流能在 Box 上完成诸如文件搜索、文本提取、AI 查询、文件夹管理、文件上传和下载等多种任务。通过模型上下文协议（MCP），服务器标准化了 AI 代理与 Box 数据的交互方式，使开发者更容易自动化文档管理、利用 AI 进行内容分析以及简化协作。Box MCP 服务器助力团队批量查询、修改和分析文件及文件夹，提高生产力并为 AI 驱动的文档工作流释放更多可能性。

提示模板列表

仓库中未记录明确的提示模板。

资源列表

仓库中未记录明确的 MCP 资源。

工具列表

• box_who_am_i
  获取当前用户信息并检查连接状态。

• box_authorize_app_tool
  启动 Box 应用授权流程。

• box_search_tool
  通过查询、文件扩展名、位置和父文件夹 ID 在 Box 中搜索文件。

• box_read_tool
  通过文件 ID 读取 Box 文件的文本内容。

• box_ask_ai_tool
  使用提示信息向 Box AI 询问文件相关内容。

• box_ask_ai_tool_multi_file
  使用多个文件和一个提示信息向 Box AI 查询。

• box_hubs_ask_ai_tool
  通过 hub ID 和提示信息向 Box AI 询问 hub 相关内容。

• box_search_folder_by_name
  通过名称定位文件夹。

• box_ai_extract_data
  使用 AI 从文件中提取指定字段。

• box_list_folder_content_by_folder_id
  通过文件夹 ID 列出文件夹内容，可递归。

• box_manage_folder_tool
  在 Box 中创建、更新或删除文件夹。

• box_upload_file_tool
  向 Box 上传文件。

此 MCP 服务器的应用场景

• 文档搜索与检索
  开发者可自动化根据关键词、扩展名或内容在大量 Box 仓库中搜索文件/文件夹，便于快速定位相关文档。

• AI 辅助内容分析
  利用 Box AI 提取结构化数据、总结文档或解答文件内容相关问题，实现智能文档处理和洞察。

• 文件夹与文件管理
  自动创建、更新、删除文件夹，以及上传和读取文件，简化内容组织与协作。

• 批量操作与报表
  递归列出文件夹内容，聚合信息以用于审计、报告或迁移任务。

• 与 AI 工作流集成 Box
  在 AI 驱动的流程中将 Box 作为上下文资源，使代理能够访问、分析和处理 Box 数据，成为更广泛自动化流程的一部分。

安装配置方法

Windsurf

1. 确保已安装前置条件（如 Node.js）。

2. 找到您的 Windsurf 配置文件。

3. 在 mcpServers 部分添加如下 JSON 片段：

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

4. 保存配置并重启 Windsurf。

5. 检查服务器是否响应请求以验证配置。

API 密钥安全

请使用环境变量存储敏感凭据：

"mcpServers": {
  "box-mcp": {
    "command": "npx",
    "args": ["@box/mcp-server-box@latest"],
    "env": {
      "BOX_CLIENT_ID": "your-client-id",
      "BOX_CLIENT_SECRET": "your-client-secret"
    },
    "inputs": {}
  }
}

Claude

1. 如有需要请安装 Node.js。

2. 打开 Claude 的配置文件。

3. 在 mcpServers 部分添加 Box MCP 服务器：

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

4. 保存更改并重启 Claude。

5. 确认 MCP 服务器已启动。

API 密钥安全

"env": {
  "BOX_CLIENT_ID": "your-client-id",
  "BOX_CLIENT_SECRET": "your-client-secret"
}

Cursor

1. 按需安装前置条件。

2. 编辑您的 Cursor 配置文件。

3. 插入 Box MCP 服务器配置项：

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

4. 保存并重启 Cursor。

5. 验证集成效果。

API 密钥安全

"env": {
  "BOX_CLIENT_ID": "your-client-id",
  "BOX_CLIENT_SECRET": "your-client-secret"
}

Cline

1. 确保已安装 Node.js 及相关前置条件。

2. 打开 Cline 配置文件。

3. 添加 Box MCP 服务器配置：

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

4. 保存并重启 Cline。

5. 测试服务器连接。

API 密钥安全

"env": {
  "BOX_CLIENT_ID": "your-client-id",
  "BOX_CLIENT_SECRET": "your-client-secret"
}

在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先在流程中添加 MCP 组件，并将其连接到您的 AI 代理：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填写您的 MCP 服务器信息：

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

配置完成后，AI 代理即可作为工具使用该 MCP，获得其全部功能与能力。请注意将 “box-mcp” 替换为您的实际 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

根资源支持未记录

根据上表，该 MCP 服务器在工具覆盖和安装文档方面表现突出，但缺少提示模板、显式资源/根/采样等 MCP 特有文档。整体来看，它是 Box 工作流的强大实用集成，未来可进一步增强 MCP 特性与文档丰富度。

MCP 评分