
Prometheus MCP 服务器
Prometheus MCP 服务器通过标准化的模型上下文协议(MCP)接口,使 AI 助手能够与 Prometheus 指标进行交互。它支持 PromQL 查询、指标发现、元数据访问和时间序列分析,实现自动化监控和 AI 驱动的基础设施洞察。...
通过Chronulus MCP服务器,将Chronulus预测与预测代理集成到您的AI工作流中——非常适合实时分析、安全部署和可扩展的预测自动化。
Chronulus MCP服务器作为一个中间件平台,将AI助手(如预测与预测代理)与外部数据源和服务连接。其主要目的是通过与Chronulus AI专有系统的无缝集成,提升面向预测与分析的AI驱动工作流。通过该服务器,AI客户端可以实时执行诸如查询预测模型、检索预测数据、管理代理交互等任务。Chronulus MCP通过标准化通信接口,使开发者能够在开发环境中利用先进AI工具,简化需要复杂数据分析、时间序列预测和预测建模的工作流。
仓库或文档中未提及任何提示模板。
仓库或文档中未明确列出资源。
可用文档或仓库结构中未列出具体工具。未发现或无法访问server.py
文件。
仓库或文档中未提供Windsurf专属的设置说明。
~/Library/Application Support/Claude/claude_desktop_config.json
%APPDATA%\Claude\claude_desktop_config.json
pip install chronulus-mcp
git clone https://github.com/ChronulusAI/chronulus-mcp.git
cd chronulus-mcp
pip install .
claude_desktop_config.json
中添加MCP服务器:{
"mcpServers": {
"chronulus-agents": {
"command": "python",
"args": ["-m", "chronulus_mcp"],
"env": {
"CHRONULUS_API_KEY": "<YOUR_CHRONULUS_API_KEY>"
}
}
}
}
Docker设置示例:
{
"mcpServers": {
"chronulus-agents": {
"command": "docker",
"args": ["run", "-i", "--rm", "-e", "CHRONULUS_API_KEY", "chronulus-mcp"],
"env": {
"CHRONULUS_API_KEY": "<YOUR_CHRONULUS_API_KEY>"
}
}
}
}
UVX设置示例:
{
"mcpServers": {
"chronulus-agents": {
"command": "uvx",
"args": ["chronulus-mcp"],
"env": {
"CHRONULUS_API_KEY": "<YOUR_CHRONULUS_API_KEY>"
}
}
}
}
API密钥安全建议:
始终如上述env
JSON所示,使用环境变量存储和传递密钥。
仓库或文档中未提供Cursor专属的设置说明。
仓库或文档中未提供Cline专属的设置说明。
在FlowHunt中使用MCP
要将MCP服务器集成到您的FlowHunt工作流中,请先将MCP组件添加到流程,并将其连接到您的AI代理:
点击MCP组件打开配置面板。在系统MCP配置部分,按照如下JSON格式填写您的MCP服务器信息:
{
"chronulus-agents": {
"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,访问其全部功能。请将"chronulus-agents"替换为您的MCP服务器实际名称,并更换为您自己的MCP服务器URL。
部分 | 可用性 | 说明/备注 |
---|---|---|
概览 | ✅ | 介绍、用途和理念已说明 |
提示模板列表 | ⛔ | 未找到提示模板 |
资源列表 | ⛔ | 未列出明确资源 |
工具列表 | ⛔ | 无可用工具列表 |
API密钥安全 | ✅ | 提供了环境变量使用的JSON示例 |
采样支持(评估中不重要) | ⛔ | 无采样支持信息 |
从已提供和缺失的技术细节来看,Chronulus MCP为设置和安全提供了清晰指导,但缺乏提示、资源及工具定义方面的文档。其重点在于集成,而非深度定制。
是否有LICENSE | ✅ (MIT) |
---|---|
是否有至少一个工具 | ⛔ |
Fork数量 | 8 |
Star数量 | 73 |
Chronulus MCP服务器为预测代理提供了一条简明的集成路径,并配有完善的设置说明,但文档中关于提示、资源和工具的细节缺失,限制了其可扩展性和透明度。根据上表,我们对该MCP的通用可用性和生态成熟度评分为5/10。
Chronulus MCP服务器是一个中间件平台,将AI预测/预测代理与Chronulus的专有模型和外部数据源连接起来。它使先进预测工具能够无缝、实时集成到AI工作流和开发环境中。
Chronulus MCP非常适合实时预测、自动化分析工作流、将预测工具集成到Claude等AI桌面客户端、通过Docker部署可扩展的预测服务,以及安全管理API密钥。
始终使用环境变量存储和提供API密钥,如配置示例所示。避免在代码或配置文件中硬编码敏感凭证。
可以!将MCP组件添加到您的FlowHunt工作流,并使用提供的JSON格式配置MCP连接。这样您的AI代理就能直接在流程中访问Chronulus的预测能力。
可用仓库未记录任何提示模板或资源定义。其重点在于集成,而非内置资源定制。
Chronulus MCP用户友好,并提供完善的集成指南,但目前缺乏丰富的工具或提示支持。根据可用文档和功能,其可用性与成熟度评分为5/10。
Prometheus MCP 服务器通过标准化的模型上下文协议(MCP)接口,使 AI 助手能够与 Prometheus 指标进行交互。它支持 PromQL 查询、指标发现、元数据访问和时间序列分析,实现自动化监控和 AI 驱动的基础设施洞察。...
Cronlytic MCP 服务器为无服务器定时任务基础设施带来无缝的 AI 驱动自动化,使 LLM 能够通过统一的模型上下文协议(MCP)接口管理、监控和优化定时任务。...
CircleCI MCP 服务器将 CircleCI 强大的 CI 基础设施与 MCP 生态系统无缝连接,使 AI 助手能够自动化和监控工作流、访问构建分析数据,并直接从 FlowHunt 精简开发流水线。...