
browser-use MCP 服务器
browser-use MCP 服务器使 AI 代理能够通过 browser-use 库以编程方式控制网页浏览器。它支持自动化浏览、数据提取、表单提交,并为 FlowHunt 及其他开发环境的 AI 工作流提供实时网页上下文。...

为您的 AI 助手注入项目专属记忆。ConPort 存储和检索结构化的项目上下文,使 FlowHunt 和 IDE 中的 AI 工作流更加智能、具备上下文感知能力。
FlowHunt在您的内部系统和AI工具之间提供额外的安全层,让您能够精细控制从MCP服务器可访问哪些工具。托管在我们基础设施中的MCP服务器可以与FlowHunt的聊天机器人以及ChatGPT、Claude和各种AI编辑器等热门AI平台无缝集成。
Context Portal(ConPort)是一款记忆库型 MCP 服务器,专为在 IDE 内管理结构化项目上下文而设计,用于为 AI 助手和开发者工具赋能。它作为项目专属知识图谱,使得 AI 能够高效实现检索增强生成(RAG),快速获取和利用相关项目信息。ConPort 能结构化地存储重要的项目信息,如决策、任务、进度、架构模式、术语表和规范。这帮助 AI 助手提供更准确、具备上下文感知的响应,通过让项目知识便于检索和操作,提升开发工作流效率。
在可用的仓库文件或文档中未提及任何提示模板。
在可用的仓库文件或文档中未列出任何明确的 MCP 资源。
在可用仓库文件或 server.py 及其他服务器逻辑中未描述或列出具体工具。
项目知识管理
存储和检索关键的项目决策、术语表、规范和架构模式,使 AI 助手能够提供项目专属的指导和上下文。
上下文感知 AI 编码辅助
让 IDE 内的 AI 助手访问结构化项目记忆,借助项目历史和术语提升代码建议和解释。
检索增强生成(RAG)
为大语言模型驱动的助手提供最新、相关的项目信息,实现更准确、丰富上下文的响应。
项目进度追踪
结构化记录已完成任务、遗留问题和正在进行的工作,便于 AI agent 总结或汇报项目状态。
{
"mcpServers": {
"context-portal": {
"command": "npx",
"args": ["@context-portal/mcp-server@latest"]
}
}
}
{
"mcpServers": {
"context-portal": {
"command": "npx",
"args": ["@context-portal/mcp-server@latest"]
}
}
}
{
"mcpServers": {
"context-portal": {
"command": "npx",
"args": ["@context-portal/mcp-server@latest"]
}
}
}
{
"mcpServers": {
"context-portal": {
"command": "npx",
"args": ["@context-portal/mcp-server@latest"]
}
}
}
API 密钥安全配置:
请通过环境变量安全传递 API 密钥。以下为配置示例:
{
"mcpServers": {
"context-portal": {
"command": "npx",
"args": ["@context-portal/mcp-server@latest"],
"env": {
"CONPORT_API_KEY": "${CONPORT_API_KEY}"
},
"inputs": {
"apiKey": "${CONPORT_API_KEY}"
}
}
}
}
在 FlowHunt 中使用 MCP
要将 MCP 服务器集成到 FlowHunt 工作流中,首先添加 MCP 组件到您的流程,并连接至 AI agent:

点击 MCP 组件以打开配置面板。在系统 MCP 配置区,按如下 JSON 格式填写您的 MCP 服务器信息:
{
"context-portal": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
配置完成后,AI agent 即可作为工具访问 MCP 的全部功能。请将 “context-portal” 替换为您实际的 MCP 服务器名称,并将 URL 替换为您自己的 MCP 服务器地址。
| 部分 | 可用性 | 详情/备注 |
|---|---|---|
| 概览 | ✅ | |
| 提示模板列表 | ⛔ | 未发现提示模板 |
| 资源列表 | ⛔ | 未列出明确资源 |
| 工具列表 | ⛔ | 服务器逻辑中未列出工具 |
| API 密钥安全配置 | ✅ | 包含环境变量示例 |
| Roots 支持 | ⛔ | 未说明 |
| 采样支持(评估时不重要) | ⛔ | 未说明 |
Context Portal MCP(ConPort)提供了清晰的概述和强有力的应用场景阐述,但在公开文件中缺乏关于提示、工具和资源的详细技术文档。搭建说明和 API 密钥配置指引很实用。整体来看,实用性突出,但如果能补充更深入的服务器细节将更佳。
MCP 表评分:6/10
| 是否有 LICENSE | ✅ (Apache-2.0) |
|---|---|
| 至少有一个工具 | ⛔ |
| Fork 数量 | 47 |
| Star 数量 | 352 |
通过集成 Context Portal MCP 服务器,为您的开发团队赋能上下文感知 AI,简化项目知识管理,提升 AI 驱动的编码工作流。

browser-use MCP 服务器使 AI 代理能够通过 browser-use 库以编程方式控制网页浏览器。它支持自动化浏览、数据提取、表单提交,并为 FlowHunt 及其他开发环境的 AI 工作流提供实时网页上下文。...

ModelContextProtocol(MCP)服务器作为AI代理与外部数据源、API和服务之间的桥梁,使FlowHunt用户能够构建具备上下文感知、自动化工作流的AI助手。本指南涵盖了安全集成的设置、配置与最佳实践。...

LLM Context MCP 服务器连接 AI 助手与外部代码和文本项目,通过模型上下文协议(MCP)实现上下文感知的工作流,支持代码评审、文档生成和项目探索等功能。...
Cookie 同意
我们使用 cookie 来增强您的浏览体验并分析我们的流量。 See our privacy policy.