Eunomia MCP 服务器

“Eunomia” MCP 服务器的作用是什么？

Eunomia MCP 服务器是 Eunomia 框架的扩展，可以将 Eunomia 仪器与模型上下文协议（MCP）服务器连接起来。其主要目的是在 LLM（大语言模型）应用中，对处理的文本流进行数据治理策略的编排，如个人身份信息（PII）检测或用户访问控制。通过与 MCP 生态系统的集成，Eunomia MCP 服务器使开发者能够在 LLM 或其他基于文本的工作流之上执行数据策略，并利用 MCP 标准编排多个服务器之间的通信。这为 AI 驱动环境的数据流治理增加了一层强有力的安全性和合规性。

提示模板列表

仓库或文档中未提及任何提示模板。

资源列表

仓库或文档中未详述任何显式 MCP 资源。

工具列表

仓库或文档中未提供清晰的 MCP 工具列表。

本 MCP 服务器的使用场景

• LLM 流水线中的数据治理
  Eunomia MCP 服务器可在基于 LLM 的文本流水线中执行如 PII 检测与去除等数据治理策略。

• 多服务器编排
  开发者可以编排多个外部 MCP 服务器，实现分布式系统中协调一致的策略执行。

• 与外部工具的集成
  该服务器可与其它基于 MCP 的服务（如 web-browser-mcp-server）连接，扩展数据治理与处理能力范围。

• 自动化策略执行
  通过定义仪器（如 PiiInstrument），组织可以确保敏感信息始终按策略自动化处理。

如何配置部署

Windsurf

1. 确保已安装 Node.js 和 uv。
2. 克隆 Eunomia MCP Server 仓库：
   git clone https://github.com/whataboutyou-ai/eunomia-mcp-server.git
3. 在您的 Windsurf 配置文件中，将 Eunomia MCP Server 添加到 mcpServers 列表：
4. 在配置中添加如下 JSON：

   {
     "mcpServers": {
       "eunomia-mcp-server": {
         "command": "uv",
         "args": ["tool", "run", "orchestra_server"],
         "env": {
           "REQUEST_TIMEOUT": "30"
         }
       }
     }
   }
   

5. 保存配置并重启 Windsurf。

Claude

1. 安装前置条件（Node.js、uv）。
2. 克隆仓库。
3. 编辑 Claude 的配置以包含：

   {
     "mcpServers": {
       "eunomia-mcp-server": {
         "command": "uv",
         "args": ["tool", "run", "orchestra_server"],
         "env": {
           "REQUEST_TIMEOUT": "30"
         }
       }
     }
   }
   

4. 保存并重启 Claude。
5. 可通过测试查询进行验证。

Cursor

1. 确保您拥有最新版 Cursor 及其依赖。
2. 在配置文件中添加 Eunomia MCP Server：

   {
     "mcpServers": {
       "eunomia-mcp-server": {
         "command": "uv",
         "args": ["tool", "run", "orchestra_server"],
         "env": {
           "REQUEST_TIMEOUT": "30"
         }
       }
     }
   }
   

3. 保存、重启 Cursor 并测试。

Cline

1. 如未安装 Node.js 和 uv，请先安装。
2. 克隆 Eunomia MCP Server 仓库。
3. 按如下方式更新您的 Cline 配置文件：

   {
     "mcpServers": {
       "eunomia-mcp-server": {
         "command": "uv",
         "args": ["tool", "run", "orchestra_server"],
         "env": {
           "REQUEST_TIMEOUT": "30"
         }
       }
     }
   }
   

4. 保存并重启 Cline 服务器。
5. 通过运行 MCP 示例命令确认集成。

API 密钥安全：
请在配置中使用环境变量，例如：

{
  "mcpServers": {
    "eunomia-mcp-server": {
      "command": "uv",
      "args": ["tool", "run", "orchestra_server"],
      "env": {
        "API_KEY": "${EUNOMIA_API_KEY}",
        "REQUEST_TIMEOUT": "30"
      }
    }
  }
}

将 ${EUNOMIA_API_KEY} 替换为您的环境变量。

如何在流程中使用该 MCP

在 FlowHunt 中使用 MCP

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

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 格式插入您的 MCP 服务器信息：

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

配置完成后，AI agent 便可将此 MCP 作为工具，访问其全部功能。请记得将 “eunomia-mcp-server” 替换为您实际的 MCP 服务器名称，并将 url 替换为您的 MCP 服务器地址。

概览

在上述表格内容中，该 MCP 为 LLM 应用提供了基础但重要的数据治理编排层，然而在提示、资源和工具方面缺乏详细文档。鉴于其弃用提示及显式功能有限，生产环境下评分为中等。

MCP 评分