创建 Make MCP 服务器集成

“Make” MCP 服务器的作用是什么？

Make MCP（模型上下文协议）服务器作为 AI 助手与 Make 自动化平台之间的桥梁，使 AI 系统能够将 Make 场景作为可调用工具来触发和交互。它连接您的 Make 账号，识别所有设置为“按需”调度的场景，并将这些场景作为 AI 可用的函数公开。服务器解析场景输入参数，返回结构化 JSON 输出，使 AI 助手能够无缝调用复杂的自动化工作流。通过让 Make 与 AI 助手集成，开发者可以将复杂的自动化逻辑保留在 Make 内，同时赋予 AI 系统执行和管理这些工作流的能力，从而提升开发效率，并实现 AI 与自动化平台之间强大的双向通信。

提示词列表

仓库中未提供提示模板相关信息。

资源列表

仓库中未描述具体资源。

工具列表

• Make 场景调用：允许 AI 助手调用任何“按需”类型的 Make 场景，传递参数并接收结构化输出。这样每个场景都被转化为 AI 可调用工具，使各种自动化任务可被程序化触发。

MCP 服务器应用场景

• 自动化工作流执行：开发者可利用 AI 触发 Make 场景，自动处理数据、发送通知或实现多步骤集成。
• AI 驱动数据管道：AI 助手通过调用 Make 场景实现跨应用数据抓取和处理，简化 ETL 及集成工作流。
• 任务编排：用 AI 将多个 Make 场景串联起来，协调复杂的多系统任务，将服务器作为通用自动化接口。
• 动态参数解析：AI 可动态计算并为 Make 场景提供参数，使自动化更加自适应且具备上下文感知能力。
• 业务流程自动化：让 AI 能直接从会话界面发起、监控或调整在 Make 中管理的业务工作流（如线索管理、工单等）。

如何设置

Windsurf

未提供 Windsurf 的设置说明。

Claude

1. 前置条件：安装 Node.js 并获取具有 scenarios:read 和 scenarios:run 权限的 Make API 密钥。
2. 定位配置文件：打开您的 claude_desktop_config.json 文件。
3. 添加 MCP 服务器：在 mcpServers 部分插入如下内容：

   {
     "mcpServers": {
       "make": {
         "command": "npx",
         "args": ["-y", "@makehq/mcp-server"],
         "env": {
           "MAKE_API_KEY": "<your-api-key>",
           "MAKE_ZONE": "<your-zone>",
           "MAKE_TEAM": "<your-team-id>"
         }
       }
     }
   }
   

4. 保存并重启：保存配置并重启 Claude Desktop。
5. 验证：确保 MCP 服务器已出现在您的可用工具列表中。

API 密钥安全存储说明：
如上例所示，将敏感值存储在 env 对象中。
示例：

"env": {
  "MAKE_API_KEY": "<your-api-key>",
  "MAKE_ZONE": "<your-zone>",
  "MAKE_TEAM": "<your-team-id>"
}

Cursor

未提供 Cursor 的设置说明。

Cline

未提供 Cline 的设置说明。

如何在工作流中使用 MCP

在 FlowHunt 中集成 MCP

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

点击 MCP 组件打开配置面板。在系统 MCP 配置部分，按以下 JSON 格式填写您的 MCP 服务器信息：

{
  "make": {
    "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，访问其全部功能和能力。请注意将 “make” 替换为实际的 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

我们的观点

Make MCP 服务器为 AI 助手与 Make 自动化平台之间提供了简单且专注的桥梁。尽管文档简洁，缺乏对提示工作流和具体资源的详细说明，但其工具集成在场景调用方面表现可靠。安全性及环境变量的应用是一个加分项。如果能有更详细的文档和更广泛的 MCP 特性支持，项目评分将会更高。

MCP 评分