Rijksmuseum MCP 服务器集成

“Rijksmuseum” MCP 服务器能做什么？

Rijksmuseum MCP 服务器是一款模型上下文协议（Model Context Protocol，简称 MCP）服务器，能够让 AI 助手通过自然语言交互访问 Rijksmuseum 丰富的艺术藏品。通过将 AI 模型连接到外部数据源，该服务器支持对 Rijksmuseum 艺术品与藏品的探索、分析与互动。它为开发者和 AI 代理提供了按艺术家、风格、时期或材质搜索艺术品、检索详细艺术品信息、访问高分辨率图片、探索用户策展收藏以及分析艺术家时间线等一系列能力。这一集成提升了文化、教育和分析类应用的开发体验，使 AI 工具和用户更深入地接触世界知名艺术藏品。

提示词列表

仓库文件或文档中未描述明确的提示模板。

资源列表

可用文档未详细说明 MCP “资源”原语。

工具列表

• search_artwork：使用文本、艺术家、类型、材料、时期、颜色等多种条件搜索和筛选 Rijksmuseum 艺术品。
• get_artwork_details：获取特定艺术品的全面信息，包括标题、艺术家、物理属性、历史背景、图像、策展信息与展览历史。
• get_artwork_image：访问支持深度缩放、分块加载与全分辨率的高分辨率艺术品图片。
• get_user_sets：浏览 Rijksmuseum 藏品中的用户策展集合与主题分组。
• get_user_set_details：获取用户创建的特定集合或藏品的详细信息。
• open_image_in_browser：直接在网页浏览器中打开艺术品图片，便于近距离观察与研究。
• get_artist_timeline：生成艺术家的作品时间轴，用于分析其职业发展、风格与时期。

本 MCP 服务器的使用场景

• 艺术品发现：轻松查找某位艺术家的绘画或特定时期、特定视觉特征的物品（如“展示 Rembrandt 1640 年代的所有绘画”）。
• 深入艺术品分析：检索某件艺术品的详细信息，包括历史、材料和展览记录，支持研究与教育任务。
• 高分辨率图片获取：获取并研究艺术品的高清图片，用于学习、修复规划或数字存档。
• 用户收藏探索：分析用户策展集合中的主题和模式，助力社交与协作式艺术发现或教育项目。
• 艺术家时间线分析：可视化并研究艺术家的成长轨迹，追踪其风格、技法和时期，服务于学术或策展工作。

如何设置

Windsurf

1. 确认你的计算机已安装 Node.js 和 npm。
2. 找到你的 Windsurf 配置文件（通常为 windsurf.config.json）。
3. 在 mcpServers 部分添加 Rijksmuseum MCP 服务器：

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

4. 保存配置文件并重启 Windsurf。
5. 在 Windsurf 界面检查可用的 MCP 工具以验证连接。

API 密钥安全存储：

{
  "mcpServers": {
    "rijksmuseum": {
      "command": "npx",
      "args": ["@rijksmuseum/mcp-server@latest"],
      "env": {
        "RIJKSMUSEUM_API_KEY": "your-api-key-here"
      },
      "inputs": {
        "apiKey": {
          "env": "RIJKSMUSEUM_API_KEY"
        }
      }
    }
  }
}

Claude

1. 确认 Claude 支持自定义 MCP 服务器（请查阅官方文档）。
2. 找到 MCP 服务器相关配置部分。
3. 添加 Rijksmuseum MCP 服务器配置：

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

4. 保存并重新加载 Claude。
5. 通过 Claude 界面查询 Rijksmuseum 数据进行测试。

Cursor

1. 如未安装 Node.js，请先安装。
2. 打开 cursor.config.json（或类似的 MCP 配置文件）。
3. 添加 Rijksmuseum MCP 服务器：

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

4. 保存文件并重启 Cursor。
5. 确认 MCP 工具已作为可选项出现。

Cline

1. 前置条件：Node.js 环境已就绪。
2. 进入 Cline 配置文件（如 cline.config.json）。
3. 插入 MCP 服务器配置块：

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

4. 重启 Cline 服务。
5. 检查是否成功连接 Rijksmuseum MCP 服务器。

注意：
请始终通过环境变量而非硬编码方式安全存储 API 密钥。参考上述 env 和 inputs 配置部分进行引用。

如何在流程中使用 MCP

在 FlowHunt 中集成 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，并将其连接到你的 AI 代理：

点击 MCP 组件打开配置面板。在系统 MCP 配置部分，按如下 JSON 格式填写你的 MCP 服务器信息：

{
  "rijksmuseum": {
    "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此 MCP，访问其全部功能。请记得将“rijksmuseum”替换为你的 MCP 服务器实际名称，URL 替换为你自己的 MCP 服务器地址。

概览

| 根支持 | ⛔ | 未提及 |

我们的看法

Rijksmuseum MCP 服务器为艺术探索与分析提供了丰富的工具，但缺乏明确的提示模板、资源定义以及采样/根支持的文档。它非常适合艺术、文化和教育场景，但若能为 LLM 工作流提供更清晰的提示和资源文档会更好。

MCP 评分

评分：
根据上述表格，我会给该 MCP 服务器打分为 6/10。其工具丰富，许可证明确，社区关注度适中，但缺乏提示/资源文档及采样/根支持的明确性。