UNS-MCP（非结构化模型上下文协议）MCP服务器

“UNS-MCP” MCP 服务器的作用是什么？

UNS-MCP（非结构化模型上下文协议）服务器是一款专为无缝对接 Unstructured API 而设计的 MCP 服务器实现。它作为 AI 助理与外部数据源、连接器及工作流之间的桥梁，实现开发工作流中的自动化和集成。借助 UNS-MCP，开发者和 AI 客户端可以通过标准化的 MCP 工具执行诸如列出数据源和工作流、管理连接器生命周期、编排数据管道等任务。通过将工作流和连接器管理暴露为工具，UNS-MCP 服务器助力开发者自动化日常数据工程任务、简化数据摄取，并与各类云端及数据库服务集成，从而加速构建强大、数据驱动的 AI 应用。

提示词列表

在提供的仓库或文档中未提及提示词模板。

资源列表

在可访问的仓库内容中未定义或暴露明确资源。

工具列表

• list_sources：列出 Unstructured API 可用的数据源。
• get_source_info：获取指定源连接器的详细信息。
• create_source_connector：创建新的源连接器。
• update_source_connector：通过参数更新现有源连接器。
• delete_source_connector：根据源 ID 删除源连接器。
• list_destinations：列出 Unstructured API 可用的数据目标。
• get_destination_info：获取指定目标连接器的详细信息。
• create_destination_connector：按参数创建目标连接器。
• update_destination_connector：通过 ID 更新现有目标连接器。
• delete_destination_connector：通过 ID 删除目标连接器。
• list_workflows：列出 Unstructured API 的工作流。
• get_workflow_info：获取指定工作流的详细信息。
• create_workflow：通过源、目标 ID 等参数创建新工作流。
• run_workflow：通过工作流 ID 运行指定工作流。
• update_workflow：通过参数更新现有工作流。
• delete_workflow：通过 ID 删除指定工作流。
• list_jobs：列出指定工作流的作业。
• get_job_info：通过作业 ID 获取指定作业的详细信息。
• cancel_job：通过 ID 删除（取消）指定作业。
• list_workflows_with_finished_jobs：列出所有包含已完成作业的工作流，包括源和目标详情。

此 MCP 服务器的应用场景

• 数据管道自动化：通过编程方式管理数据源、目标和工作流，实现复杂 ETL（提取-转换-加载）工作流的自动化搭建与编排。
• 连接器生命周期管理：自动创建、更新、删除主流云存储、数据库和 SaaS 平台（如 S3、Azure、Salesforce）的连接器。
• 工作流执行与监控：支持 AI 助理触发、监控和管理作业与工作流，保障数据操作流畅并及时响应故障或状态变更。
• 与向量数据库集成：无缝连接如 Weaviate、Pinecone 等向量数据库，支持需要向量检索能力的高级 AI 应用。
• 数据治理与审计：以编程方式列出、检查和审计所有作业及已完成工作流，助力合规和数据治理需求。

如何设置

Windsurf

1. 确保已安装 Python 及相关依赖项。
2. 找到你的 Windsurf 配置文件（如 windsurf.config.json）。
3. 在 mcpServers 部分添加 UNS-MCP 服务器，示例 JSON 片段如下：

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

4. 保存配置并重启 Windsurf。
5. 验证 UNS-MCP 服务器是否作为可用的 MCP 服务器出现。

Claude

1. 找到 Claude 桌面配置文件（如 claude_desktop_config.json）。
2. 按如下方式添加 UNS-MCP 服务器配置：

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

3. 保存文件并重启 Claude。
4. 通过检查 MCP 服务器可用性确认设置成功。

Cursor

1. 打开 Cursor 配置（如 cursor.config.json）。
2. 添加 MCP 服务器配置：

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

3. 保存更改并重启 Cursor。
4. 验证 MCP 服务器连接。

Cline

1. 打开你的 Cline 设置文件。
2. 插入以下 MCP 服务器配置：

   {
     "mcpServers": {
       "unstructured-mcp": {
         "command": "uns-mcp",
         "args": ["server"]
       }
     }
   }
   

3. 保存并重启 Cline。
4. 检查 MCP 服务器集成情况。

保障 API 密钥安全

• 使用环境变量管理敏感 API 密钥和凭据。
• 示例 .env 或环境变量配置：

  {
    "env": {
      "ANTHROPIC_API_KEY": "your-api-key",
      "AWS_KEY": "your-aws-key",
      "AWS_SECRET": "your-aws-secret",
      "WEAVIATE_CLOUD_API_KEY": "your-weaviate-api-key"
    },
    "inputs": {
      // 其他工具专用输入项
    }
  }
  

如何在流程中使用 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 组件并将其连接到你的 AI 代理：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，按如下 JSON 格式插入 MCP 服务器信息：

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

配置完成后，AI 代理即可将此 MCP 作为工具使用，访问其所有功能。请记得将 "unstructured-mcp" 替换为实际 MCP 服务器名称，并将 URL 替换为你的 MCP 服务器地址。

概览

我们的看法

UNS-MCP 服务器在工具覆盖和搭建文档方面表现突出，但缺少对资源和提示词模板的明确暴露。它在数据管道管理和连接器自动化方面实用性很高，但 MCP 资源标准化和文档尚有提升空间。

MCP 评分

评分： 6/10 — 该服务器在工具使用和连接器管理方面功能完善、文档齐全，但缺失如提示词和资源定义等关键 MCP 特性，也未明确授权许可，这降低了其在部分高级 MCP 工作流中的适用性。