
Vectara MCP 服务器集成
Vectara MCP Server 是一个开源桥梁,连接 AI 助手与 Vectara 的可信 RAG 平台,实现 FlowHunt 生成式 AI 工作流中的安全高效检索增强生成(RAG)与企业搜索。...
让您的 AI 代理和助手通过 Vega-Lite 可视化和管理数据,将高级图表和数据探索无缝集成到您的工作流中。
VegaLite MCP 服务器是一种模型上下文协议(MCP)服务器实现,为大型语言模型(LLM)提供了使用 Vega-Lite 语法可视化数据的接口。通过连接该服务器,AI 助手和应用可以将保存表格数据和生成可视化(图表、图形等)等任务交由服务器处理,这些可视化内容均通过 Vega-Lite 规范进行定义。这使开发者能够实现无缝的编程式数据可视化,让 LLM 既能管理数据集,也能生成自定义的可视化输出,非常适用于数据分析、报告和研究。服务器支持返回带有数据的完整 Vega-Lite 规范(文本模式)或可视化的 base64 编码 PNG 图像(图像模式),为多种集成场景提供了灵活性。
仓库中未列出提示词模板。
仓库中未记录明确的 MCP 资源。
name
(字符串):要保存的数据表名称。data
(数组):表示数据表的对象数组。data_name
(字符串):要可视化的数据表名称。vegalite_specification
(字符串):表示 Vega-Lite 规范的 JSON 字符串。--output_type
设置为 text
,则返回包含数据的完整 Vega-Lite 规范;如设置为 png
,则返回 base64 编码的 PNG 图像。仓库中未列出 Windsurf 的安装说明。
claude_desktop_config.json
。mcpServers
对象。{
"mcpServers": {
"datavis": {
"command": "uv",
"args": [
"--directory",
"/absolute/path/to/mcp-datavis-server",
"run",
"mcp_server_datavis",
"--output_type",
"png" // 或 "text"
]
}
}
}
仓库中未提供关于 API 密钥安全的具体说明或示例。
仓库中未列出 Cursor 的安装说明。
仓库中未列出 Cline 的安装说明。
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,使用如下 JSON 格式插入您的 MCP 服务器信息:
{
"MCP-name": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
配置完成后,AI 代理即可作为工具访问所有 MCP 功能和能力。请记得将 “MCP-name” 修改为实际 MCP 服务器的名称(如 “vegalite”、“data-vis” 等),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 |
---|---|---|
概述 | ✅ | README 有清晰摘要 |
提示词模板列表 | ⛔ | 未列出提示词模板 |
资源列表 | ⛔ | 未列出明确资源 |
工具列表 | ✅ | save_data 、visualize_data 有文档说明 |
API 密钥安全 | ⛔ | 没有 API 密钥安全相关信息 |
采样支持(评估时次要) | ⛔ | 未提及 |
根据上述表格,VegaLite MCP 服务器在工具和概述方面聚焦且文档齐全,但缺乏提示、资源及安全设置说明,降低了其开箱即用集成评分。
MCP VegaLite 服务器界面简洁,适合通过 LLM 进行数据可视化。然而,缺少提示模板、资源和安全指导,使其在更高级或生产场景下的可用性下降。其主要价值在于数据保存和可视化的功能型工具,但整体完整性和可扩展性有限。
评分:5/10
是否有 LICENSE | ⛔ |
---|---|
至少有一个工具 | ✅ |
Fork 数量 | 18 |
Star 数量 | 72 |
它为大型语言模型提供了一个使用 Vega-Lite 语法可视化数据的接口,使其能够管理数据集并生成自定义的可视化输出(如图表或图形),用于数据分析、报告和教育用途。
它提供了两个主要工具:`save_data` 用于保存数据聚合表以便可视化,`visualize_data` 用于根据 Vega-Lite 规范生成可视化,返回包含数据的完整规范(文本)或 PNG 图像。
将 MCP 组件添加到您的流程中,打开配置,并按照文档中提供的 JSON 格式插入您的 MCP 服务器信息,替换名称和 URL。
非常适合编程式数据分析和可视化、自动化报告、交互式数据探索以及需要可视化数据集并交互式学习数据可视化原理的教育工具。
仓库中未提供关于 API 密钥安全的具体说明或示例。
Vectara MCP Server 是一个开源桥梁,连接 AI 助手与 Vectara 的可信 RAG 平台,实现 FlowHunt 生成式 AI 工作流中的安全高效检索增强生成(RAG)与企业搜索。...
Graphlit MCP 服务器将 FlowHunt 及其他 MCP 客户端连接到统一的知识平台,实现对 Slack、Google Drive、GitHub 等平台上的文档、消息、邮件和媒体的无缝采集、聚合与检索。它提供了一个支持 RAG 的知识库,并配备搜索、抽取和内容转换工具,助力高级 AI 工作流。...
VeyraX MCP 服务器作为通用桥梁,使 AI 助手和开发环境(如 Claude、Cursor、Windsurf 以及通过 Cline 的 VS Code)能够通过一次认证访问所有集成的工具和服务。简化您的工作流程,并使用 VeyraX 实现编辑器与工具的无缝集中式连接。...