云信 MCP 服务器

“yunxin” MCP 服务器能做什么？

yunxin MCP（模型上下文协议）服务器旨在将 AI 助手与网易云信的 IM（即时通讯）和 RTC（实时音视频通信）服务连接。通过提供一系列工具，方便访问消息和实时通信数据，yunxin-mcp-server 让 AI 驱动的工作流能够实现查询聊天历史、管理群组通信、监控 RTC 质量指标和聚合应用统计等任务。此集成使开发者和运维人员可以自动化运营、分析消息趋势、监控 RTC 健康状况，并通过向 LLM 代理和外部系统开放相关数据与操作，提升用户体验。

提示词列表

仓库中未提及提示词模板。

资源列表

仓库或文档未列出明确资源。

工具列表

• send_p2p_msg / send_team_msg
  发送单人或群聊消息（需指定发送/接收账号或群 ID）。适用于自动化运维或通知类消息发送。
• query_p2p_msg_history / query_team_msg_history
  在指定时间范围内查询单聊或群聊历史，支持运维和分析型工作流。
• query_application_im_daily_stats
  获取每日 IM 应用统计数据，如日活跃用户数、消息量、存储和回调等指标。
• query_rtc_room_members / query_rtc_room_members_by_uids
  获取 RTC 房间成员详情，包括在线时长、地域、运营商和设备信息。
• query_rtc_room_stuck_rate / query_rtc_room_user_stuck_rate
  按房间或用户粒度获取音视频卡顿率指标，用于服务质量监控。
• query_rtc_room_top_20
  按活跃用户、进房延迟、音视频卡顿率、网络延迟等指标，列出前 20 个 RTC 房间。

本 MCP 服务器的应用场景

• 自动化消息运维
  自动发送 IM 运维消息给个人或群组，提升触达率和互动。
• 历史数据分析
  获取并分析聊天历史，用于合规、客服或运维洞察。
• 应用健康监控
  监控每日应用统计数据，及时发现异常，跟踪用户活跃，保障服务可靠性。
• RTC 质量监控
  跟踪房间及用户级别的 RTC 指标，及时发现并解决质量问题。
• 房间数据分析与报告
  聚合并分析高活跃 RTC 房间，优化基础设施，提升用户体验。

如何部署配置

Windsurf

1. 确保已安装 Python 与必要依赖。
2. 找到 Windsurf 配置文件（如 .windsurf/config.json）。
3. 在 mcpServers 部分添加云信 MCP 服务器，填写命令与参数。
4. 保存文件并重启 Windsurf。
5. 验证界面中是否出现云信 MCP 服务器。

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

Claude

1. 安装 yunxin-mcp-server 所需的 Python 及依赖。
2. 找到 Claude 的 MCP 服务器配置文件。
3. 在 MCP 配置中插入下方 JSON 片段。
4. 保存并重启 Claude。
5. 确认 yunxin-mcp-server 功能可用。

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

Cursor

1. 确保已安装 Python 及相关依赖。
2. 打开 Cursor 的设置或配置文件。
3. 在 mcpServers 部分添加云信 MCP 服务器。
4. 保存更改并重启 Cursor。
5. 检查云信 MCP 集成情况。

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

Cline

1. 安装 Python 及 yunxin-mcp-server 依赖。
2. 访问 Cline 的配置文件。
3. 用下方 JSON 注册云信 MCP 服务器。
4. 保存并重启 Cline。
5. 验证服务器是否已激活。

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

API 密钥安全防护：
使用环境变量保护敏感凭证。示例（env 与 inputs）：

{
  "mcpServers": {
    "yunxin-mcp": {
      "command": "yunxin-mcp-server",
      "args": [],
      "env": {
        "YUNXIN_API_KEY": "${YUNXIN_API_KEY}"
      },
      "inputs": {
        "api_key": "${YUNXIN_API_KEY}"
      }
    }
  }
}

如何在流程中调用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成进 FlowHunt 工作流，首先在流程中添加 MCP 组件，并连接至你的 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 格式填写你的 MCP 服务器信息：

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

配置完成后，AI 代理即可作为工具调用此 MCP，使用其全部功能和能力。请务必将 “yunxin-mcp” 替换为你实际的 MCP 服务器名称，并将 URL 更换为你自己的 MCP 服务器地址。

概览

我给这个 MCP 服务器的评分是 6/10。它提供了清晰的工具 API 和配置教程，但缺少提示词模板、资源定义，以及高级 MCP 特性（如 roots、采样）的明确支持。

MCP 评分