Brandfetch MCP Server
Brandfetch API 的模型上下文协议 (MCP) 服务器
VincentSolconBraze
README
Brandfetch MCP 服务器
<div align="center">
Brandfetch API 的模型上下文协议 (MCP) 服务器
</div>
概述
此 MCP 服务器提供大型语言模型 (LLM) 应用程序和 Brandfetch API 之间的桥梁,允许 AI 助手搜索品牌并检索全面的品牌信息。 通过实施模型上下文协议,此服务器能够将 Brandfetch 的品牌数据功能无缝集成到 LLM 驱动的应用程序中。
特性
- 品牌搜索: 按名称搜索品牌并获取基本信息
- 详细品牌信息: 检索全面的品牌数据,包括徽标、颜色、字体和公司详细信息
- 字段过滤: 仅请求特定信息以优化响应大小和处理
- 交互式提示: 内置提示,指导用户正确使用 API
- 类型安全实现: 完全类型化的 Python 代码库,具有现代异步支持
- 强大的错误处理: 全面的错误处理和日志记录
安装
前提条件
- Python 3.9 或更高版本
- Brandfetch API 凭据(API 密钥和客户端 ID)
使用 uv (推荐)
# 创建并导航到新的项目目录
uv init brandfetch-mcp
cd brandfetch-mcp
# 克隆此存储库
git clone https://github.com/VincentSolconBraze/brandfetch-mcp.git .
# 添加依赖项
uv add "mcp[cli]" httpx python-dotenv
# 用于开发
uv add --dev pytest pytest-asyncio pytest-cov ruff pyright pre-commit
使用 pip
# 克隆此存储库
git clone https://github.com/VincentSolconBraze/brandfetch-mcp.git
cd brandfetch-mcp
# 安装依赖项
pip install "mcp[cli]" httpx python-dotenv
# 用于开发
pip install pytest pytest-asyncio pytest-cov ruff pyright pre-commit
配置
- 基于示例创建一个
.env
文件:
cp .env.example .env
- 将您的 Brandfetch API 凭据添加到
.env
文件:
BRANDFETCH_API_KEY=your_api_key
BRANDFETCH_CLIENT_ID=your_client_id
您可以通过在 Brandfetch 上创建一个帐户并导航到 API 部分来获取这些凭据。
用法
使用 Claude Desktop 运行
该服务器可以直接安装在 Claude Desktop 中以实现无缝集成:
mcp install brandfetch_server.py
使用 MCP Inspector 进行测试
要使用 MCP Inspector 工具在本地调试和测试服务器:
mcp dev brandfetch_server.py
直接执行
您也可以直接运行服务器:
python brandfetch_server.py
可用工具
search_brands
使用 Brandfetch Search API 按名称搜索品牌。
参数:
name
: 您要搜索的公司名称。client_id
(可选): API 的客户端 ID。 如果未提供,将使用来自环境的 ID。
示例:
搜索与“Nike”相关的品牌
get_brand_info
使用 Brandfetch Brand API 按标识符获取详细的品牌信息。
参数:
identifier
: 品牌标识符(域名、品牌 ID、ISIN 或股票代码)fields
(可选): 要包含在响应中的特定字段列表
示例:
获取关于 nike.com 的详细信息,仅包含徽标和颜色
示例
examples
目录包含演示如何与服务器交互的示例代码:
- basic_usage.py: 简单的品牌搜索和信息检索
- advanced_usage.py: 具有字段过滤和结果处理的高级用法
要运行示例:
python examples/basic_usage.py
python examples/advanced_usage.py
测试
运行测试套件以验证服务器功能:
pytest
对于覆盖率报告:
pytest --cov=./ --cov-report=term
文档
更详细的文档可在以下文件中找到:
贡献
欢迎贡献! 请参阅我们的 贡献指南 了解更多详情。
安全
请查看我们的 安全策略 以获取有关报告安全漏洞的信息。
许可证
该项目根据 MIT 许可证获得许可 - 有关详细信息,请参阅 LICENSE 文件。
推荐服务器
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
MCP Package Docs Server
促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。
Claude Code MCP
一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。
@kazuph/mcp-taskmanager
用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。
mermaid-mcp-server
一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。
Jira-Context-MCP
MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

Linear MCP Server
一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

Sequential Thinking MCP Server
这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。
Curri MCP Server
通过管理文本笔记、提供笔记创建工具以及使用结构化提示生成摘要,从而实现与 Curri API 的交互。