MCP 服务器

Fledge MCP Server

将 Fledge 功能连接到 Cursor AI，从而允许通过自然语言命令与 Fledge 实例进行交互。

README

Fledge MCP 服务器

这是一个模型上下文协议 (MCP) 服务器，它将 Fledge 功能连接到 Cursor AI，允许 AI 通过自然语言命令与 Fledge 实例交互。

前提条件

本地安装或可通过 API 访问的 Fledge (默认: http://localhost:8081)
已安装 Cursor AI
Python 3.8+

安装

克隆此存储库:

git clone https://github.com/Krupalp525/fledge-mcp.git
cd fledge-mcp

安装依赖项:

pip install -r requirements.txt

运行服务器

确保 Fledge 正在运行:

fledge start

启动 MCP 服务器:

python mcp_server.py

对于使用 API 密钥认证的安全操作:

python secure_mcp_server.py

通过访问健康检查端点验证它是否正常工作:

curl http://localhost:8082/health

您应该收到 "Fledge MCP Server is running" 作为响应。

连接到 Cursor

在 Cursor 中，转到 Settings > MCP Servers
添加新服务器:
- URL: http://localhost:8082/tools
- Tools file: 上传包含的 tools.json 或指向其本地路径
对于安全服务器，使用启动安全服务器时生成的 api_key.txt 文件中的值配置 "X-API-Key" 标头。
测试它: 打开 Cursor 的 Composer (Ctrl+I)，键入 "Check if Fledge API is reachable"，AI 应该调用 validate_api_connection 工具。

可用工具

数据访问和管理

get_sensor_data: 从 Fledge 获取传感器数据，可以选择按时间范围和限制进行过滤
list_sensors: 列出 Fledge 中所有可用的传感器
ingest_test_data: 将测试数据摄取到 Fledge 中，可以选择批量计数

服务控制

get_service_status: 获取所有 Fledge 服务的状态
start_stop_service: 按类型启动或停止 Fledge 服务
update_config: 更新 Fledge 配置参数

前端代码生成

generate_ui_component: 为 Fledge 数据可视化生成 React 组件
fetch_sample_frontend: 获取不同框架的示例前端模板
suggest_ui_improvements: 获取 AI 驱动的改进 UI 代码的建议

实时数据流

subscribe_to_sensor: 设置传感器数据更新的订阅
get_latest_reading: 从特定传感器获取最新读数

调试和验证

validate_api_connection: 检查 Fledge API 是否可访问
simulate_frontend_request: 使用不同的方法和有效负载测试 API 请求

文档和模式

get_api_schema: 获取有关可用 Fledge API 端点的信息
list_plugins: 列出可用的 Fledge 插件

高级 AI 辅助功能

generate_mock_data: 生成用于测试的逼真模拟传感器数据

测试 API

您可以使用包含的测试脚本测试服务器:

# 对于标准服务器
python test_mcp.py

# 对于带有 API 密钥的安全服务器
python test_secure_mcp.py

安全选项

安全服务器 (secure_mcp_server.py) 添加了 API 密钥身份验证:

首次运行时，它会生成一个存储在 api_key.txt 中的 API 密钥
所有请求都必须在 X-API-Key 标头中包含此密钥
健康检查端点仍然可以在没有身份验证的情况下访问

示例 API 请求

# 验证 API 连接
curl -X POST -H "Content-Type: application/json" -d '{"name": "validate_api_connection"}' http://localhost:8082/tools

# 生成模拟数据
curl -X POST -H "Content-Type: application/json" -d '{"name": "generate_mock_data", "parameters": {"sensor_id": "temp1", "count": 5}}' http://localhost:8082/tools

# 生成 React 图表组件
curl -X POST -H "Content-Type: application/json" -d '{"name": "generate_ui_component", "parameters": {"component_type": "chart", "sensor_id": "temp1"}}' http://localhost:8082/tools

# 对于安全服务器，添加 API 密钥标头
curl -X POST -H "Content-Type: application/json" -H "X-API-Key: YOUR_API_KEY" -d '{"name": "list_sensors"}' http://localhost:8082/tools

扩展服务器

要添加更多工具:

将工具定义添加到 tools.json
在 mcp_server.py 和 secure_mcp_server.py 中实现工具处理程序

生产注意事项

对于生产部署:

使用 HTTPS
部署在 Nginx 等反向代理后面
实施更强大的身份验证 (JWT, OAuth)
添加速率限制
为订阅设置持久性数据存储

在 Smithery.ai 上部署

Fledge MCP 服务器可以部署在 Smithery.ai 上，以增强可扩展性和可用性。请按照以下步骤进行部署：

前提条件
- 在本地计算机上安装 Docker
- 一个 Smithery.ai 帐户
- 安装 Smithery CLI 工具

构建和部署

# 构建 Docker 镜像
docker build -t fledge-mcp .

# 部署到 Smithery.ai
smithery deploy

配置 smithery.json 文件包含部署的配置：
- 端口 8082 上的 WebSocket 传输
- 可配置的 Fledge API URL
- 工具定义和参数
- 超时设置
环境变量 在 Smithery.ai 仪表板中设置以下环境变量：
- FLEDGE_API_URL: 您的 Fledge API 端点
- API_KEY: 您的安全 API 密钥（如果使用安全模式）
验证部署后，验证您的服务器是否正在运行：
```
smithery status fledge-mcp
```
监控通过 Smithery.ai 仪表板监控您的部署：
- 实时日志
- 性能指标
- 错误跟踪
- 资源使用情况

更新要更新您的部署：

# 构建新镜像
docker build -t fledge-mcp .

# 部署更新
smithery deploy --update

JSON-RPC 协议支持

该服务器使用 WebSocket 实现了基于 JSON-RPC 2.0 的模型上下文协议 (MCP)。支持以下方法：

initialize

{
    "jsonrpc": "2.0",
    "method": "initialize",
    "params": {},
    "id": "1"
}

响应:

{
    "jsonrpc": "2.0",
    "result": {
        "serverInfo": {
            "name": "fledge-mcp",
            "version": "1.0.0",
            "description": "Fledge Model Context Protocol (MCP) Server",
            "vendor": "Fledge",
            "capabilities": {
                "tools": true,
                "streaming": true,
                "authentication": "api_key"
            }
        },
        "configSchema": {
            "type": "object",
            "properties": {
                "fledge_api_url": {
                    "type": "string",
                    "description": "Fledge API URL",
                    "default": "http://localhost:8081/fledge"
                }
            }
        }
    },
    "id": "1"
}

tools/list

{
    "jsonrpc": "2.0",
    "method": "tools/list",
    "params": {},
    "id": "2"
}

响应: 返回可用工具及其参数的列表。

tools/call

{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "get_sensor_data",
        "parameters": {
            "sensor_id": "temp1",
            "limit": 10
        }
    },
    "id": "3"
}