MCP-Flowise
一个 Python 包,实现了模型上下文协议(Model Context Protocol)服务器,用于与 Flowise API 集成,允许用户列出聊天流(chatflows)、创建预测,并为 Flowise 聊天流或助手动态注册工具。
README
mcp-flowise
mcp-flowise 是一个 Python 包,实现了与 Flowise API 集成的模型上下文协议 (MCP) 服务器。它提供了一种标准化且灵活的方式来列出 chatflow、创建预测以及为 Flowise chatflow 或助手动态注册工具。
它支持两种操作模式:
- LowLevel 模式(默认):为从 Flowise API 检索的所有 chatflow 动态注册工具。
- FastMCP 模式:提供用于列出 chatflow 和创建预测的静态工具,适用于更简单的配置。
<p align="center"> <img src="https://github.com/user-attachments/assets/d27afb05-c5d3-4cc9-9918-f7be8c715304" alt="Claude Desktop Screenshot"> </p>
特性
- 动态工具暴露:LowLevel 模式为每个 chatflow 或助手动态创建工具。
- 更简单的配置:FastMCP 模式暴露
list_chatflows和create_prediction工具,以实现最小的设置。 - 灵活的过滤:两种模式都支持通过 ID 或名称(正则表达式)使用白名单和黑名单来过滤 chatflow。
- MCP 集成:无缝集成到 MCP 工作流程中。
安装
通过 Smithery 安装
要通过 Smithery 为 Claude Desktop 自动安装 mcp-flowise,请执行以下操作:
npx -y @smithery/cli install @matthewhand/mcp-flowise --client claude
前提条件
- Python 3.12 或更高版本
uvx包管理器
通过 uvx 安装和运行
确认您可以直接从 GitHub 存储库使用 uvx 运行服务器:
uvx --from git+https://github.com/andydukes/mcp-flowise mcp-flowise
添加到 MCP 生态系统(mcpServers 配置)
您可以通过将其添加到 mcpServers 配置中,将 mcp-flowise 集成到您的 MCP 生态系统中。 示例:
{
"mcpServers": {
"mcp-flowise": {
"command": "uvx",
"args": [
"--from",
"git+https://github.com/matthewhand/mcp-flowise",
"mcp-flowise"
],
"env": {
"FLOWISE_API_KEY": "${FLOWISE_API_KEY}",
"FLOWISE_API_ENDPOINT": "${FLOWISE_API_ENDPOINT}"
}
}
}
}
操作模式
1. FastMCP 模式(简单模式)
通过设置 FLOWISE_SIMPLE_MODE=true 启用。 此模式:
- 暴露两个工具:
list_chatflows和create_prediction。 - 允许使用
FLOWISE_CHATFLOW_ID或FLOWISE_ASSISTANT_ID进行静态配置。 - 通过
list_chatflows列出所有可用的 chatflow。
<p align="center"> <img src="https://github.com/user-attachments/assets/0901ef9c-5d56-4f1e-a799-1e5d8e8343bd" alt="FastMCP Mode"> </p>
2. LowLevel 模式 (FLOWISE_SIMPLE_MODE=False)
特性:
- 动态注册所有 chatflow 作为单独的工具。
- 工具以 chatflow 名称(标准化)命名。
- 使用来自
FLOWISE_CHATFLOW_DESCRIPTIONS变量的描述,如果没有提供描述,则回退到 chatflow 名称。
示例:
- 为 chatflow 动态创建
my_tool(question: str) -> str。
在 Windows 上使用 uvx 运行
如果您在 Windows 上使用 uvx 并且遇到 --from git+https 问题,建议的解决方案是本地克隆存储库,并使用 uvx.exe 的完整路径和克隆的存储库配置 mcpServers。 此外,根据需要包含 APPDATA、LOGLEVEL 和其他环境变量。
MCP 生态系统的示例配置(Windows 上的 mcpServers)
{
"mcpServers": {
"flowise": {
"command": "C:\\Users\\matth\\.local\\bin\\uvx.exe",
"args": [
"--from",
"C:\\Users\\matth\\downloads\\mcp-flowise",
"mcp-flowise"
],
"env": {
"LOGLEVEL": "ERROR",
"APPDATA": "C:\\Users\\matth\\AppData\\Roaming",
"FLOWISE_API_KEY": "your-api-key-goes-here",
"FLOWISE_API_ENDPOINT": "http://localhost:3006/"
}
}
}
}
备注
- 完整路径:对
uvx.exe和克隆的存储库使用完整路径。 - 环境变量:如果需要,将
APPDATA指向您的 Windows 用户配置文件(例如,C:\\Users\\<username>\\AppData\\Roaming)。 - 日志级别:根据需要调整
LOGLEVEL(ERROR、INFO、DEBUG等)。
环境变量
常规
FLOWISE_API_KEY:您的 Flowise API Bearer 令牌(必需)。FLOWISE_API_ENDPOINT:Flowise 的基本 URL(默认:http://localhost:3006)。
LowLevel 模式(默认)
FLOWISE_CHATFLOW_DESCRIPTIONS:以逗号分隔的chatflow_id:description对列表。 示例:FLOWISE_CHATFLOW_DESCRIPTIONS="abc123:Chatflow One,xyz789:Chatflow Two"
FastMCP 模式 (FLOWISE_SIMPLE_MODE=true)
FLOWISE_CHATFLOW_ID:单个 Chatflow ID(可选)。FLOWISE_ASSISTANT_ID:单个助手 ID(可选)。FLOWISE_CHATFLOW_DESCRIPTION:单个暴露工具的可选描述。
过滤 Chatflow
可以使用以下环境变量在两种模式下应用过滤器:
- 按 ID 列入白名单:
FLOWISE_WHITELIST_ID="id1,id2,id3" - 按 ID 列入黑名单:
FLOWISE_BLACKLIST_ID="id4,id5" - 按名称列入白名单(正则表达式):
FLOWISE_WHITELIST_NAME_REGEX=".*important.*" - 按名称列入黑名单(正则表达式):
FLOWISE_BLACKLIST_NAME_REGEX=".*deprecated.*"
注意:白名单优先于黑名单。 如果两者都设置,则应用最严格的规则。
安全
- 保护您的 API 密钥:确保
FLOWISE_API_KEY保持安全,并且不会在日志或存储库中暴露。 - 环境配置:对敏感配置使用
.env文件或环境变量。
将 .env 添加到您的 .gitignore:
# .gitignore
.env
故障排除
- 缺少 API 密钥:确保
FLOWISE_API_KEY设置正确。 - 无效配置:如果同时设置了
FLOWISE_CHATFLOW_ID和FLOWISE_ASSISTANT_ID,服务器将拒绝启动。 - 连接错误:验证
FLOWISE_API_ENDPOINT是否可访问。
许可证
本项目根据 MIT 许可证获得许可。 有关详细信息,请参阅 LICENSE 文件。
TODO
- [x] Fastmcp 模式
- [x] Lowlevel 模式
- [x] 过滤
- [x] Claude desktop 集成
- [ ] 助手
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
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。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。