RTC MCP Server
用于管理阿里云实时计算 Flink 资源的模型上下文协议 (MCP) 服务器实现
gnuhpc
README
RTC MCP 服务器
用于管理阿里云实时计算 Apache Flink 资源的模型上下文协议 (MCP) 服务器实现。此服务器为 AI 模型与阿里云 Flink 服务交互提供了一个标准化接口。
功能特性
- 创建和管理 Flink 集群
- 创建和管理 Flink SQL 作业
- 部署和控制 Flink 应用程序
- 监控作业状态和指标
- 创建和管理 Savepoint
- 列出和管理部署
- 工作空间和命名空间管理
前提条件
- JDK 17 或更高版本
- Maven 3.6 或更高版本
- 具有 RTC (实时计算) 访问权限的阿里云账号
- 阿里云 Access Key ID 和 Secret
客户端配置
要将此服务器用作 MCP 客户端,请将以下配置添加到您的 MCP 设置文件(例如,cline_mcp_settings.json
):
{
"mcpServers": {
"rtc-mcp-server": {
"command": "java",
"args": [
"-Dtransport.mode=stdio",
"-Dspring.main.web-application-type=none",
"-Dspring.main.banner-mode=off",
"-Dlogging.file.name=/path/to/rtc-mcp-server/mcpserver.log",
"-jar",
"/path/to/rtc-mcp-server/target/rtc-mcp-server-1.0-SNAPSHOT.jar"
],
"env": {
"ALIYUN_ACCESS_KEY_ID": "your-access-key-id",
"ALIYUN_ACCESS_KEY_SECRET": "your-access-key-secret"
},
"disabled": false,
"autoApprove": []
}
}
}
将 /path/to/rtc-mcp-server
替换为您的实际服务器路径,并在环境变量中提供您的阿里云凭据。
可用工具
该服务器提供以下 MCP 工具:
-
作业管理
start_job
: 启动已部署的 Flink 作业stop_job
: 停止正在运行的 Flink 作业list_jobs
: 列出部署中的所有作业delete_job
: 删除未运行的作业get_job_diagnosis
: 获取作业诊断信息
-
部署管理
create_deployment
: 创建新的 Flink 部署get_deployment_metrics
: 获取部署指标create_savepoint
: 为作业创建 Savepoint
-
变量管理
create_variable
: 创建新变量update_variable
: 更新现有变量delete_variable
: 删除变量list_variables
: 分页列出变量
-
工作空间管理
create_workspace
: 创建新的工作空间get_workspace_info
: 获取工作空间信息list_workspaces
: 列出所有工作空间
-
Catalog 操作
get_catalogs
: 获取 Catalog 信息get_deployment_databases
: 获取数据库信息get_tables
: 获取表信息execute_sql_statement
: 执行 SQL 语句
构建和运行
- 构建项目:
mvn clean package
- 运行服务器:
java -jar target/rtc-mcp-server-1.0-SNAPSHOT.jar
对于使用 stdio 传输的开发模式:
java -Dtransport.mode=stdio -Dspring.main.web-application-type=none -jar target/rtc-mcp-server-1.0-SNAPSHOT.jar
服务器模式
服务器支持多种传输模式:
webflux
: 使用 Spring WebFlux 的默认模式stdio
: 用于开发和测试的命令行模式
日志
日志在 application.yml 中配置,具有以下默认设置:
- 根级别:WARN
- 应用程序级别 (com.rtc):INFO
- 日志文件每天轮换并使用 GZIP 压缩
贡献
- Fork 仓库
- 创建一个特性分支
- 提交您的更改
- 创建一个 Pull Request
许可证
在 Apache License, Version 2.0(“许可证”)下获得许可; 除非遵守许可证,否则您不得使用此文件。 您可以在以下位置获得许可证副本:
http://www.apache.org/licenses/LICENSE-2.0
除非适用法律要求或书面同意,否则根据“按原样”基础分发的软件 不附带任何形式的明示或暗示的保证或条件。 请参阅许可证,以了解管理权限和 许可证限制的特定语言。
推荐服务器
contentful-mcp
在你的 Contentful Space 中更新、创建、删除内容、内容模型和资源。

Supabase MCP Server
一个模型上下文协议(MCP)服务器,它提供对 Supabase 管理 API 的编程访问。该服务器允许 AI 模型和其他客户端通过标准化的接口来管理 Supabase 项目和组织。

Azure MCP Server
通过 Claude Desktop 实现与 Azure 服务的自然语言交互,支持资源管理、订阅处理和租户选择,并提供安全身份验证。

Settlemint
利用 SettleMint 的模型上下文协议服务器,无缝地与企业区块链基础设施交互。通过人工智能驱动的助手构建、部署和管理智能合约,从而简化您的区块链开发工作流程,实现最高的效率。

Brev
在云端运行、构建、训练和部署机器学习模型。

Story Protocol SDK MCP
这个服务器提供 MCP(模型上下文协议)工具,用于与 Story 的 Python SDK 交互。 功能: * 获取许可条款 * 使用 PIL 条款铸造和注册 IP 资产 * 铸造许可代币 * 向钱包发送 $IP * 通过 Pinata [外部] 上传图像到 ipfs * 通过 Pinata [外部] 上传 IP 和 NFT 元数据

Tembo MCP Server
一个 MCP 服务器,它使 Claude 能够与 Tembo Cloud 平台 API 交互,从而允许用户通过自然语言管理 Tembo Cloud 资源。

Workers MCP
一个连接 Claude Desktop 和其他 MCP 客户端到 Cloudflare Workers 的软件包,从而可以通过模型上下文协议,使用自然语言访问自定义功能。

Appwrite MCP Server
一个模型上下文协议服务器,允许 AI 助手与 Appwrite 的 API 交互,从而提供管理 Appwrite 项目中数据库、用户、函数、团队和其他资源的工具。
MCP2Lambda
通过 MCP 协议,人工智能模型能够与 AWS Lambda 函数交互,从而在安全的环境中访问私有资源、实时数据和自定义计算。