RunningHub MCP Server
A FastMCP-based server providing a comprehensive toolset for the RunningHub AI application platform. It enables users to configure nodes, upload media, submit AI tasks, and manage task execution and results through persistent storage.
README
RunningHub MCP Server
基于 FastMCP 框架的 MCP 服务,为 RunningHub AI 应用平台提供完整的工具集。
功能概览
- 节点查询 - 获取 AI 应用的可配置节点列表
- 文件上传 - 上传图片/音频/视频到 RunningHub 平台
- 任务提交 - 提交 AI 应用任务并获取 taskId
- 结果查询 - 查询任务执行状态和输出结果
- 一键执行 - 提交任务并自动轮询等待完成
- 任务管理 - 基于本地 JSON 文件的任务持久化管理
安装
# 使用 uv(推荐)
cd runninghub-mcp
uv sync
# 或使用 pip
pip install -e .
配置
通过环境变量配置服务:
| 环境变量 | 必需 | 默认值 | 说明 |
|---|---|---|---|
RUNNINGHUB_API_KEY |
是 | - | RunningHub API 密钥 |
RUNNINGHUB_API_HOST |
否 | www.runninghub.cn |
API 主机地址 |
RUNNINGHUB_TASK_STORE_PATH |
否 | ~/.runninghub/tasks.json |
任务持久化文件路径 |
MCP 客户端配置示例
Cursor / Claude Desktop (mcp.json)
{
"mcpServers": {
"runninghub": {
"command": "uv",
"args": ["--directory", "/path/to/runninghub-mcp", "run", "runninghub-mcp"],
"env": {
"RUNNINGHUB_API_KEY": "your-api-key"
}
}
}
}
Tool 列表
原子工具(API 端点)
| Tool | 说明 | 关键参数 |
|---|---|---|
get_node_info |
获取 AI 应用的可配置节点列表 | webapp_id |
upload_file |
上传文件到 RunningHub | file_path |
submit_task |
提交 AI 应用任务 | webapp_id, node_info_list |
query_task_outputs |
查询任务状态和输出结果 | task_id |
完整流程工具
| Tool | 说明 |
|---|---|
run_task_and_wait |
提交任务并轮询等待完成,支持自定义超时和轮询间隔 |
持久化管理工具
| Tool | 说明 | 关键参数 |
|---|---|---|
list_tasks |
查询本地存储的任务列表 | status(可选), limit |
get_task_detail |
获取指定任务的详细信息 | task_id |
sync_task_status |
从 API 同步任务最新状态到本地 | task_id |
使用流程
典型的使用流程如下:
- 调用
get_node_info获取 AI 应用的节点列表 - 根据需要修改节点参数(如需上传文件,先调用
upload_file) - 调用
run_task_and_wait提交任务并等待结果(或分步使用submit_task+query_task_outputs) - 使用
list_tasks/get_task_detail查看历史任务
项目结构
src/runninghub_mcp/
__init__.py # 包入口
server.py # FastMCP 服务实例 + Tool 定义 + 入口
api.py # RunningHub HTTP API 封装
storage.py # 任务持久化管理(JSON 文件)
models.py # 数据模型定义
开发
# 安装开发依赖
uv sync
# 直接运行服务(STDIO 模式)
RUNNINGHUB_API_KEY=your-key uv run runninghub-mcp
# 使用 fastmcp dev 调试
RUNNINGHUB_API_KEY=your-key uv run fastmcp dev src/runninghub_mcp/server.py
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。