Klavis AI: herramienta de integración del protocolo de contexto de modelo (MCP) para aplicaciones de IA

Introducción general

Klavis AI es una plataforma de código abierto centrada en simplificar el uso y la integración del Protocolo de Contexto de Modelo (MCP), un estándar abierto que permite a las aplicaciones de IA conectarse dinámicamente con herramientas externas y fuentes de datos.Klavis AI ofrece clientes Slack, Discord, alojados MCP El servidor y la sencilla interfaz web reducen el umbral técnico, lo que facilita su uso a usuarios no técnicos y permite a los desarrolladores crear y ampliar rápidamente aplicaciones MCP. La plataforma admite la integración de múltiples herramientas y hace hincapié en la seguridad, proporcionando autenticación OAuth para garantizar un acceso seguro a los datos.

Lista de funciones

• Proporciona clientes de MCP para Slack y Discord, que permiten utilizar las funciones de MCP directamente desde la plataforma de chat.
• Alojamiento de una variedad de servidores MCP como ReportGen, Resend Mail Delivery, Firecrawl Deep Research y más.
• Soporte para la creación y gestión de instancias de servidor MCP del sistema a través de API RESTful.
• Proporciona autenticación OAuth para garantizar la integración segura de herramientas y fuentes de datos.
• Admite Docker y el despliegue local, lo que facilita a los desarrolladores la ejecución de servidores MCP.
• Incluye diversas funciones de MCP, como la conversión de documentos y Markdown, herramientas de YouTube, etc.
• Proporciona una plataforma de prueba y evaluación para comparar el rendimiento de distintos servidores MCP.

Utilizar la ayuda

Instalación y despliegue

El código central de Klavis AI está alojado en GitHub, y los desarrolladores pueden clonar el repositorio para el despliegue local o ejecutar el servidor MCP utilizando Docker. Estos son los pasos exactos:

1. almacén de clones::

   git clone https://github.com/Klavis-AI/klavis.git
   cd klavis

2. Despliegue con Docker (recomendado)::
   • Asegúrese de que Docker está instalado.
   • Navegue hasta el directorio raíz del proyecto y localice el servidor MCP de destino (por ejemplo, mcp_servers/resend).
   • Construir una imagen Docker, por ejemplo:

     docker build -t resend-mcp -f mcp_servers/resend/Dockerfile .
     

   • Ejecuta el contenedor:

     docker run -p 5000:5000 resend-mcp
     

   • El servidor funcionará en http://localhost:5000.
3. Implantación local (Node.js o Python)::
   • Asegúrate de que Node.js (18.0.0+) o Python (3.12+) están instalados.
   • Vaya al directorio del servidor MCP de destino, como mcp_servers/markitdown.
   • Instale la dependencia:

     npm install  # 对于 Node.js 服务器
     pip install -r requirements.txt  # 对于 Python 服务器
     

   • Configure las variables de entorno (como las claves API), establecidas en el archivo .env.
   • Inicie el servidor:

     node index.js  # 或 python app.py
     

4. Obtener la clave API::
   • Visite https://www.klavis.ai para abrir una cuenta.
   • Genere una clave API en la configuración de la cuenta para la autenticación.

Utilización del cliente MCP

Klavis AI ofrece clientes de Slack y Discord que permiten a los usuarios utilizar las funciones de MCP sin codificar.

• Cliente Slack::
  • Añada la aplicación Klavis AI a su espacio de trabajo Slack (a través del enlace de instalación proporcionado en https://www.klavis.ai).
  • Utilice un comando como /klavis reportgen para invocar el servidor ReportGen y generar informes.
  • Introduzca la URL de una página web o un término de búsqueda y el servidor rastreará automáticamente los datos, generará código JavaScript y presentará un informe.
• Cliente Discord::
  • Únete al servidor Discord de Klavis AI (enlace en https://www.klavis.ai).
  • Utilice comandos similares, como !mcp send-email, para enviar correo o realizar otras tareas.
  • El cliente admite avisos interactivos para guiar al usuario en la introducción de los parámetros necesarios.

Función destacada Operación

1. Servidor ReportGen::
   • Se utiliza para generar informes dinámicos. El usuario proporciona URL o palabras clave y el servidor genera informes mediante rastreo web (Firecrawl) y peticiones LLM.
   • Procedimiento operativo:
     • Escriba /klavis reportgen en Slack.
     • El servidor devuelve un enlace al informe con gráficos visuales y contenido formateado.
     • Los desarrolladores pueden consultar el código fuente abierto (mcp_servers/report_generation) para personalizar la plantilla de informes.
2. Reenviar el correo::
   • Integración con el servicio Reenviar, compatibilidad con el envío de correos electrónicos en texto plano o HTML, configuración de la entrega programada, cc y bcc.
   • Pasos de configuración:
     • Obtenga la clave API de reenvío y verifique el buzón de envío.
     • Establezca RESEND_API_KEY en el archivo .env.
     • En Discord escribe !mcp send-email to:recipient@example.com subject:Test body:Hola.
     • El servidor procesa la solicitud y devuelve el estado de envío.
3. Firecrawl Estudio en profundidad::
   • Los clientes de LLM (por ejemplo, Claude) pueden realizar búsquedas profundas en páginas web para extraer datos estructurados.
   • Procedimiento operativo:
     • Inicie el servidor Firecrawl (consulte Implementación de Docker).
     • El tema de investigación se introduce en el lado del cliente y el servidor rastrea la página web y devuelve los resultados analizados.
     • La lógica de reintentos configurable (FIRECRAWL_RETRY_MAX_ATTEMPTS) optimiza el rendimiento.

Uso de la API

Klavis AI proporciona una API RESTful a través de la cual los desarrolladores pueden gestionar las instancias MCP del sistema. Las solicitudes comunes incluyen:

• Creación de un servidor MCP::

  curl --request POST \
  --url https://api.klavis.ai/mcp-server/instance/create \
  --header 'Authorization: Bearer <KLAVIS_API_KEY>' \
  --header 'Content-Type: application/json' \
  --data '{ "serverName": "<MCP_SERVER_NAME>", "userId": "<USER_ID>", "platformName": "<PLATFORM_NAME>" }'
  

  Devuelve la URL del servidor para operaciones posteriores.

• Configuración del token de autenticación::

  curl --request POST \
  --url https://api.klavis.ai/mcp-server/instance/set-auth-token \
  --header 'Authorization: Bearer <KLAVIS_API_KEY>' \
  --header 'Content-Type: application/json' \
  --data '{ "instanceId": "<string>", "authToken": "<string>" }'
  

La API utiliza el protocolo HTTPS para garantizar la seguridad de los datos. Los desarrolladores pueden consultar la documentación detallada en https://docs.klavis.ai.

advertencia

• Asegúrese de que los archivos .env están configurados correctamente para evitar fugas de claves API.
• Los despliegues Docker deben comprobar la asignación de puertos (por ejemplo, 5000:5000).
• La comunidad ofrece su apoyo a través de Discord (https://discord.gg/3uqNS3KRP2), y se aceptan preguntas o contribuciones al código.

escenario de aplicación

1. Informes automatizados en Teamwork
   Los equipos de marketing utilizan ReportGen Server para generar informes de análisis de mercado introduciendo palabras clave a través de Slack, lo que ahorra tiempo de cotejo manual.
2. Flujos de correo electrónico basados en IA
   El equipo de atención al cliente utiliza Resend Server en Discord para automatizar los correos electrónicos de confirmación de los clientes con soporte cronometrado y multireceptor.
3. Integración de herramientas para desarrolladores
   Los desarrolladores integran la funcionalidad de MCP en las aplicaciones existentes a través de API y llaman dinámicamente a Firecrawl para el análisis de datos en tiempo real.
4. Educación e investigación
   Utilizando el servidor Firecrawl, los investigadores introdujeron temas académicos, obtuvieron rápidamente datos de la web y generaron resúmenes estructurados.

CONTROL DE CALIDAD

1. ¿Qué plataformas admite Klavis AI?
   Slack, Discord y la interfaz web son actualmente compatibles, con posible expansión a otras plataformas en el futuro.
2. ¿Cómo obtener la clave API de Firecrawl?
   Registrar cuenta Firecrawl (https://firecrawl.dev), generar clave en ajustes, configurar en archivo .env.
3. ¿Es gratuito el servidor MCP?
   El código y el cliente de Klavis AI son de código abierto y gratuitos, algunos servidores de alojamiento pueden implicar tarifas por servicios en la nube.
4. ¿Cómo puedo contribuir con código?
   Visite https://github.com/Klavis-AI/klavis para leer las directrices de contribución y enviar una Pull Request.