Klavis AI : outil d'intégration du protocole MCP (Model Context Protocol) pour les applications d'intelligence artificielle

Introduction générale

Klavis AI est une plateforme open source visant à simplifier l'utilisation et l'intégration du Model Context Protocol (MCP), une norme ouverte qui permet aux applications d'intelligence artificielle de se connecter dynamiquement à des outils et à des sources de données externes. MCP Le serveur et l'interface web simple abaissent le seuil technique, ce qui facilite l'utilisation par les utilisateurs non techniques et permet aux développeurs de créer et d'étendre rapidement les applications MCP. La plateforme prend en charge l'intégration de plusieurs outils et met l'accent sur la sécurité, en fournissant une authentification OAuth pour garantir un accès sécurisé aux données.

Klavis AI:面向AI应用的模型上下文协议(MCP)集成工具

 

Liste des fonctions

  • Fournit des clients MCP pour Slack et Discord, permettant l'utilisation des fonctionnalités MCP directement à partir de la plateforme de chat.
  • Hébergement d'une variété de serveurs MCP tels que ReportGen, Resend Mail Delivery, Firecrawl Deep Research et plus encore.
  • Prise en charge de la création et de la gestion d'instances de serveurs MCP via des API RESTful.
  • Fournit une authentification OAuth pour garantir une intégration sécurisée des outils et des sources de données.
  • Prend en charge Docker et le déploiement local, ce qui permet aux développeurs d'exécuter facilement des serveurs MCP.
  • Inclut une variété de fonctionnalités MCP telles que la conversion de documents et de Markdown, des outils YouTube, et plus encore.
  • Fournit une plateforme de test et d'évaluation pour comparer les performances de différents serveurs MCP.

 

Utiliser l'aide

Installation et déploiement

Le code de base de Klavis AI est hébergé sur GitHub, et les développeurs peuvent cloner le dépôt pour un déploiement local ou exécuter le serveur MCP à l'aide de Docker. Voici les étapes exactes :

  1. entrepôt de clones: :
    git clone https://github.com/Klavis-AI/klavis.git
    cd klavis
  1. Déploiement avec Docker (recommandé): :
    • Assurez-vous que Docker est installé.
    • Naviguez jusqu'au répertoire racine du projet et localisez le serveur MCP cible (par exemple, mcp_servers/resend).
    • Construire une image Docker, par exemple :
      docker build -t resend-mcp -f mcp_servers/resend/Dockerfile .
      
    • Exécuter le conteneur :
      docker run -p 5000:5000 resend-mcp
      
    • Le serveur fonctionnera à l'adresse http://localhost:5000.
  2. Déploiement local (Node.js ou Python): :
    • Assurez-vous que Node.js (18.0.0+) ou Python (3.12+) est installé.
    • Accédez au répertoire du serveur MCP cible, par exemple mcp_servers/markitdown.
    • Installer la dépendance :
      npm install  # 对于 Node.js 服务器
      pip install -r requirements.txt  # 对于 Python 服务器
      
    • Configurer les variables d'environnement (telles que les clés API), définies dans le fichier .env.
    • Démarrer le serveur :
      node index.js  # 或 python app.py
      
  3. Obtenir la clé API: :
    • Visitez le site https://www.klavis.ai pour ouvrir un compte.
    • Générer une clé API dans les paramètres du compte pour l'authentification.

Utilisation du client MCP

Klavis AI propose des clients Slack et Discord qui permettent aux utilisateurs d'utiliser les fonctionnalités de MCP sans codage.

  • Client Slack: :
    • Ajoutez l'application Klavis AI à votre espace de travail Slack (via le lien d'installation fourni à l'adresse https://www.klavis.ai).
    • Utilisez une commande telle que /klavis reportgen pour invoquer le serveur ReportGen afin de générer des rapports.
    • Saisissez l'URL d'une page web ou un terme de recherche et le serveur explore automatiquement les données, génère un code JavaScript et produit un rapport.
  • Client Discord: :
    • Rejoignez le serveur Discord de Klavis AI (lien sur https://www.klavis.ai).
    • Utilisez des commandes similaires, telles que !mcp send-email, pour envoyer du courrier ou effectuer d'autres tâches.
    • Le client propose des invites interactives pour guider l'utilisateur dans la saisie des paramètres nécessaires.

Fonction en vedette Fonctionnement

  1. Serveur ReportGen: :
    • Utilisé pour générer des rapports dynamiques. L'utilisateur fournit des URL ou des mots-clés et le serveur génère des rapports par le biais de l'exploration du web (Firecrawl) et des invites LLM.
    • Procédure d'exploitation :
      • Tapez /klavis reportgen dans Slack.
      • Le serveur renvoie un lien vers le rapport avec des graphiques visuels et un contenu formaté.
      • Les développeurs peuvent consulter le code source ouvert (mcp_servers/report_generation) pour personnaliser le modèle de rapport.
  2. Renvoyer la distribution du courrier: :
    • Intégration avec le service Resend, prise en charge de l'envoi d'e-mails en texte simple ou en HTML, mise en place d'une livraison programmée, cc et bcc.
    • Étapes de configuration :
      • Obtenir la clé API de renvoi et vérifier la boîte aux lettres d'envoi.
      • Définissez RESEND_API_KEY dans le fichier .env.
      • Sur Discord, tapez !mcp send-email to:recipient@example.com subject:Test body:Hello.
      • Le serveur traite la demande et renvoie le statut d'envoi.
  3. Étude approfondie de Firecrawl: :
    • Les clients LLM (par exemple Claude) peuvent effectuer des recherches approfondies sur les pages web afin d'en extraire des données structurées.
    • Procédure d'exploitation :
      • Démarrez le serveur Firecrawl (voir Déploiement Docker).
      • Le sujet de la recherche est saisi du côté du client, le serveur parcourt la page web et renvoie les résultats analysés.
      • La logique de relance configurable (FIRECRAWL_RETRY_MAX_ATTEMPTS) optimise les performances.

Utilisation de l'API

Klavis AI fournit une API RESTful grâce à laquelle les développeurs peuvent gérer les instances MCP du système. Les demandes les plus courantes sont les suivantes :

  • Création d'un serveur 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>" }'
    

    Renvoie l'URL du serveur pour les opérations suivantes.

  • Définition du jeton d'authentification: :
    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>" }'
    

L'API utilise le protocole HTTPS pour garantir la sécurité des données. Les développeurs peuvent se référer à https://docs.klavis.ai pour une documentation détaillée.

mise en garde

  • Assurez-vous que les fichiers .env sont configurés correctement pour éviter les fuites de clés API.
  • Les déploiements Docker doivent vérifier le mappage des ports (par exemple 5000:5000).
  • Le support de la communauté est disponible via Discord (https://discord.gg/3uqNS3KRP2), et les questions ou contributions au code sont les bienvenues.

 

scénario d'application

  1. Rapports automatisés dans le cadre du travail d'équipe
    Les équipes marketing utilisent ReportGen Server pour générer des rapports d'analyse de marché en saisissant des mots-clés via Slack, ce qui permet de gagner du temps sur le collationnement manuel.
  2. Flux d'e-mails pilotés par l'IA
    L'équipe du service clientèle utilise Resend Server sur Discord pour automatiser les courriels de confirmation des clients avec une prise en charge temporelle et multirécipiendaire.
  3. Intégration des outils de développement
    Les développeurs intègrent la fonctionnalité MCP dans les applications existantes via des API et appellent dynamiquement Firecrawl pour l'analyse des données en temps réel.
  4. Éducation et recherche
    À l'aide du serveur Firecrawl, les chercheurs ont saisi des sujets académiques, récupéré rapidement des données web et généré des résumés structurés.

 

QA

  1. Quelles sont les plateformes prises en charge par Klavis AI ?
    Slack, Discord et l'interface web sont actuellement pris en charge, avec une extension possible à d'autres plateformes à l'avenir.
  2. Comment obtenir la clé API de Firecrawl ?
    Enregistrer le compte Firecrawl (https://firecrawl.dev), générer la clé dans les paramètres, configurer le fichier .env.
  3. Le serveur MCP est-il gratuit ?
    Le code et le client de Klavis AI sont libres et gratuits, certains serveurs d'hébergement peuvent impliquer des frais de service en nuage.
  4. Comment contribuer au code ?
    Visitez https://github.com/Klavis-AI/klavis pour lire les directives de contribution et soumettre une Pull Request.
© déclaration de droits d'auteur
AiPPT

Articles connexes

Pas de commentaires

Vous devez être connecté pour participer aux commentaires !
S'inscrire maintenant
aucun
Pas de commentaires...