Klavis AI: инструмент интеграции контекстно-модельного протокола (MCP) для приложений искусственного интеллекта

Общее введение

Klavis AI - это платформа с открытым исходным кодом, ориентированная на упрощение использования и интеграции Model Context Protocol (MCP), открытого стандарта, который позволяет приложениям искусственного интеллекта динамически соединяться с внешними инструментами и источниками данных. Klavis AI предлагает клиенты Slack, Discord, размещенные MCP Сервер и простой веб-интерфейс снижают технический порог, облегчая работу нетехническим пользователям и позволяя разработчикам быстро создавать и расширять приложения MCP. Платформа поддерживает интеграцию различных инструментов и уделяет особое внимание безопасности, обеспечивая аутентификацию OAuth для безопасного доступа к данным.

Список функций

• Предоставляет клиенты MCP для Slack и Discord, поддерживающие использование функциональности MCP непосредственно из чат-платформы.
• Хостинг различных MCP-серверов, таких как ReportGen, Resend Mail Delivery, Firecrawl Deep Research и другие.
• Поддержка создания и управления экземплярами сервера системы MCP с помощью RESTful API.
• Обеспечивает аутентификацию OAuth для безопасной интеграции инструментов и источников данных.
• Поддерживает Docker и локальное развертывание, что упрощает разработчикам запуск серверов MCP.
• Включает в себя множество функций MCP, таких как преобразование документов и Markdown, инструменты для работы с YouTube и многое другое.
• Предоставляет тестовую и оценочную платформу для сравнения производительности различных серверов MCP.

Использование помощи

Установка и развертывание

Основной код Klavis AI размещен на GitHub, и разработчики могут клонировать репозиторий для локального развертывания или запустить MCP-сервер с помощью Docker. Вот точные шаги:

1. склад клонов::

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

2. Развертывание с помощью Docker (рекомендуется)::
   • Убедитесь, что Docker установлен.
   • Перейдите в корневой каталог проекта и найдите целевой MCP-сервер (например, mcp_servers/resend).
   • Создайте, например, образ Docker:

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

   • Запустите контейнер:

     docker run -p 5000:5000 resend-mcp
     

   • Сервер будет работать по адресу http://localhost:5000.
3. Локальное развертывание (Node.js или Python)::
   • Убедитесь, что установлены Node.js (18.0.0+) или Python (3.12+).
   • Перейдите в каталог целевого сервера MCP, например mcp_servers/markitdown.
   • Установите зависимость:

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

   • Настройте переменные окружения (например, ключи API), заданные в файле .env.
   • Запустите сервер:

     node index.js  # 或 python app.py
     

4. Получение ключа API::
   • Посетите сайт https://www.klavis.ai, чтобы зарегистрировать учетную запись.
   • Сгенерируйте ключ API в настройках учетной записи для аутентификации.

Использование клиента MCP

Klavis AI предлагает клиенты Slack и Discord, которые позволяют пользователям использовать функции MCP без кодирования.

• Клиент Slack::
  • Добавьте приложение Klavis AI в рабочее пространство Slack (по ссылке для установки, приведенной на сайте https://www.klavis.ai).
  • Используйте такую команду, как /klavis reportgen, чтобы вызвать сервер ReportGen для создания отчетов.
  • Введите URL-адрес веб-страницы или поисковый запрос, и сервер автоматически просмотрит данные, сгенерирует код JavaScript и выведет отчет.
• Клиент Discord::
  • Присоединяйтесь к Discord-серверу Klavis AI (ссылка на https://www.klavis.ai).
  • Используйте аналогичные команды, например !mcp send-email, для отправки почты или выполнения других задач.
  • Клиент поддерживает интерактивные подсказки, которые помогут пользователю ввести необходимые параметры.

Функциональное управление

1. ReportGen Server::
   • Используется для создания динамических отчетов. Пользователь указывает URL-адреса или ключевые слова, а сервер генерирует отчеты с помощью веб-ползания (Firecrawl) и подсказок LLM.
   • Операционная процедура:
     • Введите /klavis reportgen в Slack.
     • Сервер возвращает ссылку на отчет с визуальными диаграммами и отформатированным содержимым.
     • Разработчики могут ознакомиться с открытым исходным кодом (mcp_servers/report_generation), чтобы настроить шаблон отчета.
2. Повторная доставка почты::
   • Интеграция с сервисом Resend, поддержка отправки обычных текстовых или HTML-писем, настройка доставки по расписанию, cc и bcc.
   • Шаги конфигурации:
     • Получите ключ API Resend и проверьте почтовый ящик для отправки.
     • Установите RESEND_API_KEY в файле .env.
     • В Discord наберите !mcp send-email to:recipient@example.com subject:Test body:Hello.
     • Сервер обрабатывает запрос и возвращает статус отправки.
3. Глубокое исследование Firecrawl::
   • Клиенты LLM (например, Claude) поддерживают глубокое исследование веб-страниц для извлечения структурированных данных.
   • Операционная процедура:
     • Запустите сервер Firecrawl (см. раздел "Развертывание Docker").
     • Тема исследования вводится на стороне клиента, а сервер просматривает веб-страницу и возвращает проанализированные результаты.
     • Настраиваемая логика повторных попыток (FIRECRAWL_RETRY_MAX_ATTEMPTS) оптимизирует производительность.

Использование API

Klavis AI предоставляет RESTful API, с помощью которого разработчики могут управлять экземплярами системы MCP. Общие запросы включают:

• Создание сервера 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>" }'
  

  Возвращает URL-адрес сервера для последующих операций.

• Установка токена аутентификации::

  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>" }'
  

API использует протокол HTTPS для обеспечения безопасности данных. Разработчики могут обратиться к https://docs.klavis.ai за подробной документацией.

предостережение

• Убедитесь, что файлы .env настроены правильно, чтобы избежать утечки ключей API.
• При развертывании Docker необходимо проверить сопоставление портов (например, 5000:5000).
• Поддержка сообщества осуществляется через Discord (https://discord.gg/3uqNS3KRP2), вопросы и вклад в код приветствуются.

сценарий применения

1. Автоматизированная отчетность в Teamwork
   Маркетинговые команды используют ReportGen Server для создания отчетов об анализе рынка путем ввода ключевых слов через Slack, что позволяет сэкономить время на ручном составлении отчетов.
2. Рабочие процессы электронной почты, управляемые искусственным интеллектом
   Служба поддержки клиентов использует сервер Resend Server в Discord для автоматизации отправки писем с подтверждением клиентов с поддержкой тайминга и нескольких получателей.
3. Интеграция инструментов разработчика
   Разработчики интегрируют функциональность MCP в существующие приложения через API и динамически вызывают Firecrawl для анализа данных в режиме реального времени.
4. Образование и исследования
   Используя сервер Firecrawl, исследователи вводили научные темы, быстро получали веб-данные и создавали структурированные резюме.

QA

1. Какие платформы поддерживает Klavis AI?
   В настоящее время поддерживаются Slack, Discord и веб-интерфейс, а в будущем возможно расширение на другие платформы.
2. Как получить ключ API Firecrawl?
   Зарегистрируйте учетную запись Firecrawl (https://firecrawl.dev), сгенерируйте ключ в настройках, настройте в файле .env.
3. Является ли сервер MCP бесплатным?
   Код и клиент Klavis AI имеют открытый исходный код и являются бесплатными, некоторые хостинговые серверы могут требовать оплаты облачных услуг.
4. Как внести свой код?
   Посетите сайт https://github.com/Klavis-AI/klavis, чтобы ознакомиться с правилами внесения вкладов и отправить Pull Request.