Klavis AI: Model Context Protocol (MCP) Integrationswerkzeug für KI-Anwendungen

Allgemeine Einführung

Klavis AI ist eine Open-Source-Plattform, die sich auf die Vereinfachung der Nutzung und Integration des Model Context Protocol (MCP) konzentriert, ein offener Standard, der es KI-Anwendungen ermöglicht, sich dynamisch mit externen Tools und Datenquellen zu verbinden.Klavis AI bietet Slack, Discord-Clients, gehostete MCP Der Server und die einfache Weboberfläche setzen die technische Schwelle herab, so dass auch technisch nicht versierte Benutzer sie leicht nutzen und Entwickler MCP-Anwendungen schnell erstellen und erweitern können. Die Plattform unterstützt die Integration mehrerer Tools und legt Wert auf Sicherheit, indem sie eine OAuth-Authentifizierung für einen sicheren Datenzugriff bietet.

Funktionsliste

• Bietet MCP-Clients für Slack und Discord, die die Nutzung von MCP-Funktionen direkt über die Chat-Plattform unterstützen.
• Hosting einer Vielzahl von MCP-Servern wie ReportGen, Resend Mail Delivery, Firecrawl Deep Research und mehr.
• Unterstützung für die Erstellung und Verwaltung von System-MCP-Serverinstanzen über RESTful-APIs.
• Bietet eine OAuth-Authentifizierung, um eine sichere Integration von Tools und Datenquellen zu gewährleisten.
• Unterstützt Docker und die lokale Bereitstellung, was es Entwicklern erleichtert, MCP-Server zu betreiben.
• Enthält eine Vielzahl von MCP-Funktionen wie die Konvertierung von Dokumenten und Markdown, YouTube-Tools und vieles mehr.
• Bietet eine Test- und Bewertungsplattform zum Vergleich der Leistung verschiedener MCP-Server.

Hilfe verwenden

Installation und Einsatz

Der Kerncode für Klavis AI wird auf GitHub gehostet, und Entwickler können das Repository für die lokale Bereitstellung klonen oder den MCP-Server mit Docker ausführen. Hier sind die genauen Schritte:

1. Klon-Lager::

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

2. Bereitstellen mit Docker (empfohlen)::
   • Stellen Sie sicher, dass Docker installiert ist.
   • Navigieren Sie zum Stammverzeichnis des Projekts und suchen Sie den Ziel-MCP-Server (z. B. mcp_servers/resend).
   • Erstellen Sie zum Beispiel ein Docker-Image:

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

   • Starten Sie den Container:

     docker run -p 5000:5000 resend-mcp
     

   • Der Server wird unter http://localhost:5000 laufen.
3. Lokale Bereitstellung (Node.js oder Python)::
   • Stellen Sie sicher, dass Node.js (18.0.0+) oder Python (3.12+) installiert ist.
   • Wechseln Sie zum Verzeichnis des Ziel-MCP-Servers, z. B. mcp_servers/markitdown.
   • Installieren Sie die Abhängigkeit:

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

   • Konfigurieren Sie Umgebungsvariablen (z. B. API-Schlüssel), die in der Datei .env festgelegt sind.
   • Starten Sie den Server:

     node index.js  # 或 python app.py
     

4. Abrufen des API-Schlüssels::
   • Besuchen Sie https://www.klavis.ai, um ein Konto zu eröffnen.
   • Generieren Sie einen API-Schlüssel in den Kontoeinstellungen für die Authentifizierung.

Verwendung des MCP-Client

Klavis AI bietet Slack- und Discord-Clients an, mit denen Benutzer MCP-Funktionen ohne Programmierung nutzen können.

• Slack-Client::
  • Fügen Sie die Klavis AI-App zu Ihrem Slack-Arbeitsbereich hinzu (über den Installationslink auf https://www.klavis.ai).
  • Verwenden Sie einen Befehl wie /klavis reportgen, um den ReportGen-Server zur Erstellung von Berichten aufzurufen.
  • Geben Sie eine Webseiten-URL oder einen Suchbegriff ein, und der Server durchsucht automatisch die Daten, generiert JavaScript-Code und stellt einen Bericht dar.
• Discord-Klient::
  • Treten Sie dem Discord-Server von Klavis AI bei (Link unter https://www.klavis.ai).
  • Verwenden Sie ähnliche Befehle, wie z. B. !mcp send-email, um E-Mails zu versenden oder andere Aufgaben auszuführen.
  • Der Client unterstützt interaktive Eingabeaufforderungen, um den Benutzer bei der Eingabe der erforderlichen Parameter zu unterstützen.

Featured Function Bedienung

1. ReportGen Server::
   • Dient der Erstellung dynamischer Berichte. Der Benutzer gibt URLs oder Schlüsselwörter an, und der Server generiert Berichte über Webcrawling (Firecrawl) und LLM-Eingabeaufforderungen.
   • Betriebsverfahren:
     • Geben Sie /klavis reportgen in Slack ein.
     • Der Server liefert einen Link zum Bericht mit visuellen Diagrammen und formatiertem Inhalt.
     • Entwickler können den offenen Quellcode (mcp_servers/report_generation) einsehen, um die Berichtsvorlage anzupassen.
2. Postzustellung erneut senden::
   • Integration mit dem Resend-Dienst, Unterstützung für den Versand von reinen Text- oder HTML-E-Mails, Einrichtung von geplanten Zustellungen, cc und bcc.
   • Schritte zur Konfiguration:
     • Rufen Sie den API-Schlüssel für das erneute Senden ab und überprüfen Sie das Sendepostfach.
     • Setzen Sie RESEND_API_KEY in der .env-Datei.
     • Geben Sie bei Discord !mcp send-email to:recipient@example.com subject:Test body:Hello.
     • Der Server bearbeitet die Anfrage und gibt den Sendestatus zurück.
3. Firecrawl Eingehende Studie::
   • LLM-Clients (z. B. Claude) werden unterstützt, um eine Tiefenrecherche auf Webseiten durchzuführen und strukturierte Daten zu extrahieren.
   • Betriebsverfahren:
     • Starten Sie den Firecrawl Server (siehe Docker Deployment).
     • Das Forschungsthema wird auf der Client-Seite eingegeben, und der Server durchsucht die Webseite und liefert die analysierten Ergebnisse.
     • Konfigurierbare Wiederholungslogik (FIRECRAWL_RETRY_MAX_ATTEMPTS) optimiert die Leistung.

API-Verwendung

Klavis AI bietet eine RESTful API, über die Entwickler MCP-Instanzen verwalten können. Häufige Anfragen umfassen:

• Erstellen eines MCP-Servers::

  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>" }'
  

  Gibt die Server-URL für nachfolgende Operationen zurück.

• Einstellen des Authentifizierungs-Tokens::

  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>" }'
  

Die API verwendet das HTTPS-Protokoll, um die Datensicherheit zu gewährleisten. Eine ausführliche Dokumentation finden Entwickler unter https://docs.klavis.ai.

caveat

• Stellen Sie sicher, dass die .env-Dateien korrekt konfiguriert sind, damit keine API-Schlüssel verloren gehen.
• Docker-Bereitstellungen müssen die Port-Zuordnung überprüfen (z. B. 5000:5000).
• Community-Support ist über Discord (https://discord.gg/3uqNS3KRP2) verfügbar, und Fragen oder Codebeiträge sind willkommen.

Anwendungsszenario

1. Automatisierte Berichterstattung in Teamwork
   Marketingteams nutzen ReportGen Server, um Marktanalyseberichte durch Eingabe von Schlüsselwörtern über Slack zu erstellen und so Zeit bei der manuellen Zusammenstellung zu sparen.
2. KI-gesteuerte E-Mail-Workflows
   Das Kundenservice-Team verwendet Resend Server bei Discord, um Bestätigungs-E-Mails an Kunden zu automatisieren, die zeitlich begrenzt sind und von mehreren Empfängern empfangen werden können.
3. Integration von Entwickler-Tools
   Entwickler integrieren MCP-Funktionen über APIs in bestehende Anwendungen und rufen Firecrawl dynamisch zur Echtzeit-Datenanalyse auf.
4. Bildung und Forschung
   Mit Hilfe des Firecrawl-Servers gaben die Forscher akademische Themen ein, holten sich schnell Webdaten und erstellten strukturierte Zusammenfassungen.

QA

1. Welche Plattformen werden von Klavis AI unterstützt?
   Derzeit werden Slack, Discord und die Weboberfläche unterstützt, wobei eine Ausweitung auf andere Plattformen in Zukunft möglich ist.
2. Wie bekomme ich den Firecrawl API Schlüssel?
   Firecrawl-Konto registrieren (https://firecrawl.dev), Schlüssel in den Einstellungen generieren, in .env-Datei konfigurieren.
3. Ist der MCP-Server kostenlos?
   Der Code und der Client von Klavis AI sind quelloffen und kostenlos, bei einigen Hosting-Servern können Gebühren für Cloud-Dienste anfallen.
4. Wie kann ich Code beisteuern?
   Besuchen Sie https://github.com/Klavis-AI/klavis, um die Richtlinien für Beiträge zu lesen und einen Pull Request einzureichen.