fnvtk/cunkebao_v3

Fork 0

Files

乘风 ba0ebcf273 数据中心同步

2026-01-05 10:16:20 +08:00

5.4 KiB

Raw Permalink Blame History

Moncter MCP 服务器使用说明

概述

Moncter MCP Server 是一个基于 Model Context Protocol (MCP) 的服务器，允许通过 MCP 协议来管理 Moncter 系统的数据采集任务和标签任务。

安装步骤

1. 安装依赖

cd MCP/moncter-mcp-server
npm install

2. 编译 TypeScript

npm run build

3. 配置 MCP

编辑 MCP/mcp.json 文件，确保 Moncter MCP 服务器配置正确：

{
  "mcpServers": {
    "Moncter": {
      "command": "node",
      "args": ["./MCP/moncter-mcp-server/dist/index.js"],
      "cwd": "E:/Cunkebao/Cunkebao02/Moncter",
      "env": {
        "MONCTER_API_URL": "http://127.0.0.1:8787"
      }
    }
  }
}

注意：cwd 路径需要根据实际项目路径修改。

可用的 MCP 工具

1. create_data_collection_task

创建数据采集任务。

参数：

name (string, 必需): 任务名称
description (string, 可选): 任务描述
data_source_id (string, 必需): 数据源ID
database (string, 必需): 数据库名称
collection (string, 可选): 集合名称（单集合模式）
collections (array, 可选): 集合列表（多集合模式）
mode (string, 必需): 采集模式（batch/realtime）
field_mappings (array, 可选): 字段映射配置
schedule (object, 可选): 调度配置

示例：

{
  "name": "create_data_collection_task",
  "arguments": {
    "name": "订单数据采集",
    "data_source_id": "data_source_id_123",
    "database": "KR_商城",
    "collection": "21年贝蒂喜订单整合",
    "mode": "realtime"
  }
}

2. create_tag_task

创建标签计算任务。

参数：

name (string, 必需): 任务名称
task_type (string, 必需): 任务类型（full/incremental/specific）
target_tag_ids (array, 必需): 要计算的标签ID列表
user_scope (object, 可选): 用户范围配置
schedule (object, 可选): 调度配置
config (object, 可选): 高级配置

示例：

{
  "name": "create_tag_task",
  "arguments": {
    "name": "高价值用户标签计算",
    "task_type": "full",
    "target_tag_ids": ["tag_id_1", "tag_id_2"],
    "user_scope": {
      "type": "all"
    }
  }
}

3. list_data_collection_tasks

获取数据采集任务列表。

参数：

page (number, 可选): 页码
page_size (number, 可选): 每页数量

4. list_tag_tasks

获取标签任务列表。

参数：

page (number, 可选): 页码
page_size (number, 可选): 每页数量

5. get_data_sources

获取数据源列表。

参数：

type (string, 可选): 数据源类型筛选
status (number, 可选): 状态筛选（1=启用，0=禁用）

6. get_tag_definitions

获取标签定义列表。

参数：

status (number, 可选): 状态筛选（1=启用，0=禁用）

7. start_data_collection_task

启动数据采集任务。

参数：

task_id (string, 必需): 任务ID

8. start_tag_task

启动标签任务。

参数：

task_id (string, 必需): 任务ID

环境变量

MONCTER_API_URL: 后端API基础URL（默认: http://127.0.0.1:8787）

使用场景

场景1：通过 AI 助手创建数据采集任务

你可以通过支持 MCP 的 AI 助手（如 Claude Desktop）来创建任务：

告诉 AI："创建一个实时监听的数据采集任务，从数据源 X 的数据库 Y 的集合 Z 采集数据"
AI 会调用 create_data_collection_task 工具
任务创建成功后，AI 会告诉你任务ID和状态

场景2：批量创建标签任务

通过 MCP 工具批量创建多个标签计算任务：

列出所有标签定义：get_tag_definitions
为每个标签创建计算任务：create_tag_task
启动所有任务：start_tag_task

场景3：任务管理

通过 MCP 工具查询和管理任务：

列出所有任务：list_data_collection_tasks / list_tag_tasks
查看任务详情和状态
启动/暂停/停止任务

开发调试

开发模式

cd MCP/moncter-mcp-server
npm run dev

测试 MCP 服务器

可以使用 MCP Inspector 或其他 MCP 客户端工具来测试服务器：

# 如果安装了 @modelcontextprotocol/inspector
npx @modelcontextprotocol/inspector node dist/index.js

故障排除

问题1：服务器无法启动

检查 Node.js 版本（需要 >= 18）
检查是否已安装依赖：npm install
检查是否已编译：npm run build

问题2：无法连接到后端API

检查 MONCTER_API_URL 环境变量是否正确
检查后端服务是否运行在指定端口
检查防火墙和网络连接

问题3：工具调用失败

检查后端API接口是否正常
检查参数是否正确
查看服务器日志输出

扩展开发

要添加新的 MCP 工具：

在 src/index.ts 的 ListToolsRequestSchema handler 中添加新工具定义
在 CallToolRequestSchema handler 中添加工具处理逻辑
重新编译：npm run build
重启 MCP 服务器

注意事项

API URL 配置：确保 MONCTER_API_URL 指向正确的后端服务地址
路径配置：mcp.json 中的 cwd 和 args 路径需要根据实际项目路径调整
权限：MCP 工具调用会直接操作后端API，请确保权限控制
错误处理：工具调用失败时会返回错误信息，请检查返回内容

更新时间：2025-01-24

5.4 KiB Raw Permalink Blame History Unescape Escape