Servidor MCP de la API de Explorium

👁 mcp-explorerium-ci
👁 Versión de PyPI
👁 Versiones de Python

El servidor MCP de Explorium es un servidor de protocolo de contexto de modelo que interactúa con la API de Explorium . Permite a los asistentes de IA acceder a las funciones de búsqueda de datos de negocios y prospectos de Explorium.

📋 Índice de contenidos

• Descripción general

• Instalación

• Configuración para el desarrollo

• Ejecutando localmente

• Uso con asistentes de IA

  • Escritorio de Claude

  • Cursor

• Estructura del proyecto

• Flujo de trabajo de desarrollo

• Integración continua

• Construcción y publicación

• Licencia

Related MCP server: GOD MODE INTEL MCP Server

Descripción general

El servidor MCP de Explorium permite a los asistentes de IA acceder a las extensas bases de datos de empresas y clientes potenciales de Explorium. Esto permite que las herramientas de IA proporcionen información precisa y actualizada sobre empresas, sectores y profesionales directamente en las interfaces de chat.

Instalación

Instalar el servidor MCP de Explorium desde PyPI:

pip install explorium-mcp-server

El paquete requiere Python 3.10 o posterior.

Configuración para el desarrollo

1. Clonar el repositorio:

git clone https://github.com/explorium-ai/mcp-explorium.git
cd mcp-explorium

2. Configurar el entorno de desarrollo usando uv :

# Install uv if you don't have it
pip install uv

# Create and activate the virtual environment with all development dependencies
uv sync --group dev

3. Cree un archivo .env en el directorio raíz con su clave API de Explorium:

EXPLORIUM_API_KEY=your_api_key_here

Para obtener una clave API, siga las instrucciones de la documentación de la API de Explorium .

Ejecutando localmente

mcp dev local_dev_server.py

Uso con asistentes de IA

Uso con Claude Desktop

1. Siga la guía oficial del Protocolo de contexto de modelo para instalar Claude Desktop y configurarlo para utilizar servidores MCP.

2. Agregue esta entrada a su archivo claude_desktop_config.json :

{
 "mcpServers": {
 "Explorium": {
 "command": "<PATH_TO_UVX>",
 "args": [
 "explorium-mcp-server"
 ],
 "env": {
 "EXPLORIUM_API_KEY": "<YOUR_API_KEY>"
 }
 }
 }
}

Para el desarrollo, puedes utilizar esta configuración en su lugar:

{
 "mcpServers": {
 "Explorium": {
 "command": "<UV_INSTALL_PATH>",
 "args": [
 "run",
 "--directory",
 "<REPOSITORY_PATH>",
 "mcp",
 "run",
 "local_dev_server.py"
 ],
 "env": {
 "EXPLORIUM_API_KEY": "<YOUR_API_KEY>"
 }
 }
 }
}

Reemplace todos los marcadores de posición con sus rutas reales y clave API.

Uso con cursor

Cursor tiene soporte integrado para servidores MCP .

Para configurarlo para utilizar el servidor Explorium MCP:

1. Vaya a Cursor > Settings > Cursor Settings > MCP

2. Agregue una entrada "Explorium" con este comando:

Para el desarrollo, utilice:

uv run --directory <repo_path> mcp run local_dev_server.py

Puede activar el "modo Yolo" en la configuración del cursor para usar herramientas sin confirmar en Cursor > Settings > Cursor Settings > Features > Chat > Enable Yolo mode .

Estructura del proyecto

mcp-explorium/
├── .github/workflows/ # CI/CD configuration
│ └── ci.yml # Main CI workflow
├── src/ # Source code
│ └── explorium_mcp_server/
│ ├── __init__.py # Package initialization
│ ├── __main__.py # Entry point for direct execution
│ ├── models/ # Data models and schemas
│ └── tools/ # MCP tools implementation
├── tests/ # Test suite
├── .env # Local environment variables (not in repo)
├── local_dev_server.py # Development server script
├── Makefile # Development shortcuts
├── pyproject.toml # Project metadata and dependencies
└── README.md # Project documentation

Flujo de trabajo de desarrollo

1. Configure el entorno como se describe en Configuración para el desarrollo

2. Realice sus cambios en el código base

3. Formatee su código:

make format

4. Ejecutar comprobaciones de pelusa:

make lint

5. Ejecutar pruebas:

make test

Integración continua

El proyecto utiliza GitHub Actions para CI/CD. El flujo de trabajo definido en .github/workflows/ci.yml realiza lo siguiente:

1. Comprobación de versión : garantiza que la versión en pyproject.toml se incremente antes de fusionarse con la versión principal

2. Linting : ejecuta comprobaciones de formato y estilo de código utilizando ruff

3. Pruebas : ejecuta el conjunto de pruebas con informes de cobertura

4. Implementación : etiqueta el repositorio con la versión de pyproject.toml cuando se fusiona con el principal

Construcción y publicación

Construyendo el paquete

Para crear el paquete para su distribución:

1. Actualice la versión en pyproject.toml (necesario para cada nuevo lanzamiento)

2. Ejecute el comando de compilación:

uv build

Esto crea un directorio dist/ con el paquete compilado.

Publicación en PyPI

Para publicar el paquete en PyPI:

1. Asegúrese de tener twine instalado:

uv pip install twine

2. Sube el paquete creado a PyPI:

twine upload dist/*

Necesitará proporcionar sus credenciales de PyPI o configurarlas en un archivo .pypirc .

Versiones y etiquetado automáticos

Cuando los cambios se fusionan con la rama principal, el flujo de trabajo de CI automáticamente:

1. Etiqueta el repositorio con la versión de pyproject.toml

2. Envía la etiqueta a GitHub

Maintenance

Resources

• Remote Server
• GitHub Repository
Need Help?
• Reddit Discussion
Related Servers

Tools

• autocompleteA
• enrich_businesses_challengesB
• enrich_businesses_company_ratingsB
• enrich_businesses_competitive_landscapeA
• enrich_businesses_financial_metricsA
• enrich_businesses_firmographicsA
• enrich_businesses_funding_and_acquisitionsB
• enrich_businesses_linkedin_postsB