VOOZH about

URL: https://glama.ai/mcp/servers/explorium-ai/mcp-explorium?locale=zh-CN

⇱ Explorium AgentSource MCP 服务器 by explorium-ai | Glama

Explorium API MCP 服务器

👁 mcp-explorerium-ci
👁 PyPI 版本
👁 Python 版本

Explorium MCP 服务器是一个用于与Explorium API交互的模型上下文协议服务器。它使 AI 助手能够访问 Explorium 的业务和潜在客户数据查找功能。

📋 目录

Related MCP server: GOD MODE INTEL MCP Server

概述

Explorium MCP 服务器允许 AI 助手访问 Explorium 丰富的业务和潜在客户数据库。这使得 AI 工具能够直接在聊天界面中提供有关公司、行业和专业人士的准确、最新的信息。

安装

从 PyPI 安装 Explorium MCP 服务器：

pip install explorium-mcp-server

该软件包需要 Python 3.10 或更高版本。

开发设置

  1. 克隆存储库：

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

  1. 使用uv设置开发环境：

# 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

  1. 使用您的 Explorium API 密钥在根目录中创建一个.env文件：

EXPLORIUM_API_KEY=your_api_key_here

要获取 API 密钥，请按照Explorium API 文档中的说明进行操作。

本地运行

mcp dev local_dev_server.py

与人工智能助手一起使用

与 Claude Desktop 一起使用

  1. 按照官方模型上下文协议指南安装 Claude Desktop 并将其设置为使用 MCP 服务器。

  2. 将此条目添加到您的claude_desktop_config.json文件中：

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

对于开发，您可以改用此配置：

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

用您的实际路径和 API 密钥替换所有占位符。

与游标一起使用

Cursor内置了对 MCP 服务器的支持。

要配置它以使用 Explorium MCP 服务器：

  1. 前往Cursor > Settings > Cursor Settings > MCP

  2. 使用以下命令添加“Explorium”条目：

对于开发，请使用：

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

您可以在 Cursor 设置中打开“Yolo 模式”，以便在Cursor > Settings > Cursor Settings > Features > Chat > Enable Yolo mode下无需确认即可使用工具。

项目结构

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

开发工作流程

  1. 按照开发设置中的说明设置环境

  2. 对代码库进行更改

  3. 格式化您的代码：

make format

  1. 运行 linting 检查：

make lint

  1. 运行测试：

make test

持续集成

该项目使用 GitHub Actions 进行 CI/CD。.github .github/workflows/ci.yml中定义的工作流程执行以下操作：

  1. 版本检查：确保在合并到主项目之前pyproject.toml中的版本已增加

  2. Linting ：使用ruff运行代码样式和格式检查

  3. 测试：运行测试套件并报告覆盖率

  4. 部署：合并到主仓库时，使用pyproject.toml中的版本标记仓库

构建和发布

构建包

要构建分发包：

  1. 更新pyproject.toml中的版本（每个新版本都需要）

  2. 运行构建命令：

uv build

这将创建一个包含构建包的dist/目录。

发布到 PyPI

要将包发布到 PyPI：

  1. 确保已安装twine ：

uv pip install twine

  1. 将构建的包上传到 PyPI：

twine upload dist/*

您需要提供您的 PyPI 凭证或在.pypirc文件中配置它们。

自动版本控制和标记

当更改合并到主分支时，CI 工作流程会自动：

  1. 使用pyproject.toml中的版本标记存储库

  2. 将标签推送到 GitHub

A
license - permissive license
A
quality
D
maintenance

Maintenance

–Maintainers
–Response time
–Release cycle
1Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/explorium-ai/mcp-explorium'

If you have feedback or need assistance with the MCP directory API, please join our Discord server