Back to MCP directory
publicPublicdnsLocal runtime

Quickchat

Quickchat AI MCP服务器允许用户将Quickchat AI代理集成到各种AI应用中,如Claude Desktop、Cursor等,通过Model Context Protocol(MCP)实现无缝连接。用户可以通过Quickchat AI仪表板轻松配置和管理MCP服务,无需复杂部署。

article

README

🚀 Quickchat AI MCP 服务器

Quickchat AI 的 MCP(模型上下文协议)服务器允许任何人将其 Quickchat AI 代理集成到他们喜爱的 AI 应用程序中,如 Claude Desktop、Cursor、VS Code、Windsurf 等。

🚀 快速开始

  1. 创建一个 Quickchat AI 账户,并开启任意计划的 7 天免费试用。
  2. 设置你的 AI 的知识库、功能和相关设置。
  3. 前往 MCP 页面激活你的 MCP。为其命名,添加描述,并可选择添加命令。这些信息至关重要,AI 应用程序需要借此了解何时与你的 AI 通信,以及它的能力和知识范围。
  4. 完成!现在你就可以使用 Quickchat AI 代理与其他 AI 应用程序进行交互了。

📦 安装指南

在 Claude Desktop 中配置

claudia.json 文件中添加以下内容:

{
  "mcpServers": {
    "< QUICKCHAT AI MCP 名称 >": {
      "command": "uv",
      "args": ["run", "--with", "mcp[cli]", "--with", "requests", "mcp", "run", "< 您的路径 >/quickchat-ai-mcp/src/__main__.py"],
      "env": {
        "SCENARIO_ID": "< QUICKCHAT AI 场景 ID >",
        "API_KEY": "< QUICKCHAT AI API 密钥>"
      }
    }
  }
}

在 Cursor 中配置

config.json 文件中添加以下内容:

{
  "mcpServers": {
    "< QUICKCHAT AI MCP 名称 >": {
      "command": "uv",
      "args": ["run", "--with", "mcp[cli]", "--with", "requests", "mcp", "run", "< 您的路径 >/quickchat-ai-mcp/src/__main__.py"],
      "env": {
        "SCENARIO_ID": "< QUICKCHAT AI 场景 ID >",
        "API_KEY": "< QUICKCHAT AI API 密钥>"
      }
    }
  }
}

💻 使用示例

共享 MCP

分享配置

shared.json 文件中添加以下内容,以共享你的 MCP:

{
  "mcpServers": {
    "< QUICKCHAT AI MCP 名称 >": {
      "command": "uv",
      "args": ["run", "--with", "mcp[cli]", "--with", "requests", "mcp", "run", "< 您的路径 >/quickchat-ai-mcp/src/__main__.py"],
      "env": {
        "SCENARIO_ID": "< QUICKCHAT AI 场景 ID >"
      }
    }
  }
}

更新 MCP

在 Quickchat AI 管理界面更新你的 MCP 配置,包括名称、描述和其他参数。所有更改将实时生效。

从源代码运行

使用 MCP 检查工具进行调试

uv run mcp dev src/__main__.py

在 Claude Desktop 或 Cursor 中调试

使用以下 JSON 配置:

{
  "mcpServers": {
    "< QUICKCHAT AI MCP 名称 >": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "mcp[cli]",
        "--with",
        "requests",
        "mcp",
        "run",
        "< 您的路径 >/quickchat-ai-mcp/src/__main__.py"
      ],
      "env": {
        "SCENARIO_ID": "< QUICKCHAT AI 场景 ID >",
        "API_KEY": "< QUICKCHAT AI API 密钥>"
      }
    }
  }
}

测试

确保代码格式正确且所有测试通过:

ruff check --fix
ruff format
uv run pytest

✨ 主要特性

  • 可从 Quickchat AI 管理界面控制 MCP 的所有方面,点击即可使更改生效。
  • 可在 Quickchat 信箱中查看所有对话记录。
  • 与大多数静态工具不同,这是一种开放式的与 Quickchat AI 代理交互的方式。

📚 详细文档

GitHub 星史

Star History Chart

help

Runtime guide

cloud

Hosted runtime

Hosted servers run from a provider-managed environment. You usually connect the MCP client to the hosted endpoint or follow the provider's authorization flow, without keeping a local process alive

  1. Open provider connection page
  2. Authorize or copy endpoint
  3. Connect from your MCP client
terminal

Local runtime / other methods

Local servers run on your own machine or infrastructure. You normally copy the server_config into your MCP client, install the required package, and provide env variables from env_schema when needed

  1. Copy server_config
  2. Install required package
  3. Fill env variables and restart client