mcpField
J
jekakos-mcp-user-data-enrichment

jekakos-mcp-user-data-enrichment

远程服务
github.com/jekakos社交媒体056 周前更新
代码仓库

关于 jekakos-mcp-user-data-enrichment

jekakos-mcp-user-data-enrichment 是一款 MCP 服务,根据姓名和出生日期为用户资料补充社交网络链接,适用于需要演示数据丰富流程的 Agent 工作流,并提供预设示例及自动生成链接的功能。

主要功能

  1. 01为资料补充社交链接
  2. 02接收姓名和出生日期
  3. 03提供预设模拟用户数据
  4. 04为其他姓名生成链接
  5. 05提供可选 HTTP API

适用场景

  1. 01为用户资料添加社交链接
  2. 02在 Agent 工作流中测试数据丰富
  3. 03通过 HTTP 接口调用数据丰富功能

MCP 相关

通过 stdio 暴露 `enrich_user_data` 工具。可选 HTTP 封装支持远程访问。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://server.smithery.ai/@jekakos/mcp-user-data-enrichment/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

全部服务地址
Streamable HTTPhttps://server.smithery.ai/@jekakos/mcp-user-data-enrichment/mcp需要授权

工具

详细介绍

MCP 用户数据丰富服务

一个通过添加社交网络链接来丰富用户数据的 Model Context Protocol(MCP)服务。此服务可与 Smithery.ai 等 AI 平台集成,提供社交媒体链接发现功能。

功能

  • 用户数据丰富:接收用户信息(姓名、出生日期),并返回社交媒体链接
  • 模拟数据支持:包含预配置的社交链接,供演示使用
  • 动态生成:自动为新用户生成社交链接
  • MCP 协议:通过 stdio 实现标准 MCP
  • HTTP 封装:提供可选的 HTTP API,支持远程访问
  • Smithery 集成:可直接与 Smithery.ai 集成

安装

npm install mcp-user-data-enrichment

使用方法

作为 MCP 服务(推荐用于 Smithery)
# Direct stdio usage
node src/mcp-server.js

# Or via npm script
npm run mcp
作为 HTTP 服务
# Start HTTP server on port 3000
npm start

API 端点

HTTP API(以服务形式运行时)
  • GET /status - 服务状态
  • GET /tools - 列出可用工具
  • POST /tools/call - 调用任意工具
  • POST /enrich-user - 丰富用户数据
MCP 协议

该服务提供一个工具:enrich_user_data

输入架构:

{
  "firstName": "string",
  "lastName": "string", 
  "birthDate": "string (YYYY-MM-DD)"
}

输出:

{
  "user": {
    "firstName": "John",
    "lastName": "Smith",
    "birthDate": "1990-01-01"
  },
  "socialLinks": {
    "instagram": "https://instagram.com/john_smith",
    "facebook": "https://facebook.com/john.smith",
    "twitter": "https://twitter.com/john_smith",
    "linkedin": "https://linkedin.com/in/john_smith"
  }
}

Smithery.ai 集成

此 MCP 服务专为与 Smithery.ai 配合使用而设计。Smithery.ai 是一个 AI Agent 编排平台。

在 Smithery 中设置
  1. 将服务部署到 GitHub 上的公开仓库
  2. 在 Smithery 中配置 MCP 连接:
    {
      "mcpServers": {
        "user-data-enrichment": {
          "command": "node",
          "args": ["path/to/mcp-server.js"]
        }
      }
    }
    
  3. 在 AI Agent 工作流中使用该工具
Smithery 使用示例
// In your Smithery agent
const result = await mcp.callTool('enrich_user_data', {
  firstName: 'John',
  lastName: 'Smith', 
  birthDate: '1990-01-01'
});

console.log(result.content[0].text);

开发

# Install dependencies
npm install

# Run in development mode
npm run dev

# Test MCP server directly
echo '{"jsonrpc": "2.0", "id": 1, "method": "tools/list"}' | node src/mcp-server.js

测试

# Run test client
node test-client.js

# Test with curl
curl -X POST http://localhost:3000/enrich-user \
  -H "Content-Type: application/json" \
  -d '{"firstName": "John", "lastName": "Smith", "birthDate": "1990-01-01"}'

模拟数据

该服务包含以下用户的模拟社交链接:

  • John Smith
  • Sarah Johnson
  • Michael Brown

对于其他用户,系统会根据姓名自动生成链接。

贡献

  1. Fork 此仓库
  2. 创建功能分支
  3. 进行修改
  4. 适用时添加测试
  5. 提交拉取请求

许可证

MIT License - 详情请参阅 LICENSE 文件

部署文件

  • Dockerfile - 用于容器化部署的 Docker 配置
  • smithery.yaml - Smithery.ai 配置文件
  • .dockerignore - 用于优化构建的 Docker 忽略文件

相关链接

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。