RCA-MCP

RCA-MCP Connector

注意： api.rca-mcp.com 自定义域名尚未接入，请将 RCA_MCP_API_URL 指向下方当前的后端 URL。

什么是 RCA-MCP？

唯一专为因果根因分析构建的 MCP 服务。提供 56 种工具，涵盖因果图构建、10 种 RCA 模型系列以及 3 种专用 PyRCA 算法 （Salesforce PyRCA，BSD-3-Clause）、多模型共识，以及 PDF/HTML/Excel/Markdown 报告生成。支持 Claude、Ollama、Groq、OpenAI、Gemini、LangChain、 Cursor 等 10 个提供商。

---

快速开始（2 分钟）

rca-mcp-connector 是已发布到 PyPI 的软件包，无需克隆。使用 uvx 将任意 MCP 客户端连接到它（如果你更愿意自行管理安装，也可以运行 pip install rca-mcp-connector）：

uvx rca-mcp-connector

在 rcamcp.datalizedglb.cloud 获取免费 API 密钥，无需 信用卡，然后在 MCP 客户端的配置中设置 RCA_MCP_API_KEY（示例如下）。

---

Claude Code 设置

将以下内容添加到工作区根目录中的 .mcp.json：

{
  "mcpServers": {
    "rca-mcp": {
      "command": "uvx",
      "args": ["rca-mcp-connector"],
      "env": {
        "RCA_MCP_API_URL": "https://rcamcp-production.up.railway.app",
        "RCA_MCP_API_KEY": "your_api_key_here"
      }
    }
  }
}

Ollama 设置

go install github.com/mark3labs/mcphost@latest
mcphost -m ollama:qwen3:14b --config providers/mcp-servers.json

OpenAI Agents SDK

from agents import Agent, MCPServerStdio
import asyncio

async def main():
    async with MCPServerStdio(
        params={
            "command": "uvx",
            "args": ["rca-mcp-connector"],
            "env": {
                "RCA_MCP_API_URL": "https://rcamcp-production.up.railway.app",
                "RCA_MCP_API_KEY": "your_api_key_here",
            },
        }
    ) as rca_server:
        agent = Agent(name="RCA Agent", model="gpt-4o", mcp_servers=[rca_server])
        result = await agent.run("Find the root cause of the API latency spike.")
        print(result.final_output)

asyncio.run(main())

LangChain

from langchain_mcp_adapters.client import MultiServerMCPClient
from langchain_anthropic import ChatAnthropic
from langgraph.prebuilt import create_react_agent
import asyncio

async def main():
    async with MultiServerMCPClient({
        "rca-mcp": {
            "command": "uvx", "args": ["rca-mcp-connector"],
            "env": {
                "RCA_MCP_API_URL": "https://rcamcp-production.up.railway.app",
                "RCA_MCP_API_KEY": "your_api_key_here",
            },
            "transport": "stdio",
        }
    }) as client:
        tools = await client.get_tools()
        agent = create_react_agent(ChatAnthropic(model="claude-sonnet-4-6"), tools)
        result = await agent.ainvoke({"messages": [{"role": "user", "content": "Run an FMEA analysis"}]})
        print(result["messages"][-1].content)

asyncio.run(main())

可在 providers/ 中查看开箱即用的配置模板和完整示例（Groq、Gemini、 OpenRouter、Claude Desktop）。

---

第三方许可证

PyRCA（Salesforce）： BSD-3-Clause 版权所有 (c) 2022，salesforce.com, inc. https://github.com/salesforce/PyRCA

rca_pyrca_* 工具中的算法是依据 PyRCA 已发表的方法（Zheng 等人，2023 年，arXiv:2306.11417）独立编写的改编版本，并非直接复制 PyRCA 源代码。详情见私有 API 的 models/pyrca_adapter.py。

---

引用 RCA-MCP

@software{rcamcp2026,
  title  = {RCA-MCP: An MCP Server for Causal Root Cause Analysis},
  author = {dave1362},
  year   = {2026},
  url    = {https://github.com/dave1362/rca-mcp-connector},
  note   = {v4.1.20}
}