mcpField
G
gaggiuino-mcp

gaggiuino-mcp

本地服务
github.com/AndrewKlement其他1067 周前更新

关于 gaggiuino-mcp

gaggiuino-mcp 是面向 Gaggiuino 浓缩咖啡机控制器的 MCP 服务,供 AI 客户端读取状态和萃取遥测数据,用于实时展示或分析。

主要功能

  1. 01读取机器当前状态
  2. 02获取最新萃取编号
  3. 03读取指定萃取数据
  4. 04实时访问萃取遥测数据
  5. 05面向本地网络使用

适用场景

  1. 01查看咖啡机当前状态
  2. 02获取并分析最新萃取数据
  3. 03检查指定萃取的遥测记录

MCP 相关

向 MCP 客户端提供机器状态、最新萃取编号和萃取数据等工具。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

MseeP.ai Security Assessment Badge

gaggiuino-mcp

smithery badge

Gaggiuino MCP 服务 这是一个轻量级的 Model Context Protocol(MCP)服务,专为 Gaggiuino 构建。Gaggiuino 是 Gaggia Classic 的开源意式咖啡机控制器。本服务旨在轻松集成需要实时显示或分析 Gaggiuino 系统数据的 AI 客户端。

我为这个项目写了一篇文章:https://medium.com/@a.klement.w/dialing-in-espresso-using-mcp-server-0207819fe93a

Gaggiuino 服务 MCP 服务

连接的客户端可以:

  • 获取当前机器状态

  • 获取最新的萃取 ID

  • 获取指定 ID 的萃取数据

功能

📊 实时访问萃取遥测数据

🌐 专为本地网络访问而设计

使用方法

使用 Claude Desktop
{
  "mcpServers": {
      "gaggiuino": {
          "command": "uv",
          "args": [
              "--directory",
              "/ABSOLUTE/PATH/TO/PARENT/FOLDER/gaggiuino-mcp",
              "run",
              "gaggiuino.py"
          ]
      }
  }
}
通过 Smithery 安装

通过 Smithery 自动为 Claude Desktop 安装 Gaggiuino Espresso Machine Server:

npx -y @smithery/cli install @AndrewKlement/gaggiuino-mcp --client claude
可用工具集
工具集描述
getLatestShotId获取最新的意式咖啡萃取 ID
getShotData获取指定 ID 的意式咖啡萃取数据。参数:id:萃取 ID
getStatus获取意式咖啡机状态
示例
用户:

分析最新的意式咖啡萃取数据

Claude:

我将为你检索并分析最新的浓缩咖啡萃取数据。首先,我会查看浓缩咖啡机的状态,然后获取最新的萃取信息。 getStatus 现在,我来获取最新一杯浓缩咖啡的 ID: getLatestShotId 接下来,我来获取第 188 杯的萃取数据: getShotData 根据检索到的数据,我现在来分析最新一杯浓缩咖啡(ID 为 188)。以下是我的分析:

机器状态和萃取概览 你的机器目前处于空闲状态,温度为 57.2°C,压力为 -0.1 bar。根据时间戳,这杯咖啡是在 2025 年 4 月 19 日萃取的,总时长为 26.5 秒(共 265 个数据点,间隔为 0.1 秒)。

曲线信息 你使用了“Leva 9 LR v0.5”曲线。这是一条多阶段曲线,压力逐步下降,目标出液量为 40g。曲线包含:

  1. 以 7 ml/s 流速进行流量控制预浸泡
  2. 降至 3.5 ml/s 流速
  3. 以 1.5 ml/s 流速进行预萃取,并将压力限制在 3 bar
  4. 在 2 秒内将压力升至 9 bar
  5. 一系列逐步降低的压力阶段(8.8→6.0 bar)

萃取分析 预浸泡和萃取阶段

  • 预浸泡(0-5 秒):以较高流速(6-7 ml/s)开始,压力很低(0.3-0.6 bar),让粉饼充分浸润。
  • 首次升压(5-10 秒):压力逐步升至约 2.5 bar,同时流速降至约 1.5 ml/s。
  • 压力曲线阶段(10-15 秒):压力保持在约 3 bar,流速降至约 0.8 ml/s。
  • 压力爬升阶段(15-20 秒):按照设定曲线,在约 5 秒内将压力从 3 bar 升至 8.9 bar。
  • 压力下降阶段(20-26.5 秒):按照曲线步骤,压力从约 8.5 bar 逐步降至 6.4 bar。

关键测量值

  • 最终出液量:38g(根据最终萃取重量)
  • 粉液比:无法确定(未提供咖啡粉剂量)
  • 温度稳定性:极佳——整个萃取过程中保持在 92.8-94.1°C
  • 首滴:约在 11-12 秒出现(预浸泡阶段约完成 75% 时)
  • 峰值流速:7.2 ml/s(开始时)
  • 峰值压力:8.9 bar(约在 20 秒时)

萃取动态

  1. 流速:开始时较高(7 ml/s),然后按照设定在预浸泡期间依次降至 3.5 ml/s 和 1.5 ml/s,之后在萃取期间稳定在约 2.8 ml/s。
  2. 注水量:总泵水量为 87.7 ml,杯中咖啡为 38g,表明粉饼中滞留了较多水分。
  3. 压力曲线:压力从预浸泡到萃取的变化非常理想,并平滑过渡到逐步下降的压力阶段。

表现评估 这杯咖啡的技术执行似乎很好,较好地遵循了设定曲线:

  • 温度控制:稳定性极佳,保持在 93-94°C 左右
  • 压力曲线:遵循设定曲线,过渡平滑
  • 萃取流速:主萃取阶段保持稳定
  • 出液重量:达到 38g(接近 40g 的目标)

你希望我针对这杯咖啡的某个方面提供更具体的建议吗?或者你想让我更详细地分析某个参数?

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。