mcpField
T
tokei-agent

tokei-agent

本地服务
github.com/gilesdawe商业与营销01 周前更新

关于 tokei-agent

tokei-agent 是用于命令行和 AI Agent 的 Tokei 预热与候补名单活动管理工具,适合运营活动的团队。它将 Tokei v1 REST API 封装为 JSON 命令,并可作为本地 MCP 服务运行。

主要功能

  1. 01管理活动页面与发布状态
  2. 02查看报名、调查和分析数据
  3. 03管理排行榜、推荐与获奖记录
  4. 04上传媒体并更新页面内容
  5. 05管理 Webhook 订阅

适用场景

  1. 01检查候补名单页面的报名与统计
  2. 02创建或更新预热活动页面
  3. 03查看推荐来源和参与者排名
  4. 04将活动事件发送到 Webhook

MCP 相关

可作为本地 stdio MCP 服务运行,将命令行命令提供为 MCP 工具,供 Claude Code、Claude Desktop 等客户端调用。

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。

mcp.json · 通用配置
{
"mcpServers": {
"gilesdawe-tokei-agent": {
"command": "npx",
"args": [
"-y",
"tokei-agent"
],
"env": {
"TOKEI_API_KEY": "<TOKEI_API_KEY>",
"TOKEI_API_URL": "<TOKEI_API_URL>"
}
}
}
}
启动命令npx -y tokei-agent
需要配置的环境变量
TOKEI_API_KEY密钥Tokei API key (starts tokei_k_). Create one at tokei.io -> Dashboard -> Settings -> API Keys. Read-only keys cover every read command; write access is opt-in.
TOKEI_API_URLOverride the API base URL. Defaults to https://tokei.io; rarely needed.

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npmtokei-agent0.3.8

工具

21

收录的工具列表 · 更新于 1 周前

此工具无需参数。

详细介绍

tokei-agent

通过命令行管理你的 Tokei 上线前和候补名单营销活动,也可以通过 Claude Code、OpenClaw 等 AI Agent 管理。封装 Tokei v1 REST API,仅输出 JSON,无运行时依赖。

安装

npm install -g tokei-agent
# or run without installing:
npx tokei-agent --help

需要 Node 22.12+。

Claude Code

将其作为插件安装,tokei-agent 技能也会随之安装——之后 Claude 无需额外说明,就能了解完整的命令用法:

/plugin marketplace add gilesdawe/tokei-agent
/plugin install tokei-agent@tokei

设置 TOKEI_API_KEY(参见快速入门)即可。CLI 本身仍通过 npx 运行,因此无需安装其他内容。

快速入门

  1. 在 tokei.io → Dashboard → Settings → API Keys 中创建 API 密钥。除非需要更改内容,否则请选择只读;使用 API 需要有效订阅或终身套餐。

  2. 导出密钥——不同 Shell 的语法有所不同:

export TOKEI_API_KEY=tokei_k_...          # bash / zsh
set -x TOKEI_API_KEY tokei_k_...          # fish
$env:TOKEI_API_KEY = "tokei_k_..."        # PowerShell
  1. 试试看:
tokei-agent me                       # verify the key, see plan + API usage
tokei-agent pages:list --status active
tokei-agent stats <contestId>        # analytics for one page

每条命令都会将 JSON 输出到 stdout,其中包含顶层 rate_limit 对象。退出码:0 表示成功,1 表示 API/网络错误,2 表示用法错误(JSON 输出到 stderr)。

交互式输出(0.3.1+)。 当 stdout 连接到交互式终端时,CLI 会显示横幅和易读的摘要,而不是原始 JSON。当 stdout 是管道、重定向、CI 或 mcp 传输时,它会按原样输出 JSON——因此不会影响 Agent、脚本和 MCP 客户端。设置 TOKEI_OUTPUT=json 可在终端中也强制输出 JSON;NO_COLOR 会禁用颜色和动画,TOKEI_NO_ANIM=1 则保留颜色但停止动态效果。

已知问题——Node 24 / Windows 上的退出码问题(已在 0.3.0 中修复)。 在 0.2.2 及更早版本中,CLI 可能会输出正确的 JSON,然后在进程退出时中止,导致退出码错误(无论成功还是失败,$LASTEXITCODE 都会显示 -1073740791 / 0xC0000409)。如果使用的是受影响的版本,请根据 stdout 上的 JSON 判断运行结果,而不要依据退出状态——或者升级。 (历史标注错误:0.3.0 的 tarball 将 --version 错误报告为 0.2.2;0.3.1+ 会正确报告。)

命令

读取(任意密钥均可):

命令功能
me验证密钥;查看账户、套餐和 API 使用情况
pages:list列出页面 — --status、--mode、--page、--per-page
pages:get <contestId>获取完整页面(奖品、奖励等级、公开 URL)
stats <contestId>汇总分析数据
leaderboard <contestId>按积分排名的参与者
referrals:top <contestId>按转化量排名的顶级推荐者,以及推荐总数
winners:list <contestId>选择运行历史记录,按时间从新到旧排列,并嵌套显示每次运行的获奖者
entries:list <contestId>报名 — 使用 --email 筛选
surveys:list <contestId>问卷回复
webhooks:list列出 Webhook 订阅
templates:list平台提供的命名起始模板,可用于 pages:clone --template
actions:catalogTokei 支持的所有报名操作类型 — --type <actionType>
events:catalogTokei 投递引擎可识别的所有 Webhook 事件 — --type <eventName>

写入(需要读写密钥):

命令功能
pages:clone通过克隆你拥有的页面、命名模板或起始模板来创建页面。每天最多 20 次
media:upload <file>上传图片或视频,返回可供 pages:update 使用的 public_url。每个文件(包括视频)不得超过 4MB
pages:update <contestId>更新标题、描述、日期、奖品、奖励等级、外观(包括 Custom 模板:--template simple / --custom-css)、媒体和报名操作(entry_methods,包括自定义链接行)
pages:publish <contestId>发布页面(需要设置未来的 end_date)
pages:unpublish <contestId>恢复为草稿 — 阻止新用户报名,并对访客隐藏页面
entries:create <contestId>添加一条报名
webhooks:create订阅一个 HTTPS 端点(whsec_ 密钥仅显示一次 — 请保存!)
webhooks:delete <webhookId>移除订阅

写入命令可通过标志传入简单字段,也可通过 --data '<json>' 或 --data @file.json 传入完整/嵌套内容(发生冲突时以标志为准)。运行 tokei-agent --help 查看所有标志,或参阅 SKILL.md — 此软件包附带的 Agent 参考文档,包含示例和错误处理指南。

tokei-agent pages:clone --title "Spring Launch Waitlist" --source <promotionId>
tokei-agent pages:update <contestId> --end-date 2026-09-01T00:00:00Z
tokei-agent media:upload ./hero.png
tokei-agent pages:update <contestId> --image-video <public_url from the upload above>
tokei-agent actions:catalog --type twitter_follow                  # see what a type accepts
tokei-agent pages:update <contestId> \
  --data '{"entry_methods":[{"actionType":"tiktok_follow","label":"Follow us on TikTok","points":3,"config":{"username":"tokei"}}]}'

MCP 服务

此软件包也可作为本地 MCP 服务(stdio)运行:上述每条命令都会变成一个 MCP 工具(pages_list、pages_update、stats 等),供 Claude Code、Claude Desktop 和其他 MCP 客户端使用。

claude mcp add tokei --env TOKEI_API_KEY=tokei_k_... -- npx -y tokei-agent mcp

或在 JSON 配置中:

{
  "mcpServers": {
    "tokei": {
      "command": "npx",
      "args": ["-y", "tokei-agent", "mcp"],
      "env": { "TOKEI_API_KEY": "tokei_k_..." }
    }
  }
}

环境

变量必需含义
TOKEI_API_KEY是以 Authorization: Bearer <key> 形式发送
TOKEI_API_URL否基础 URL 覆盖项(默认值为 https://tokei.io)

Agent 与人工参与

Tokei 的设计理念是由 Agent 起草、由人工审批:为监控 Agent 提供只读密钥,仅将读写密钥分配给确实需要修改内容的 Agent,并设置密钥过期时间。通过 API 创建新的 Webhook 订阅时,会向账户所有者发送安全通知。

隐私政策

完整政策:https://tokei.io/privacy

数据收集方式

tokei-agent 是 Tokei v1 REST API 的轻量客户端。它不会自行收集任何数据:没有遥测、没有分析、没有崩溃报告,也不会以任何方式向外发送数据。

它只会从你的环境中读取两项输入——TOKEI_API_KEY 和可选的 TOKEI_API_URL——以及你通过命令行传入的参数(或 MCP 客户端传给工具调用的参数)。对于 media:upload,它还会读取你指定的本地文件字节。

使用与存储

你的 API 密钥仅用作请求中发往你的 Tokei 账号的 Authorization: Bearer 标头。命令参数会成为请求路径、查询字符串或 JSON 请求体。它不会将任何内容写入磁盘:CLI 不会创建配置文件、缓存、凭据存储或日志文件,并且进程退出后不会保留任何内容。

API 响应可能包含参与者的电子邮件地址、问卷答案和分析数据,并会以 JSON 格式打印到标准输出。从这一刻起,这些内容由调用 CLI 的对象处理(你的 shell、脚本或 AI Agent 及其对话历史)。请将这些输出视为个人数据。

与第三方共享

不会出售或与第三方共享任何内容。数据只会传输至:

  • Tokei(https://tokei.io,或你在 TOKEI_API_URL 中设置的主机)——每条命令都会向其发送请求,以便在你的账号中处理请求。
  • Tokei 的对象存储提供商——仅用于 media:upload。CLI 会将文件发送到 Tokei API,由其与提供商一起存储;CLI 本身绝不会联系该提供商。该文件会成为你推广页面上的公开资源。

CLI 不会联系其他任何主机。

数据保留

CLI 不会保留任何内容。你 Tokei 账号中保存的数据——推广活动、条目、问卷答复——将按照上述 Tokei 隐私政策保留;你可以据此申请访问或删除数据。API 密钥由你在 Dashboard → Settings → API Keys 中创建、设定范围、设置过期时间并撤销;撤销密钥后,通过该密钥进行的所有访问都会立即停止。

联系信息

Tokei — https://tokei.io/privacy — [email protected]

文档

许可证

MIT

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。