MCP Server for Feedly API

Feedly API 的 MCP 服务

此仓库包含一个精简的 typescript-sdk 服务，可将选定的 Feedly API 端点作为 MCP 工具公开。该服务提供以下工具：

• feedly.search
• feedly.collect
• feedly.entity_lookup
• feedly.autocomplete

这些工具让兼容 MCP 的语言模型能够搜索和检索文章或 Feedly 中的 NLP 实体信息。

完整的 Feedly 工作流

这些工具可在常见的发现循环中协同使用：

1. 实体发现 – 使用 feedly.autocomplete 查找相关主题或公司的 ID。
2. 内容搜索 – 使用这些 ID 调用 feedly.search，查找文章并发现流 ID。
3. 流内容收集 – 将流 ID 传递给 feedly.collect，从信息源或看板中检索完整文章。
4. 实体详情 – 使用 feedly.entity_lookup 获取任何实体的更多信息。

关键概念

• 实体 – 由 Feedly ID 标识的主题、公司、人物或技术。
• 流 – RSS 信息源、用户类别或出版物集合。
• 显著性 – 选择 mention 或 about，以控制实体在结果中的突出程度。
• 来源 – 要搜索的流（默认为所有主题）。

常见实体 ID 格式包括主题对应的 nlp/f/topic/xxxx，以及 RSS 信息源对应的 feed/http://...。

故障排除

• 确保已导出 FEEDLY_TOKEN，以便服务调用 Feedly API。
• 先使用 feedly.autocomplete 确认实体 ID。
• 某些流可能不支持直接收集；可通过 feedly.search 查找流 ID。
• 使用分页令牌和 count 参数，以遵守 Feedly 的速率限制。

示例工作流

server.ts 中的注释包含完整示例，例如跟踪 AI 在医疗保健领域的发展、开展公司研究以及分析技术趋势。

设置

1. 使用 npm 安装依赖：

npm install

2. 导出 Feedly 身份验证令牌，以便服务调用 Feedly API：

export FEEDLY_TOKEN=YOUR_TOKEN_HERE

运行服务

通过 stdio 运行服务，无需配置网络端口。只需使用以下命令启动：

npx ts-node server.ts

进程会持续运行，并通过标准输入和输出流与客户端通信。

在 Claude Desktop 中使用

若要将 Claude Desktop 直接连接到此服务，请打开 File > Settings > Developer > Edit Config，然后 在 claude_desktop_config.json 中创建或更新如下条目：

{
  "mcpServers": {
    "feedly": {
      "command": "npx",
      "args": [
        "ts-node",
        "/path/to/mcp_server_feedly/server.ts"
      ],
      "env": {
        "FEEDLY_TOKEN": "YOUR_TOKEN_HERE"
      }
    }
  }
}

Claude Desktop 通过 stdio 与服务通信，因此无需配置 URL。command 和 args 用于告知应用如何启动服务。请将路径替换为系统上的 server.ts 位置，并将 FEEDLY_TOKEN 设置为你的 Feedly 令牌。

你可以从此仓库复制 claude_desktop_config.example.json，将其作为起点。

运行测试

安装 Python 依赖并运行测试套件：

pip install -r requirements.txt
FEEDLY_TOKEN=xxxx pytest -q