mcpField
M
MCP Radarr and Sonarr Server

MCP Radarr and Sonarr Server

本地服务
github.com/JasonTulp游戏娱乐684 周前更新

关于 MCP Radarr and Sonarr Server

通过 Radarr 和 Sonarr 管理电影与电视节目库的 MCP 服务,支持浏览、搜索、下载请求、状态查询以及系统健康和磁盘监控。

主要功能

  1. 01浏览电影和电视节目库
  2. 02按年份和类型搜索
  3. 03请求下载媒体
  4. 04查看媒体下载状态
  5. 05监控系统健康与磁盘空间

适用场景

  1. 01浏览已管理的电影或电视节目库
  2. 02按年份或类型查找节目
  3. 03请求下载电影或剧集
  4. 04检查服务健康状况和可用磁盘空间

MCP 相关

向 MCP 客户端提供 Radarr 和 Sonarr 媒体库操作,包括搜索、下载请求和状态查询。电影和剧集也作为 MCP 资源提供。

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

MCP Radarr 和 Sonarr 服务

一个用于集成 Radarr 和 Sonarr、管理媒体库的 MCP 服务。

功能

当前功能:

  • 浏览电影和电视节目库
  • 按年份和类型搜索及筛选媒体
  • 请求下载电影和电视节目
  • 查看下载和监控状态
  • 系统健康监控与管理
    • 磁盘空间监控
    • 系统健康检查
    • 状态报告

安装

本地安装
  1. 安装依赖项:
pnpm install
全局安装

要在系统上全局安装 MCParr Server:

pnpm run install-global

安装后,便可在终端中全局使用 mcparr 命令。

配置

  1. 设置环境变量:
export RADARR_URL=http://your-radarr-instance:7878
export RADARR_API_KEY=your-radarr-api-key
export SONARR_URL=http://your-sonarr-instance:8989
export SONARR_API_KEY=your-sonarr-api-key

或者,你也可以在项目目录中创建一个包含这些变量的 .env 文件。

使用

本地运行

构建并运行服务:

pnpm run build
pnpm start

用于开发:

pnpm run dev
全局运行

如果已全局安装,只需运行:

mcparr

API 参考

search_media

使用筛选条件搜索电影或电视节目:

{
  mediaType: "movie" | "series",  // Required
  year?: number,                  // Optional
  genre?: string                  // Optional
}
request_download

请求下载指定媒体:

{
  mediaType: "movie" | "series",  // Required
  id: number                      // Required
}
check_status

查看指定媒体的状态:

{
  mediaType: "movie" | "series",  // Required
  id: number                      // Required
}
get_system_status

获取系统健康状况和存储信息:

{
  system: "radarr" | "sonarr" | "both"  // Required - Which system to check
}

响应包括:

  • 系统状态(版本、运行时间等)
  • 磁盘空间信息
  • 健康检查结果

资源

媒体通过以下 URI 方案作为资源提供:

  • 电影:radarr://movie/{id}
  • 电视节目:sonarr://series/{id}

每项资源都包含:

  • 标题
  • 年份
  • 当前状态

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。