mcpField
P
Planning Center Online API and MCP Server Integration

Planning Center Online API and MCP Server Integration

本地服务
github.com/jake-ccnhAI 与智能体1153 周前更新

关于 Planning Center Online API and MCP Server Integration

面向使用 Planning Center Online 的组织,将其 API 接入 MCP 服务以供 LLM 对话式访问,支持用自然语言查询和更新 Planning Center 数据。

主要功能

  1. 01连接 Planning Center Online API
  2. 02通过 FastMCP 服务处理请求
  3. 03使用自然语言查询和更新数据

适用场景

  1. 01检索 Planning Center 中的服务信息
  2. 02通过对话请求更新 Planning Center 数据
  3. 03通过对话式查询获取数据洞察

MCP 相关

FastMCP 服务在 MCP 客户端与 Planning Center Online API 之间处理中转,并返回数据或执行请求的操作。

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

Planning Center Online API 与 MCP 服务集成

此项目将 Planning Center Online(PCO)API 与 MCP 服务集成,以便与大模型无缝交互。目标是让用户能够以对话方式提问并检索 Planning Center 中的数据。

功能

  • PCO API 集成:连接到 Planning Center Online,以访问和管理数据。
  • FASTMCP 服务:充当中间件,处理大模型与 PCO API 之间的请求和响应。
  • 大模型查询支持:支持使用自然语言查询,以获取和操作 Planning Center 中的数据。

使用场景

  • 检索 Planning Center 中有关活动的信息。
  • 通过使用自然语言查询和更新数据,实现工作流自动化。
  • 通过对话式查询提供洞察和分析。

开始使用

前提条件
  • 访问 Planning Center API。
  • Python 环境
  • MCP 客户端(例如 Claude Desktop)
  • 用于身份验证的 API 密钥。
安装
  1. 克隆此代码库:

    git clone https://github.com/your-repo/pco-mcp-integration.git  
    
  2. 安装依赖项:

    uv pip install -r requirements.txt 
    
  3. 配置环境变量:

    • PCO_SECRET_KEY:你的 Planning Center API 密钥。
    • PCO_APPLICATION_ID:MCP 服务的 URL。
  4. 测试服务:

    fastmcp dev services.py
    

使用

  1. 向 MCP 服务发送自然语言查询。
  2. 服务处理查询并与 PCO API 交互。
  3. 接收结构化响应或执行请求的操作。

添加 MCP 服务配置

{
  "mcpServers": {
    "pco-services": {
      "command": "/path/to/fastmcp",
      "args": ["run", "/path/to/services.py"],
      "env": {
        "PCO_APPLICATION_ID": "PCO_CLIENT_ID",
        "PCO_SECRET_KEY": "PCO_CLIENT_SECRET_KEY"
      }
    }
}

后续工作

计划继续开展 Planning Center 其他领域的工作。

参与贡献

欢迎贡献!如有任何建议或改进,请提交拉取请求或提出问题。

许可证

此项目采用 MIT License 许可。

资源

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。