mcpField
A
agentrank-mcp

agentrank-mcp

本地服务
github.com/saviodamato商业与营销016 周前更新

关于 agentrank-mcp

agentrank-mcp 是供 Agent 搜索和查询企业的 MCP 服务,覆盖巴西、美国和欧洲。结果附有来源 URL、出处信息以及匹配度和可信度评分,便于依据证据使用。

主要功能

  1. 01自然语言企业搜索
  2. 02带匹配度和可信度评分的结果
  3. 03事实对应的来源 URL
  4. 04包含联系人和业务详情的档案
  5. 05档案信息的出处记录

适用场景

  1. 01按城市和类别查找本地企业
  2. 02查询公司及其联系人
  3. 03采取行动前核验企业数据的依据

MCP 相关

MCP 服务向 MCP 客户端提供 `search_businesses` 和 `get_business_profile`。搜索结果按相关性排序并附来源链接;档案包含企业详情及其出处信息。

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": {
"saviodamato-agentrank": {
"command": "uvx",
"args": [
"agentrank-mcp"
],
"env": {
"AGENTRANK_API_KEY": "<AGENTRANK_API_KEY>",
"AGENTRANK_BASE_URL": "<AGENTRANK_BASE_URL>"
}
}
}
}
启动命令uvx agentrank-mcp
需要配置的环境变量
AGENTRANK_API_KEY密钥Your AgentRank agent API key (register at https://agentsafepath.com/registrar.html).
AGENTRANK_BASE_URLAPI base URL (optional).

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
pypiagentrank-mcp0.1.3

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

AgentRank MCP 服务

供 AI Agent 搜索有真实来源支持的企业的 MCP 服务。 每条结果 都附有来源 URL 和可信度评分,让你的 Agent 基于事实采取行动,而不是使用虚构的 电话号码或地址。覆盖范围:巴西、美国、欧洲(约 270 万家企业,持续增长)。

适用于任何 MCP 客户端(Claude Desktop、Cursor 等)。 公开测试版 · 免费密钥,无需邀请 · 网站:https://agentsafepath.com · 官方 MCP 注册表:io.github.saviodamato/agentrank-mcp。

使用场景

  • 搜索企业/查询公司信息,数据有来源支持。
  • 为 Agent 搜索本地企业(城市 + 类别 + 联系方式)。
  • 公司档案:联系人、地址、网站、来源信息。
  • 使用有来源支持的公司数据,而非幻觉生成的详情。

工具

  • search_businesses(intent, limit=10) — 通过自然语言意图查找企业 (例如 "farmácia em Copacabana com telefone"、"software company in California")。 返回按排名排序的结果,其中包含 fit_score、trust_score、说明、风险,以及每条事实的 来源 URL。
  • get_business_profile(company_id) — 返回某项结果的完整档案:位置、联系 渠道、营业时间、优惠、政策和证据,每项都附有来源信息和来源。

1. 获取 API 密钥

在 https://agentsafepath.com/registrar.html 注册你的 Agent(免费,无需邀请)——你只会收到一次密钥。密钥用于标识 你的 Agent,并以 Authorization: Bearer <key> 的形式发送。

2. 将其添加到 MCP 客户端

Claude Desktop

编辑 claude_desktop_config.json(Settings → Developer → Edit Config)并添加:

{
  "mcpServers": {
    "agentrank": {
      "command": "uvx",
      "args": ["agentrank-mcp"],
      "env": { "AGENTRANK_API_KEY": "ak_your_key_here" }
    }
  }
}

重启 Claude Desktop。你将看到 search_businesses 和 get_business_profile 可供使用。(uvx 随 uv 一起提供;或者使用下方的“从源代码运行” 选项。)

Cursor

在 Cursor MCP 设置中的 mcpServers 下添加相同的配置块。

从源代码运行(无需打包)
pip install -r requirements.txt
AGENTRANK_API_KEY=ak_your_key_here python -m agentrank_mcp.server

并将客户端的 command 指向 python,将 args 设为 ["-m", "agentrank_mcp.server"],同时将该文件夹添加到 PYTHONPATH。

环境变量

变量必填默认值
AGENTRANK_API_KEY是—
AGENTRANK_BASE_URL否https://api.agentrank.intelligenceofcode.com

密钥绝不会被记录到日志中。

测试版与限制

公开测试版。免费套餐:每个 Agent 每天约 100 次查询,每月 1500 次(超出限制时返回 HTTP 429,并附带 Retry-After)。每个 Agent 一个密钥;密钥只会在注册时显示一次。

Agent 应如何使用数据

每条结果都包含 sources(来源 URL)。采取行动前请核实来源信息—— 不带来源的数据不应使用。trust_score(0–100)反映实体信息的可信程度;fit_score 反映与意图的匹配程度。


mcp-name: io.github.saviodamato/agentrank-mcp

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。