mcpField
L
linkfox-ehunt-temu-category-search

linkfox-ehunt-temu-category-search

github.com/linkfox-ai数据与数据库11390 次安装2 周前更新
代码仓库

关于 linkfox-ehunt-temu-category-search

面向 LinkFox「第三方数据服务」MCP 的 Temu 类目本地库检索技能，按关键词匹配类目中文名、英文名或 ID，并支持分页。检索前需先同步完整类目数据。

主要功能

  1. 01按名称或类目 ID 子串匹配
  2. 02支持分页检索
  3. 03返回可供后续查询使用的类目标识
  4. 04依赖本地已同步类目数据

适用场景

  1. 01查找 Temu 类目及其标识
  2. 02为商品或店铺查询准备类目参数

MCP 相关

通过 LinkFox「第三方数据服务」MCP 调用 `ehunt/temu/temuCategorySearch` 路由。检索本地库中由类目同步工具写入的数据。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/linkfox-ai/linkfox-skills --skill linkfox-ehunt-temu-category-search

安装后在 Claude Code 中输入/linkfox-ehunt-temu-category-search确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
api.md
scripts/
ehunt_temu_category_search.py
response_io.py

详细介绍

EHunt Temu 类目检索（ehunt/temu/temuCategorySearch）

在具备 LinkFox「第三方数据服务」MCP 时，对应网关路由 ehunt/temu/temuCategorySearch 调用（MCP 展示名：Temu 品类查询，确切工具名以当前环境下发的工具元数据为准）。数据来自 本地库检索。

前置条件

库内须已有 ehunt/temu/syncTemuCategory（MCP 展示名：Temu 品类同步）写入的全量类目。若无数据或结果为空，应先完成同步再检索。

要点

  • 必填：keyword（子串匹配类目中文名、英文名、类目 id）。
  • 分页：page 从 1 起；pageSize 默认 50、最大 200。
  • 返回的 id / categoryId 可作为 Temu 商品查询的 categoryHome/categoryBackend、店铺查询的 category 等入参的类目标识（与具体工具 schema 一致即可）。

脚本（可选）

命令行调试：python scripts/ehunt_temu_category_search.py '<JSON>'（需 LINKFOXAGENT_API_KEY）。详见 references/api.md 末尾。

参考

入参/出参表见 references/api.md。

处理大型响应

为避免撑满 Agent 上下文，请将响应持久化到磁盘，并仅提取所需字段：

python scripts/response_io.py run --script scripts/ehunt_temu_category_search.py --out-dir <DIR> '<params>'
python scripts/response_io.py read <file> --fields "<paths>"   # or --path "<JMESPath>"

请将 --out-dir 指定到任何 Git 工作树之外的位置（例如 Unix 上的 /tmp/...，Windows 上的 %TEMP%/...）。持久化的响应可能包含个人身份信息、定价或敏感认证数据——请勿提交。文件不会自动删除；任务完成后请清理。

run 会将完整响应写入文件，并仅输出 schema 预览和文件路径。read 可提取指定字段，使用 --limit/--offset 切片，并通过 --format json|jsonl|csv|table 指定输出格式。

何时优先采用此模式——请根据响应特征自行判断，例如：

  • 每条记录字段较多，或包含不需要的字段
  • 批量/分页结果（一次调用返回多条记录）
  • 长文本字段（描述、评论、HTML、时间序列）
  • 输出会在后续步骤中重复使用，而非立即消费

对于较小且只使用一次的响应，直接调用主脚本即可。

⚠️ 预览是截断的 schema 和样例，并非完整数据。任何字段级决策都必须通过 read 从持久化文件中读取。

评论

支持 Markdown