Cursor Streamlit MCP

MCP搜索检索

提供方 dtherrick

搜索检索 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个生产就绪的LangGraph代理应用,具有Streamlit前端、FastAPI后端、使用ChromaDB的RAG功能、MCP服务器集成(Splunk + Atlassian)以及LangSmith监控,用于Splunk数据交互和基于文档的问答。

一句话选型结论

按资料字段整理

Cursor Streamlit MCP 属于搜索检索类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类搜索检索 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

搜索检索
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

RAGPython本地部署代理应用Splunk集成文档问答LangSmith监控

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
uv run uvicorn backend.main:app --reload --host localhost --port 8000

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
联网搜索取证

让模型查最新资料并给出出处。

资料聚合

把一个主题的网页、文档集中抓回来整理。

情报与竞品检索

按关键词持续检索行业动态和竞品信息。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在搜索检索场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Cursor Streamlit MCP当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Brave Search 433812ff 2 未标注 未标注 无 2026-05-17
Sequentialthinking 1 SSE · 服务端推送 远程部署 有 2026-05-18
Baidu Netdisk 未标注 未标注 未标注 无 2026-05-17
ragflow 未标注 stdio · 本地进程 本地部署 有 2026-04-11
mindsdb (430e18) 未标注 未标注 未标注 有 2026-05-17

服务器档案

搜索检索
字段来自项目仓库与公开索引,中文说明由本站标注
提供方dtherrick上游标注的维护方 dtherrick
分类搜索检索本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

4.0 KB
来自项目仓库与上游目录的原文,未做删改

Splunk MCP支持的RAG代理平台

一个生产就绪的LangGraph代理应用程序,具有Streamlit前端、FastAPI后端、使用ChromaDB的RAG功能、MCP服务器集成(Splunk+Atlassian)以及用于Splunk数据交互和基于文档的问答的LangSmith监控。

建筑

  • 前端:用于聊天界面和文档上传的流线型UI
  • 后端:FastAPI服务器处理业务逻辑和LangGraph编排
  • 代理层:具有RAG、MCP工具调用和人在环支持的LangGraph代理

特性

  • ✅ 与OpenAI GPT-4进行通用聊天
  • ✅ 文档上传和基于RAG的检索(PDF、TXT、DOCX)
  • ✅ Splunk MCP集成用于SPL查询
  • ✅ Atlassian MCP集成
  • ✅ 敏感操作的人在回路中
  • ✅ LangSmith追踪和监测
  • ✅ 基于配置的MCP服务器加载
  • ✅ 会话线程持久性

先决条件

  • Python>=3.12
  • 紫外线 用于包管理
  • OpenAI API密钥
  • LangSmith API密钥(可选,用于监控)
  • 访问Splunk和Atlassian MCP服务器

快速开始

1.安装依赖项```bash

Install uv if you haven't already

curl -LsSf https://astral.sh/uv/install.sh | sh

Install project dependencies

uv sync
uv sync --dev # Include development dependencies


### 2.配置环境```bash
# Copy example environment file
cp .env.example .env

# Edit .env with your API keys and configuration

3.配置MCP服务器

编辑 config/mcp_servers.json 配置您的Splunk和Atlassian MCP服务器连接。

4.运行应用程序

假设您是项目根用户:```bash

Terminal 1: Start FastAPI backend

./scripts/run_backend.sh
-or-
uv run uvicorn backend.main:app --reload --host localhost --port 8000

Terminal 2: Start Streamlit frontend

./scripts/run_frontend.sh
-or-
uv run streamlit run frontend/app.py


### 5.访问应用程序

- **流线型UI**: http://localhost:8501
- **FastAPI文档**: http://localhost:8000/docs
- **健康检查**: http://localhost:8000/health

## 发展

### 装订和格式化```bash
# Run ruff linting
uvx ruff check

# Auto-fix issues
uvx ruff check --fix

# Format code
uvx ruff format

类型检查```bash

Run type checking with ty

uvx ty backend/
uvx ty frontend/


## 项目结构```
.
├── backend/
│   ├── main.py                    # FastAPI application entry point
│   ├── agent/
│   │   ├── graph.py               # LangGraph agent definition
│   │   ├── state.py               # Agent state models
│   │   └── tools.py               # MCP and RAG tools
│   ├── rag/
│   │   ├── vectorstore.py         # ChromaDB integration
│   │   └── document_processor.py # Document loading and chunking
│   ├── mcp/
│   │   ├── server_manager.py     # MCP server connection manager
│   │   └── config.py              # MCP server configuration loader
│   └── api/
│       └── routes.py              # FastAPI endpoints
├── frontend/
│   └── app.py                     # Streamlit application
├── config/
│   └── mcp_servers.json           # MCP server configurations
├── data/
│   ├── uploads/                   # User document uploads
│   ├── chroma_db/                 # ChromaDB persistence
│   └── checkpoints/               # Conversation state checkpoints
├── scripts/
│   ├── run_backend.sh             # Backend startup script
│   └── run_frontend.sh            # Frontend startup script
├── docs/
│   ├── TESTING.md                 # Testing guide and scenarios
│   ├── QUICKSTART.md              # Quick start guide
│   ├── IMPLEMENTATION_SUMMARY.md  # Technical implementation details
│   ├── MCP_INTEGRATION_NOTES.md   # MCP server integration guide
│   ├── TYPE_CHECKING_NOTES.md     # Type checking with ty
│   ├── CHANGES_SUMMARY.md         # Recent changes log
│   └── SLASH_COMMANDS.md          # Chat slash commands reference
├── pyproject.toml
├── .env.example
└── README.md

许可证

麻省理工学院

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Cursor Streamlit MCP 怎么安装?

在客户端按下面的安装命令接入:uv run uvicorn backend.main:app --reload --host localhost --port 8000。装完在客户端配置里引用同一个包或端点。

Cursor Streamlit MCP 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Cursor Streamlit MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Cursor Streamlit MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Cursor Streamlit MCP 能提供哪些能力?

资料显示能力标签包括 RAG、Python、搜索。具体工具清单以官方文档为准。

Cursor Streamlit MCP 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Cursor Streamlit MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。