Flow Doc To MCP

MCP数据服务

提供方 Carolmpaz

数据服务 未标注 无需鉴权 社区 / 第三方

一个完整的系统,用于自动提取API端点并生成MCP服务器,提供直观的Web界面、后台处理和实时状态跟踪。

一句话选型结论

按资料字段整理

Flow Doc To MCP 属于数据服务类 MCP 服务器,传输方式未标注,无需鉴权,没有现成安装命令,需按官方文档接入。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。

分类数据服务 传输方式未标注 鉴权无需鉴权 部署方式未标注
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

数据服务
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

API提取Python本地部署MCP生成自动化工具后台处理PostgreSQL

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  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
数据库查询

用自然语言查库、取数,不用手写 SQL。

数据同步与清洗

把多来源数据拉到一处做整理。

报表取数

按口径快速拉出统计结果。

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

  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 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

  • 需要在数据服务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

  • 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
Flow Doc To MCP当前 未标注 未标注 未标注 无 2026-05-17
Memory 9d25f64e 9 未标注 未标注 无 2026-05-17
Getzep MCP 9 stdio · 本地进程 本地部署 有 2026-05-17
anything-llm 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Prisma MCP Server 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Astr Bot 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

数据服务
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Carolmpaz上游标注的维护方 Carolmpaz
分类数据服务本站按上游分类展示
连接方式未标注上游未给出传输方式
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 · 未标注本地安装时用到的包标识与运行时
部署类型未标注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

2.9 KB
来自项目仓库与上游目录的原文,未做删改

Flow - API Extractor & MCP Generator

Sistema completo para extrair endpoints de APIs e gerar servidores MCP automaticamente.

Funcionalidades

  • Interface web intuitiva para configurar extrações
  • Armazenamento de requisições no banco de dados PostgreSQL
  • Processamento automático em background (worker)
  • Acompanhamento de status em tempo real
  • Histórico de todas as extrações

Pré-requisitos

  • Python 3.8+
  • PostgreSQL (Supabase)
  • Chave da API Perplexity (opcional, configurada no backend)

Instalação

  1. Clone o repositório ou navegue até a pasta do projeto

  2. Instale as dependências:```bash
    pip install -r requirements.txt


3. Configure a variável de ambiente do banco de dados:

4. (Opcional) Configure a chave da API Perplexity no backend:```bash
export PERPLEXITY_API_KEY='pplx-...'

Uso

  1. Inicie o servidor:```bash
    python app.py

2. Acesse a interface web:```
http://localhost:5000
  1. Preencha os campos:
    - URL da Documentação da API: URL base da documentação (ex: https://docs.github.com/en/rest)
    - Nome da Ferramenta MCP: Nome para identificar a ferramenta (ex: GitHub, MyAPI)
    - URL Base da API: URL base da API (ex: https://api.github.com)

  2. Clique em "Gerar MCP Server"

  3. Acompanhe o status em tempo real na interface

Estrutura do Banco de Dados

A tabela api_extractions armazena:
- id: ID único da extração
- start_url: URL da documentação
- tool_name: Nome da ferramenta
- api_base_url: URL base da API
- status: Status (pending, processing, completed, failed)
- output_path: Caminho do servidor MCP gerado
- error_message: Mensagem de erro (se houver)
- endpoint_count: Número de endpoints encontrados
- created_at: Data de criação
- updated_at: Data de atualização
- processed_at: Data de processamento

Como Funciona

  1. Frontend: Usuário preenche o formulário e envia
  2. API: Cria um registro no banco de dados com status "pending"
  3. Worker: Verifica periodicamente por novas extrações pendentes
  4. Processamento: Para cada extração pendente, executa o main.py
  5. Atualização: Atualiza o status no banco de dados
  6. Frontend: Faz polling para mostrar o status atualizado

Endpoints da API

  • POST /api/extract: Cria uma nova extração
  • GET /api/extraction/: Obtém status de uma extração
  • GET /api/extractions: Lista todas as extrações (com limite)

Arquivos Principais

  • app.py: Servidor Flask e rotas da API
  • database.py: Funções de acesso ao banco de dados
  • worker.py: Worker que processa extrações em background
  • main.py: Lógica principal de extração e geração de MCP
  • templates/index.html: Interface web

Configuração do Worker

O worker verifica novas extrações a cada 5 segundos (configurável em worker.py).

Para processar múltiplas extrações simultaneamente, cada uma roda em uma thread separada.

常见问题

5 问
答案由本站依据条目字段整理,不引用上游原文
Flow Doc To MCP 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Flow Doc To 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。

Flow Doc To 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。

Flow Doc To 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。

Flow Doc To MCP 能提供哪些能力?

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

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。