Tuba Workflow MCP Server

🚀 Tuba Workflow MCP 服務器

Tuba Workflow MCP 服務器是一個模型上下文協議（MCP）服務器，作為連接 Tuba.ai 平臺的橋樑。Tuba 是一款一體化的 AI 視覺工作流構建器，可簡化計算機視覺任務的整個生命週期。該服務器將你的 Tuba 項目工作流作為一組可調用工具公開，允許其他應用程序（如 AI 助手、腳本或像 Claude Desktop 這樣的服務）以編程方式控制和與你的 AI 視覺管道進行交互。

🚀 快速開始

🔍 前提條件

• Python 3.10 或更高版本：現代類型提示和異步功能所需。
• uv：快速的 Python 包安裝程序和環境管理器。
• 擁有一個活躍項目的 Tuba.ai 賬戶。
• TUBA_WORKFLOW_ACCESS_TOKEN：你項目的 API 訪問令牌。

📦 安裝指南

1. 克隆倉庫：

git clone <this_repo>
cd <this_repo>

2. 安裝 uv：
   • macOS/Linux：

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

- **Windows**：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

3. 創建虛擬環境並安裝依賴項：

uv venv
uv pip install -r requirements-lock.txt

✨ 主要特性

此 MCP 服務器提供以下工具與 Tuba Workflow API 進行交互：

🛠️ 配置

🔨 本地開發與測試

對於本地開發，服務器使用 python-dotenv 從環境文件加載你的訪問令牌。

1. 在項目根目錄創建一個 .env 文件：

touch .env

2. 添加你的訪問令牌：

TUBA_WORKFLOW_ACCESS_TOKEN="your_secret_token_goes_here"

⚠️ 重要提示：.gitignore 文件確保此文件不會提交到版本控制。

3. 測試服務器：

uv run python tuba_workflow_mcp_server.py

4. 驗證是否正常工作： 服務器應無錯誤啟動。你可以通過連接 MCP 客戶端或通過 Claude Desktop 使用工具來測試它。

🖥️ Claude Desktop 配置

要在 Claude Desktop 中使用此服務器，請將以下配置添加到你的 claude_desktop_config.json 文件中：

• macOS/Linux 位置：

~/Library/Application Support/Claude/claude_desktop_config.json

• Windows 位置：

%APPDATA%\Claude\claude_desktop_config.json

• 配置內容：

{
  "mcpServers": {
    "TubaWorkflow": {
      "command": "<home_path>/.local/bin/uv",
      "args": [
        "run",
        "--directory",
        "<absolute_path_to_tuba_workflow_mcp_server_folder>",
        "python",
        "tuba_workflow_mcp_server.py"
      ],
      "env": {
        "TUBA_WORKFLOW_ACCESS_TOKEN": "<your_access_token>"
      }
    }
  }
}

替換佔位符：

• <home_path>：你的主目錄路徑（例如，/Users/yourname 或 C:\Users\yourname）
• <absolute_path_to_tuba_workflow_mcp_server_folder>：此項目文件夾的完整路徑
• <your_access_token>：你的 Tuba.ai 工作流訪問令牌

示例（macOS）：

{
  "mcpServers": {
    "TubaWorkflow": {
      "command": "/Users/john/.local/bin/uv",
      "args": [
        "run",
        "--directory",
        "/Users/john/projects/tuba-workflow-mcp-server",
        "python",
        "tuba_workflow_mcp_server.py"
      ],
      "env": {
        "TUBA_WORKFLOW_ACCESS_TOKEN": "<your_access_token>"
      }
    }
  }
}

配置完成後，重啟 Claude Desktop 以加載 MCP 服務器。

💻 使用示例

基礎用法

在使用 Claude Desktop（或其他 MCP 客戶端）進行配置後，你可以使用自然語言與你的 Tuba 工作流進行交互。AI 助手將處理所有技術細節，如查找塊 ID、正確格式化 JSON、處理文件路徑和監控工作流進度。 示例對話：

• "Can you check the status of my Tuba workflow?"（你能檢查我的 Tuba 工作流的狀態嗎？）
• "Start my workflow and let me know when it's done"（啟動我的工作流，完成後通知我）
• "Update the confidence threshold to 0.8 for my object detector"（將我的目標檢測器的置信度閾值更新為 0.8）
• "Process this image with my workflow: /path/to/image.jpg"（使用我的工作流處理此圖像：/path/to/image.jpg）
• "Upload these three images from URLs and run the workflow"（從 URL 上傳這三張圖像並運行工作流）
• "Show me my workflow configuration"（給我展示我的工作流配置）

🤝 貢獻

我們歡迎貢獻！請參閱我們的 行為準則 以瞭解社區指南。 貢獻前：

1. 檢查現有的問題和拉取請求。
2. 遵循現有的代碼風格。
3. 為新功能添加測試。
4. 根據需要更新文檔。 對於重大更改，請先打開一個問題討論你想要更改的內容。

📄 許可證

本項目採用 MIT 許可證 - 詳情請參閱 LICENSE 文件。

🔒 安全

安全是重中之重。如果你發現漏洞，請負責任地報告。 請勿為安全漏洞公開 GitHub 問題。 請使用 GitHub 的私有漏洞報告功能：

1. 導航到 Security 選項卡。
2. 點擊 Report a Vulnerability。
3. 提供有關問題的詳細信息。 更多信息請參閱 SECURITY.md。

📚 資源

• Tuba.ai 平臺
• 模型上下文協議（MCP）規範
• FastMCP 文檔

🎈 支持

如有問題、疑問或反饋：

• Tuba.ai 支持：support@tuba.ai
• 加入 Discord 社區：https://discord.com/invite/gDSZr6N5rC
• GitHub 問題：用於報告錯誤和提出功能請求
• 討論：使用 GitHub 討論進行提問和社區互動

版權所有 © 2025 DevisionX。保留所有權利。