Tuba Workflow MCP Server

🚀 Tuba Workflow MCP 服务器

Tuba Workflow MCP 服务器是一个模型上下文协议（MCP）服务器，作为连接 Tuba.ai 平台的桥梁。Tuba 是一款一体化的 AI 视觉工作流构建器，可简化计算机视觉任务的整个生命周期。该服务器将你的 Tuba 项目工作流作为一组可调用工具公开，允许其他应用程序（如 AI 助手、脚本或像 Claude Desktop 这样的服务）以编程方式控制和与你的 AI 视觉管道进行交互。

🚀 快速开始

🔍 前提条件

• Python 3.10 或更高版本：现代类型提示和异步功能所需。
• uv：快速的 Python 包安装程序和环境管理器。
• 拥有一个活跃项目的 Tuba.ai 账户。
• TUBA_WORKFLOW_ACCESS_TOKEN：你项目的 API 访问令牌。

📦 安装指南

1. 克隆仓库：

git clone <this_repo>
cd <this_repo>

2. 安装 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. 创建虚拟环境并安装依赖项：

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

✨ 主要特性

此 MCP 服务器提供以下工具与 Tuba Workflow API 进行交互：

🛠️ 配置

🔨 本地开发与测试

对于本地开发，服务器使用 python-dotenv 从环境文件加载你的访问令牌。

1. 在项目根目录创建一个 .env 文件：

touch .env

2. 添加你的访问令牌：

TUBA_WORKFLOW_ACCESS_TOKEN="your_secret_token_goes_here"

⚠️ 重要提示：.gitignore 文件确保此文件不会提交到版本控制。

3. 测试服务器：

uv run python tuba_workflow_mcp_server.py

4. 验证是否正常工作： 服务器应无错误启动。你可以通过连接 MCP 客户端或通过 Claude Desktop 使用工具来测试它。

🖥️ Claude Desktop 配置

要在 Claude Desktop 中使用此服务器，请将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

• 配置内容：

{
  "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>"
      }
    }
  }
}

替换占位符：

• <home_path>：你的主目录路径（例如，/Users/yourname 或 C:\Users\yourname）
• <absolute_path_to_tuba_workflow_mcp_server_folder>：此项目文件夹的完整路径
• <your_access_token>：你的 Tuba.ai 工作流访问令牌

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>"
      }
    }
  }
}

配置完成后，重启 Claude Desktop 以加载 MCP 服务器。

💻 使用示例

基础用法

在使用 Claude Desktop（或其他 MCP 客户端）进行配置后，你可以使用自然语言与你的 Tuba 工作流进行交互。AI 助手将处理所有技术细节，如查找块 ID、正确格式化 JSON、处理文件路径和监控工作流进度。 示例对话：

• "Can you check the status of my Tuba workflow?"（你能检查我的 Tuba 工作流的状态吗？）
• "Start my workflow and let me know when it's done"（启动我的工作流，完成后通知我）
• "Update the confidence threshold to 0.8 for my object detector"（将我的目标检测器的置信度阈值更新为 0.8）
• "Process this image with my workflow: /path/to/image.jpg"（使用我的工作流处理此图像：/path/to/image.jpg）
• "Upload these three images from URLs and run the workflow"（从 URL 上传这三张图像并运行工作流）
• "Show me my workflow configuration"（给我展示我的工作流配置）

🤝 贡献

我们欢迎贡献！请参阅我们的 行为准则 以了解社区指南。 贡献前：

1. 检查现有的问题和拉取请求。
2. 遵循现有的代码风格。
3. 为新功能添加测试。
4. 根据需要更新文档。 对于重大更改，请先打开一个问题讨论你想要更改的内容。

📄 许可证

本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。

🔒 安全

安全是重中之重。如果你发现漏洞，请负责任地报告。 请勿为安全漏洞公开 GitHub 问题。 请使用 GitHub 的私有漏洞报告功能：

1. 导航到 Security 选项卡。
2. 点击 Report a Vulnerability。
3. 提供有关问题的详细信息。 更多信息请参阅 SECURITY.md。

📚 资源

• Tuba.ai 平台
• 模型上下文协议（MCP）规范
• FastMCP 文档

🎈 支持

如有问题、疑问或反馈：

• Tuba.ai 支持：support@tuba.ai
• 加入 Discord 社区：https://discord.com/invite/gDSZr6N5rC
• GitHub 问题：用于报告错误和提出功能请求
• 讨论：使用 GitHub 讨论进行提问和社区互动

版权所有 © 2025 DevisionX。保留所有权利。