金大哥 - tuba-workflow-mcp-server MCP 详情

article

README

🚀 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

克隆仓库：

git clone <this_repo>
cd <this_repo>

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"

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： | 工具 | 描述 | | ---- | ---- | | run() | 执行你项目的工作流 | | status() | 获取当前工作流执行状态 | | result() | 获取工作流结果（如果是文件输出，则下载为 result.zip） | | get_workflow_blocks() | 获取所有工作流块的当前配置 | | update_workflow_blocks_data() | 更新工作流块的参数并上传文件 |

🛠️ 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。

在项目根目录创建一个 .env 文件：

touch .env

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。

测试服务器：

uv run python tuba_workflow_mcp_server.py

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：

检查现有的问题和拉取请求。
遵循现有的代码风格。
为新功能添加测试。
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：

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

📚 资源

🎈 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

tuba-workflow-mcp-server