Token导航 LogoToken导航

MCP Server · 运维云端

Calhacks 2025

一款智能的物料清单(BOM)处理应用,自动从上传的文件中提取零件信息并查找经济实惠的卖家推荐。

stdio官方级别未说明来源级核验工具 4
多格式支持TypeScript云端部署

快速开始

作者 / 组织
jeffreyAaron
提供方
jeffreyAaron
运行时
Python

工具数量

4

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

1 个

MCP World

选型结论

Calhacks 2025 属于运维云端类 MCP Server,公开资料标注 4 个工具,通过stdio 本地进程接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前先确认权限范围。

分类

运维云端

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

python start.py

客户端配置示例

{
  "mcpServers": {
    "calhacks-2025": {
      "command": "python",
      "args": [
        "start.py"
      ]
    }
  }
}

按公开安装命令拼出来的示例,字段名和参数以仓库 README 为准;带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

  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

    复制下面的安装命令执行;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

    连接成功后客户端会列出 4 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

BOM到订单

一个智能的物料清单(BOM)处理应用程序,可以从上传的文件中自动提取零件信息,并找到价格合理的卖家建议。

特性

  • 📄 多格式支持:上传CSV、Excel或文本文件
  • 🤖 AI驱动的解析:使用Olama LLM智能提取零件名称和数量
  • 🔍 智能卖家查询:利用Google Gemini为每个零件找到价格合理的卖家
  • 💻 现代用户界面:干净、响应迅速的React界面,具有实时预览功能
  • 🚀 完整的管道:从上传到卖家推荐的无缝集成

快速开始

1.安装必备组件(如果尚未安装)

-奥拉玛:https://ollama.ai

-拉模型:美洲驼拉3.2:1b

-使用Gemini API密钥创建API_Key.txt

选项1:自动启动(推荐)

# Using bash script
./start.sh

# Or using Python script
python start.py

选项2:手动设置

看 设置.md 详细说明。

快速摘要:

  1. 后端设置:
cd backend
pip install -r requirements.txt
python app.py
  1. 前端设置:
cd "BOM to Order/frontend"
pnpm install
pnpm dev
  1. 访问:

- 前端:http://localhost:5173 - 后端:http://localhost:5000

先决条件

  • Python 3.8+
  • Node.js 18+
  • 奥拉玛(与 llama3.2:1b 型号)
  • Google Gemini API密钥(in API_Key.txt)

建筑

┌─────────────────────────────────────┐
│   React Frontend (Vite + TypeScript)│
│   - File upload & preview           │
│   - Results display                 │
└──────────────┬──────────────────────┘
               │ HTTP API
┌──────────────▼──────────────────────┐
│   Flask Backend (Python)            │
│   - API endpoints                   │
│   - File processing                 │
└──────────────┬──────────────────────┘
               │
    ┌──────────┴──────────┐
    ▼                     ▼
┌─────────────┐   ┌──────────────┐
│ csv_parser  │   │ gemini_seller│
│  (Ollama)   │   │  (Gemini AI) │
└─────────────┘   └──────────────┘

项目结构

calhacks-2025/
├── backend/                 # Flask API server
│   ├── app.py              # Main API server
│   ├── csv_parser.py       # BOM parsing with Ollama
│   ├── gemini_seller.py    # Seller lookup with Gemini
│   └── requirements.txt    # Python dependencies
├── BOM to Order/
│   └── frontend/           # React frontend
│       ├── src/
│       │   ├── components/ # UI components
│       │   ├── lib/        # API client
│       │   └── pages/      # Page components
│       └── package.json
├── csv_parser.ipynb        # Original parsing notebook
├── gemini_seller_info.ipynb # Original seller lookup notebook
├── start.sh                # Bash startup script
├── start.py                # Python startup script
├── SETUP.md               # Detailed setup guide
└── README.md              # This file

用法

  1. 上传BOM文件:拖放或单击以上传BOM文件(CSV、XLSX或TXT)
  2. 预览:以表格形式查看上传的数据
  3. 过程:点击“查找卖家”运行AI管道
  4. 结果:通过直接链接查看卖家推荐

API文档

看 后端/README.md 获取完整的API文档。

关键终点

  • POST /api/process-bom -完整的管道(解析+卖家查找)
  • POST /api/parse-bom -仅解析物料清单
  • POST /api/get-sellers -为解析后的商品找到卖家
  • GET /health -健康检查

发展

后端开发

cd backend
python app.py  # Runs on http://localhost:5000

前端开发

cd "BOM to Order/frontend"
pnpm dev  # Runs on http://localhost:5173

故障排除

看 设置.md 常见问题和解决方案。

技术

前端:

  • 反应18
  • TypeScript
  • 维特
  • 顺风CSS
  • shadcn/ui组件
  • React查询

后端:

  • 烧瓶
  • 熊猫
  • Ollama(通话3.2:1b)
  • 谷歌生成人工智能(Gemini)

许可证

麻省理工学院

贡献者

为CalHacks 2025创建

工具与能力

工具数量

4

资源数量

0

提示词数量

0

能力标签

物料清单处理TypeScript本地部署AI解析卖家推荐多格式支持现代UI

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标,定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量,找出闲置和超额的部分。

选择建议

值得选的地方

  • 只提供 4 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在运维云端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

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Calhacks 2025

MCP World · 本页

4stdio有1 个2026-05-17
Ui Tars Desktop 8a825770

MCP World

0stdio有1 个2026-05-17
Elie222 MCP

MCP World

0未说明未标注1 个2026-05-17
Arizeai Phoenix MCP

MCP World

0stdio有3 个2026-05-17
Unity MCP 87ee506e

MCP World

42HTTP有2 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Calhacks 2025 怎么安装?

公开资料给出的安装命令是 python start.py,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Calhacks 2025 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Calhacks 2025 收费吗?

本站只整理公开资料,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。

Calhacks 2025 需要 API Key 吗?

公开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。

Calhacks 2025 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP