Essential View Builder MCP

基本视图生成器MCP

sample screenshot generated by Essential View Builder MCP

此MCP（模型上下文协议）服务器提供了使用经过验证的v2.0模式构建高质量Essential Viewer视图（XSL仪表板和报告）的工具和资源。

服务器是完全自包含的——所有文档、模板和Essential Viewer源文件都捆绑在Docker映像中。不需要安装Python。

特性

• 脚手架生成：按照v2.0模式生成完整、可用的XSL视图模板。
• API指南：动态分析可用的Essential API，以建议属性名称和结构。
• 黄金模式：强制执行最佳实践（异步/等待、无CDATA、正确的与号编码）。
• 整合资源：所有必需的文档和模板都与服务器捆绑在一起。
• 基本查看器参考：从MCP中浏览并阅读完整的Essential Viewer源代码树。

工具

资源

______________________________________________________________________

快速入门（Docker——推荐）

1.塑造形象

docker build -t eas/essential-view-builder-mcp:v1 .

2.运行容器（可选--验证构建是否正常）

docker run -d --name essential-view-builder-mcp eas/essential-view-builder-mcp:v1

这 -d flag在后台运行容器。检查它是否干净地开始：

docker logs essential-view-builder-mcp

完成后停止并删除它：

docker stop essential-view-builder-mcp && docker rm essential-view-builder-mcp

注： 当用作MCP服务器时，AI客户端通过以下方式生成容器本身 docker run -i （stdio传输）。您不需要手动保持容器运行。

3.配置您的AI客户端

为您的客户选择以下部分。所有配置都使用相同的Docker命令：

docker run -i --rm --name essential-view-builder-mcp eas/essential-view-builder-mcp:v1

______________________________________________________________________

客户端设置指南

光标

添加或创建 ~/.cursor/mcp.json （适用于所有项目）：

{
  "mcpServers": {
    "essential-view-builder": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "--name", "essential-view-builder-mcp", "eas/essential-view-builder-mcp:v1"]
    }
  }
}

或者，创建 .cursor/mcp.json 在特定的项目文件夹中，将其范围限定到该工作区。

保存后重新启动Cursor。服务器将显示在 设置→ MCP.

______________________________________________________________________

Visual Studio代码（使用GitHub副本或继续）

GitHub副本（VS代码1.99+）

添加到您的VS代码 settings.json (Cmd+Shift+P → *打开用户设置JSON*):

{
  "mcp": {
    "servers": {
      "essential-view-builder": {
        "type": "stdio",
        "command": "docker",
        "args": ["run", "-i", "--rm", "--name", "essential-view-builder-mcp", "eas/essential-view-builder-mcp:v1"]
      }
    }
  }
}

或者添加一个 .vscode/mcp.json 工作区根目录下用于项目范围配置的文件：

{
  "servers": {
    "essential-view-builder": {
      "type": "stdio",
      "command": "docker",
      "args": ["run", "-i", "--rm", "--name", "essential-view-builder-mcp", "eas/essential-view-builder-mcp:v1"]
    }
  }
}

继续扩展

添加 ~/.continue/config.json 在...之下 mcpServers:

{
  "mcpServers": [
    {
      "name": "essential-view-builder",
      "command": "docker",
      "args": ["run", "-i", "--rm", "--name", "essential-view-builder-mcp", "eas/essential-view-builder-mcp:v1"]
    }
  ]
}

______________________________________________________________________

克劳德桌面

打开您的Claude Desktop配置文件：

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• 视窗: %APPDATA%\Claude\claude_desktop_config.json

添加服务器条目：

{
  "mcpServers": {
    "essential-view-builder": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "--name", "essential-view-builder-mcp", "eas/essential-view-builder-mcp:v1"]
    }
  }
}

重新启动克劳德桌面。服务器将显示为连接的集成。

______________________________________________________________________

ChatGPT（通过OpenAI桌面应用程序）

OpenAI桌面应用程序支持本地MCP服务器。打开 设置→ 互联工具→ 添加工具 并选择 *本地服务器（stdio）*.

将命令设置为 docker 以及以下论点：

run -i --rm --name essential-view-builder-mcp eas/essential-view-builder-mcp:v1

或者，如果您更喜欢配置文件方法，请添加到 ~/Library/Application Support/OpenAI/mcp.json （macOS）：

{
  "mcpServers": {
    "essential-view-builder": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "--name", "essential-view-builder-mcp", "eas/essential-view-builder-mcp:v1"]
    }
  }
}

保存后重新启动应用程序。

______________________________________________________________________

生成的输出

按照惯例，此MCP生成的视图保存到 output/ 项目根目录。通过以下方式将此文件夹排除在版本控制之外 .gitignore.

______________________________________________________________________

替代方案：Python（不含Docker）

如果你不能使用Docker，你可以直接用Python 3.11+运行服务器。

需求：Python 3.11中列出的包 requirements.txt.

# macOS with Homebrew
brew install python@3.11
/usr/local/bin/python3.11 -m pip install -r requirements.txt

# Run setup verification
bash setup.sh

然后更换 command/args 在上述任何客户端配置中，使用：

"command": "python3",
"args": ["/path/to/essential-view-builder-mcp/server.py"]

______________________________________________________________________

使用MCP

现在，您可以根据自己的要求创建自己的EA工具。我们开发了一个视图构建器MCP，它可以获取基本结构，并使用数据集API为您创建视图。

我们已经用Open AI 5.3+、Gemini 3 Flash+、Sonnet 4.5+进行了测试，它运行良好。其他模型可能表现不同。思维模式表现最好

安装：

步骤

1. 在和IDE（CODEX、Visual Studio、AntiGravity、Claude Code）中加载MCP，并将其连接到您最喜欢的AI工具

1. 描述您要创建的视图

1. 让它做它的工作

1. 将视图上传到Essential

1. 使用视图

此版本可以创建一些非常复杂的视图，并且最适合使用我们提供的预定义数据集API中的数据。

示例提示：

方法1：让AI创建视图

“为首席信息官创建一个交互式应用程序仪表板”

“为首席信息官创建一个交互式应用程序仪表板，其中包含处置和生命周期状态的饼图，以及总结所有应用程序的小卡片”

“在弹出窗口中为战略计划创建一个时间线图，其中包含受影响的元素”

方法2-提供一个可用的HTML/JS版本，并在数据中反转

您还可以使用AI创建所需视图的静态HTML/JS版本，然后将该代码提供给MCP，

“使用基本数据实现此功能”

方法3：请求JSON结构，然后创建视图。

1. “从基本数据API中为我创建一个JSON结构，让我能够看到生命周期映射到业务能力的应用程序。”

1. 一旦JSON结构看起来正常，就说“使用此JSON结构按功能视图创建应用程序，并按生命周期状态计数”

这使用当前的数据集API，如果您已将访问AI的权限授予重要的GitHub存储库，则它可能会尝试创建新的查询，以获取当前无法通过数据集API获得的任何数据。

AI应创建XSL文件，并将其放入用户文件夹中：

云/Docker：配置>系统管理>视图管理 并上传到您正在使用的查看器

开源：将文件放在用户文件夹中

只需将URL更改为.\[YOUR TENANT或Localhost URL\]/reportXML.xml，即可快速测试视图，而无需创建报告实例&XSL=用户/\[您的文件名\]

一旦您满意，在存储库中创建一个报告实例，将XSL路径设置为 用户/\[您的文件名\]， 截取屏幕截图，另存为png/jpg格式，并将其放入image文件夹中。将图像路径指向图像文件夹。

潜在问题

有时AI不使用MCP：

1. 检查它是否可以看到MCP——问“你能看到什么资源”，它应该列出资源

1. 在提示中添加“您必须使用Essential View Builder MCP”

它可能会不时出错。只需将您在浏览器中看到的错误复制到您的AI中，并要求它修复它们。

一个常见的错误是在XSL中使用未转义字符，MCP有资源避免这种情况，但AI并不总是遵守。我们倾向于将XML和JS混合到同一个文件中，您不必这样做，但它更容易管理和测试，MCP将使用这种模式。如果你在JS中有&、\<或\<=并且没有转义，那么视图将失败。只需将错误消息粘贴回AI中，它就会修复它，或者您可以手动搜索并替换为&（&）、\<（\<）或\<=。 (\<=) .

如果您请求的数据不在API或存储库中，那么AI通常会留下占位符

它可能不会返回预期的数据，因为它可能不会使用API，即使它们存在。因此，如果缺少数据，请告诉它使用特定的数据集API，例如项目和计划

它有时可能会使用实例ID而不是名称，只需告诉它“使用名称而不是ID”

任何问题都可以在论坛上提出。

云用户应该关注我们的Essential MCP的发布，因为它与我们的视图构建器MCP相结合，将这一点提升到了另一个层次，因为它将编写新的查询。

______________________________________________________________________

为基本项目而建。