MCP Server Feedly

Feedly API的MCP服务器

此存储库包含最小 打字sdk 将所选Feedly API端点公开为MCP工具的服务器。服务器提供以下工具：

• feedly.search
• feedly.collect
• feedly.entity_lookup
• feedly.autocomplete

这些工具使MCP感知语言模型能够从Feedly搜索和检索文章或NLP实体信息。

完成Feedly工作流程

这些工具在典型的发现循环中协同工作：

1. 实体发现 –使用 feedly.autocomplete 查找相关主题或公司的ID。
2. 内容搜索 –呼叫 feedly.search 使用这些ID来定位文章并发现流ID。
3. 流收集 –将流ID传递给 feedly.collect 从提要或板中检索完整文章。
4. 实体详细信息 –使用以下命令获取有关任何实体的其他信息 feedly.entity_lookup.

关键概念

• 实体 –Feedly ID标识的主题、公司、人员或技术。
• 流 –RSS提要、用户类别或发布桶。
• 显著性 –选择 mention 或 about 控制实体在结果中的突出程度。
• 来源 –要搜索的流（默认为所有主题）。

常见的实体ID模式包括 nlp/f/topic/xxxx 主题和 feed/http://... 用于RSS提要。

故障排除

• 确保 FEEDLY_TOKEN 导出，以便服务器可以调用Feedly API。
• 使用 feedly.autocomplete 首先确认实体ID。
• 某些流可能不支持直接收集；通过以下方式发现流ID feedly.search.
• 使用分页标记和 count 参数保持在Feedly速率限制范围内。

示例工作流

评论在 server.ts 包含完整的示例，如跟踪医疗保健中的人工智能、运行公司研究和分析技术趋势。

设置

1. 使用npm安装依赖项：

npm install

1. 导出Feedly身份验证令牌，以便服务器可以调用Feedly API：

export FEEDLY_TOKEN=YOUR_TOKEN_HERE

运行服务器

运行服务器 标准 因此没有要配置的网络端口。只需从以下内容开始：

npx ts-node server.ts

该进程保持活动状态，并通过其标准输入和输出流与客户端通信。

与Claude Desktop一起使用

要将Claude Desktop直接连接到此服务器，请打开 文件>设置>开发人员>编辑配置 和 创建或更新 claude_desktop_config.json 条目如下：

{
  "mcpServers": {
    "feedly": {
      "command": "npx",
      "args": [
        "ts-node",
        "/path/to/mcp_server_feedly/server.ts"
      ],
      "env": {
        "FEEDLY_TOKEN": "YOUR_TOKEN_HERE"
      }
    }
  }
}

Claude Desktop通过stdio与服务器通信，因此无需配置URL。 command 和 args 告诉应用程序如何启动它。将路径替换为的位置 server.ts 在您的系统和设置上 FEEDLY_TOKEN 您的Feedly代币。

您可以复制 claude_desktop_config.example.json 从这个存储库开始。

运行测试

安装Python依赖项并运行测试套件：

pip install -r requirements.txt
FEEDLY_TOKEN=xxxx pytest -q