Pagenodes MCP

页面节点mcp

允许AI助手构建和部署PageNode流的服务器。

支持两个接口：

• MCP（模型上下文协议） -适用于克劳德代码、克劳德桌面、Codex、游标、VS代码等。
• HTTP REST API -适用于Moltbot/Clawdbot技能、webhooks或任何HTTP客户端

安装

npm install -g pagenodes-mcp

或者直接运行：

npx pagenodes-mcp

快速开始

1. 启动MCP服务器： npx pagenodes-mcp
2. 在浏览器中打开PageNode
3. 在PageNodes中启用MCP：汉堡包菜单（☰）→设置→ 启用“MCP服务器连接”
4. 配置您的AI工具（见下文）

AI工具配置

克劳德代码（CLI）

Claude Code通过HTTP+SSE连接（建议用于网络连接）。

选项1:CLI命令

claude mcp add --transport sse pagenodes http://localhost:7778/sse

要使其在所有项目中可用，请添加 --scope user:

claude mcp add --transport sse --scope user pagenodes http://localhost:7778/sse

选项2：直接编辑配置

添加到您的设置文件(~/.claude.json 对于用户范围，或 .mcp.json 在项目范围的项目根目录中）：

{
  "mcpServers": {
    "pagenodes": {
      "type": "sse",
      "url": "http://localhost:7778/sse"
    }
  }
}

通过以下方式进行验证： claude mcp list

克劳德桌面版

Claude Desktop使用stdio将MCP服务器作为子进程生成。

打开设置→ 开发者→ 编辑配置（或编辑 ~/.config/claude/claude_desktop_config.json 在Linux上， ~/Library/Application Support/Claude/claude_desktop_config.json 在macOS上）：

{
  "mcpServers": {
    "pagenodes": {
      "command": "npx",
      "args": ["pagenodes-mcp", "--stdio"]
    }
  }
}

保存后重新启动Claude Desktop。

OpenAI Codex命令行界面

Codex将MCP配置存储在 ~/.codex/config.toml.

对于HTTP/SSE （直接编辑配置）：

添加到 ~/.codex/config.toml:

[mcp_servers.pagenodes]
url = "http://localhost:7778/sse"

对于stdio （CLI命令）：

codex mcp add pagenodes -- npx pagenodes-mcp --stdio

或者直接编辑配置：

[mcp_servers.pagenodes]
command = "npx"
args = ["pagenodes-mcp", "--stdio"]

VS代码+GitHub副本

VS代码使用 .vscode/mcp.json 在您的项目（或工作区设置）中。

创建 .vscode/mcp.json:

{
  "servers": {
    "pagenodes": {
      "type": "http",
      "url": "http://localhost:7778/sse"
    }
  }
}

或者对于stdio：

{
  "servers": {
    "pagenodes": {
      "command": "npx",
      "args": ["pagenodes-mcp", "--stdio"]
    }
  }
}

打开Copilot聊天→ 单击工具图标查看可用的MCP服务器。

光标

游标支持全局(~/.cursor/mcp.json)或项目级别(.cursor/mcp.json)配置。

创建或编辑配置文件：

{
  "mcpServers": {
    "pagenodes": {
      "url": "http://localhost:7778/sse"
    }
  }
}

或者对于stdio：

{
  "mcpServers": {
    "pagenodes": {
      "command": "npx",
      "args": ["pagenodes-mcp", "--stdio"]
    }
  }
}

您还可以使用命令面板→ 通过UI配置“MCP:添加服务器”。

服务器选项

-p, --port   HTTP/WebSocket port (default: 7778, env: PAGENODES_MCP_PORT)
--stdio              Enable stdio MCP transport

运输方式

这两种模式都可以同时运行——服务器在HTTP上监听，同时在以下情况下接受stdio --stdio 已通过。

连接流程

PageNodes (browser) ──WebSocket──► MCP Server ◄──HTTP/stdio──► Claude

1. 启动MCP服务器
2. 在浏览器中打开PageNode
3. 在PageNodes设置（汉堡包菜单）中启用MCP连接→ 设置）
4. Claude现在可以创建和部署流

端点

REST API（用于Moltbot/HTTP客户端）

每个MCP工具也可以作为REST端点使用：

# List connected devices
curl -X POST http://localhost:7778/func/list_devices

# Get flows from a device
curl -X POST http://localhost:7778/func/get_flows \
  -H "Content-Type: application/json" \
  -d '{"deviceId": "device-abc123"}'

# Deploy
curl -X POST http://localhost:7778/func/deploy \
  -H "Content-Type: application/json" \
  -d '{"deviceId": "device-abc123"}'

Moltbot/Clawdbot集成

为Moltbot生成SKILL.md文件：

curl http://localhost:7778/generate_skill_definition > ~/.clawdbot/skills/pagenodes/SKILL.md

这创建了一个技能定义，其中记录了所有可用的功能。然后，Moltbot可以通过REST API控制PageNodes。

工具

一旦连接，AI助手就可以访问这些工具（也可通过 /func/{tool} REST端点）：

自定义工具（AI定义的工具）

PageNodes允许AI代理创建自己的工具。使用 tool-in 和 tool-out 节点，您可以定义由PageNodes流支持的自定义工具。这意味着AI可以在运行时扩展自己的能力。

运作原理

1. 在节点中创建工具 具有名称（例如。， get_weather)和描述
2. 将其连接到您的流中 -http请求、函数、硬件访问等
3. 以工具输出节点结束 返回 msg.payload 结果
4. 部署 -该工具持续存在，并可通过以下方式调用 use_custom_tool

示例

[tool-in: search_web]
    ↓
[http request: search API]
    ↓
[function: format results]
    ↓
[tool-out]

现在任何AI都可以调用：

use_custom_tool({
  deviceId: "device-abc123",
  name: "search_web",
  message: { payload: "PageNodes tutorial" }
})

该流执行并返回以下结果 tool-out.

发现

带有完整描述的自定义工具显示在 get_device_details:

{
  "nodeCatalog": [...],
  "customTools": [
    { "name": "search_web", "description": "Searches the web and returns top 5 results" },
    { "name": "get_weather", "description": "Gets current weather for a city" }
  ]
}

这 list_devices 响应包括工具名称以供快速参考。使用 get_custom_tools 或 get_device_details 了解包括描述在内的全部详细信息。

AI到AI协作

自定义工具在流程中持续存在。一个人工智能可以创建复杂的工具-多步骤逻辑、错误处理、API集成-并用清晰的描述来展示它们。另一个AI稍后连接，看到可用的工具，并在不知道实现的情况下使用它们。

更强大的模型可以构建更简单的模型可以使用的工具。这些工具成为随着时间的推移而积累的基础设施。

许可证

ISC