Tuba工作流MCP服务器

Name: Tuba工作流MCP服务器
Author: DevisionX

作者：DevisionX2 星标更新：2025-11-06

安装使用来源：spider==github.com

项目介绍

Tuba Workflow MCP Server

该项目是一个模型上下文协议（MCP）服务器，作为与Tuba.ai平台之间的桥梁。

Tuba 是一个一体化的AI视觉工作流构建器，简化了计算机视觉任务的整个生命周期。此服务器将您的Tuba项目的工作流暴露为一组可调用的工具，允许其他应用程序（如AI助手、脚本或服务如Claude Desktop）通过编程方式控制和交互您的AI视觉管道。

特性

此MCP服务器提供了以下工具来与Tuba工作流API进行交互：

工具	描述
run()	执行您的项目的流程
status()	获取当前流程执行状态
result()	获取流程结果（如果输出是文件，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()	更新参数并上传文件到工作流块

快速开始

先决条件

Python 3.10 或更高版本 - 需要现代类型提示和异步功能
uv - 快速的Python包安装器和环境管理器
具有活动项目的Tuba.ai账户
TUBA_WORKFLOW_ACCESS_TOKEN - 您项目的API访问令牌

安装

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

配置

本地开发与测试

对于本地开发，服务器从环境文件中加载您的访问令牌，使用python-dotenv。

在项目根目录下创建一个.env文件：
```
touch .env
```
添加您的访问令牌：
```
TUBA_WORKFLOW_ACCESS_TOKEN="your_secret_token_goes_here"
```
注意： .gitignore文件确保此文件永远不会提交到版本控制系统。

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。您可以通过连接MCP客户端或通过Claude Desktop使用这些工具来测试它。

Claude Desktop 配置

要将此服务器与Claude Desktop一起使用，请在您的claude_desktop_config.json文件中添加以下配置：

macOS/Linux位置：

~/Library/Application Support/Claude/claude_desktop_config.json

Windows位置：

%APPDATA%\Claude\claude_desktop_config.json

配置：

{
  "mcpServers": {
    "TubaWorkflow": {
      "command": "<home_path>/.local/bin/uv",
      "args": [
        "run",
        "--directory",
        "<absolute_path_to_tuba_workflow_m_服务器文件夹>",
        "python",
        "tuba_workflow_mcp_server.py"
      ],
      "env": {
        "TUBA_WORKFLOW_ACCESS_TOKEN": "<your_access_token>"
      }
    }
  }
}

替换占位符：

<home_path> - 您的主目录路径（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> - 您的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。

可用工具

run()

执行您的已认证项目的流程。

status()

获取当前流程执行的状态。

result()

获取流程执行的结果。如果结果是文件（例如，处理过的图像、视频），则会自动保存为result.zip在您的当前工作目录中。

get_workflow_blocks()

获取您项目中所有工作流块的当前配置。使用此功能可以发现可用的块ID及其当前参数值。

update_workflow_blocks_data()

更新参数并上传文件到工作流块。支持三种文件上传方法：

本地文件 - 从系统中的文件路径上传
远程URL - 从网络URL抓取并上传文件
Base64数据 - 上传编码为base64字符串的文件

文件字段命名约定： 文件字段名称应遵循此格式：<block_id>_<param_name>

使用示例

一旦配置了Claude Desktop（或其他MCP客户端），您可以使用自然语言与您的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、处理文件路径以及监控工作流进度。

示例对话：

“你能检查一下我的Tuba工作流状态吗？”
“启动我的工作流，并告诉我何时完成”
“将我的对象检测器的置信度阈值更新为0.8”
“用我的工作流处理这张图片：/path/to/image.jpg”
“从这些三个URL上传图片并运行工作流”
“显示我的工作流配置”

贡献

我们欢迎贡献！请参阅我们的行为准则了解社区指南。

贡献前：

检查现有问题和拉取请求
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，请首先打开一个问题来讨论您想要更改的内容。

许可

本项目根据MIT许可发布 - 详情见LICENSE文件。

安全

安全性是首要任务。如果您发现了漏洞，请负责任地报告。

不要公开在GitHub上报告安全漏洞。

相反，请使用GitHub的私密漏洞报告功能：

导航到安全标签
点击报告漏洞
提供关于问题的详细信息

详见SECURITY.md获取更多信息。

资源

支持

对于问题、反馈或建议：

Tuba.ai 支持： support@tuba.ai
加入Discord社区 https://discord.com/invite/gDSZr6N5rC
GitHub问题： 用于报告bug和提出功能请求
讨论： 使用GitHub讨论提问和社区互动