Brandfetch MCP

🚀 品牌获取 MCP 服务器

此 MCP 服务器作为大型语言模型 (LLM) 应用与 Brandfetch API 间的桥梁，助力 AI 助手搜索品牌并获取全面品牌信息。它通过实现模型上下文协议，将 Brandfetch 的品牌数据功能无缝融入 LLM 驱动的应用中。

🚀 快速开始

此 MCP 服务器充当大型语言模型 (LLM) 应用程序与 Brandfetch API 之间的桥梁，使 AI 助手能够搜索品牌并检索全面的品牌信息。通过实现模型上下文协议，此服务器将 Brandfetch 的品牌数据功能无缝集成到 LLM 驱动的应用程序中。

✨ 主要特性

• 品牌搜索：按名称搜索品牌并获取基本信息。
• 详细品牌信息：检索包括标志、颜色、字体和公司详情在内的全面品牌数据。
• 字段筛选：请求特定信息以优化响应大小和处理。
• 交互式提示：内置提示引导用户正确使用 API。
• 类型安全实现：完全基于类型的 Python 代码库，支持现代异步。
• 健壮的错误处理：全面的错误处理和日志记录。

📦 安装指南

先决条件

• Python 3.9 或更高版本
• Brandfetch API 凭证（API 密钥和客户端 ID）

使用 uv（推荐）

# 创建并导航到新项目目录
uv init brandfetch-mcp
cd brandfetch-mcp

# 克隆此仓库
git clone https://github.com/VincentSolconBraze/brandfetch-mcp.git .

# 添加依赖项
uv add "mcp[cli]" httpx python-dotenv

# 开发用途
uv add --dev pytest pytest-asyncio pytest-cov ruff pyright pre-commit

使用 pip

# 克隆此仓库
git clone https://github.com/VincentSolconBraze/brandfetch-mcp.git
cd brandfetch-mcp

# 安装依赖项
pip install "mcp[cli]" httpx python-dotenv

# 开发用途
pip install pytest pytest-asyncio pytest-cov ruff pyright pre-commit

🔧 配置

1. 根据示例创建 .env 文件：

cp .env.example .env

2. 将 Brandfetch API 凭证添加到 .env 文件中：

BRANDFETCH_API_KEY=your_api_key
BRANDFETCH_CLIENT_ID=your_client_id

您可以在 Brandfetch 上创建账户并获取凭证。

💻 使用示例

基础用法

# 搜索品牌
search_brands(query="apple", limit=5)

# 获取特定品牌信息
get_brand_info(brand_id="12345")

高级用法

# 结合字段筛选
get_brand_info(brand_id="67890", fields=["name", "logo"])

运行方式

通过 Claude Desktop 运行

# 在 Claude Desktop 中运行
claudius run

通过 MCP Inspector 运行

# 在 MCP Inspector 中运行
inspect

直接执行

# 直接在终端中运行
python3 main.py

可用工具及参数说明

• search_brands：按品牌名称搜索品牌并获取基本信息。

  • query：要搜索的品牌关键词。
  • limit：返回的结果数量限制。

• get_brand_info：检索指定品牌的详细信息。

  • brand_id：品牌的唯一标识符。
  • fields：需要检索的具体字段（可选）。

📚 详细文档

• 文档：项目文档
• API 参考：API 文档

🧪 测试

运行测试套件

# 运行所有测试
pytest tests/

生成覆盖率报告

# 生成覆盖率报告
coverage run -m pytest tests/ && coverage html

🤝 贡献

• 贡献指南：如何贡献
• 代码风格：代码规范

🔒 安全

• 安全报告：如发现任何安全问题，请联系 [security@brandfetch.com]

📄 许可证

此项目由 MIT 许可证授权。
MIT 许可证内容