Metrc MCP

METRC MCP服务器

MCP（模型上下文协议）服务器，公开用于LLM的METRC大麻跟踪API工具。在科罗拉多沙盒中使用Basic Auth。

设置

1. 安装依赖项：

   npm install

1. 配置凭据 在 .env:

   METRC_API_URL=https://sandbox-api-co.metrc.com
   METRC_VENDOR_API_KEY=your-vendor-key
   METRC_USER_API_KEY=your-user-key

1. 添加到光标MCP配置 (.cursor/mcp.json 或光标设置→ MCP):

   "metrc": {
     "command": "node",
     "args": ["/path/to/metrc-mcp/server.js"],
     "cwd": "/path/to/metrc-mcp"
   }

或者把钥匙交进去 env:

   "metrc": {
     "command": "node",
     "args": ["/path/to/metrc-mcp/server.js"],
     "cwd": "/path/to/metrc-mcp",
     "env": {
       "METRC_VENDOR_API_KEY": "your-vendor-key",
       "METRC_USER_API_KEY": "your-user-key"
     }
   }

工具

创造开花植物

重新启动MCP服务器 拉动后，Cursor会看到新工具。然后：

1. metrc_get_location_types （license_number）–选择一个 LocationTypeId 其中类型允许植物生长（例如生长室）。
2. metrc_create_location （license_number、name、location_type_id）-创建一个可以容纳植物的位置（您当前唯一的位置是“集中式处理中心”，不允许种植植物）。
3. metrc_get_tags_plant_available （license_number）-获取可用的植物标签。
4. metrc_create_plant_batch_plantings （license_number、plant_batch_name、strain_id、location_id、type、count、planting_date、plant_labels）-创建批次和单个植物（使用来自 metrc_get_strains，步骤2中的位置Id，键入例如。 "Clone"，以及步骤3中每株植物一个标签标签）。
5. metrc_get_plants_vegetative （license_number）-列出营养植物（新植物可以从这里开始种植）。
6. metrc_change_plants_growth_phase （许可证编号，生长阶段： "Flowering"、change_date、plant_ids或plant_labels）–将这些植物移动到Flowering。

然后使用 metrc_get_plants_flowering 确认，以及 metrc_harvest_plants 当准备好收获时。

技能（光标）

更高层次的分析模式存在 skills/ 并安装为 光标规则 在 .cursor/rules/当此仓库在Cursor中打开并且METRC MCP连接时，AI将使用这些技能来回答分析问题。

详细信息：请参见 skills/README.md 和那个 .mdc 文件位于 .cursor/rules/无需额外的安装步骤：在Cursor中打开此仓库，规则适用。

外部LLM（任何MCP客户端）

服务器公开了以下技能 MCP资源 因此，任何客户端（Claude Desktop、自定义应用程序等）都可以加载它们：

1. resources/list --返回URI，如下所示 metrc://skills/needs-attention, metrc://skills/facility-summary等等。
2. resources/read 随着 uri: "metrc://skills/needs-attention" --返回技能标记。

客户端可以将该文本作为上下文传递给LLM，然后LLM按照技能中的描述调用METRC工具。看 skills/README.md 查看URI的完整列表。

产品/功能路线图

docs/MASTER_FRAMEWORK.md 将完整的产品/功能框架（批量操作、老化、合规性、产量等）映射到这个仓库（MCP工具+技能）和应用程序（UI、规则引擎、外部数据）中可以构建的内容。使用它来优先考虑新技能或工具。

Vercel Edge上的聊天和MCP

设置： 在Vercel项目中设置OPENROUTER_API_KEY和METRC\_\*（设置→ 环境变量），然后运行 ./scripts/setup-vercel.sh 部署。看 **** 完整的步骤。

回购包括 Vercel Edge 端点，以便您可以通过HTTP承载聊天UI和METRC MCP：

聊天界面： 部署后，打开 https://your-project.vercel.app/chat （或 /chat.html).API URL默认为相同的来源；使用设施下拉菜单并发送消息。 沙盒视图： /sandbox （或 /sandbox.html)检查所选设施的设施、位置、菌株、物品、收成和包装。

部署： 将仓库连接到Vercel；这 api/ 和 lib/ 文件部署为Edge（请参见 export const config = { runtime: 'edge' } 在 api/chat.js 和 api/mcp.js).

环境变量（Vercel项目设置或 .env):

• 聊天（OpenRouter）： 更喜欢 OPENROUTER_KEY_URL （返回当前键的铁路边URL；我们旋转键）。否则 OPENROUTER_API_KEY.可选： OPENROUTER_MODEL （例如。 openai/gpt-4o).
• METRC（与stdio服务器相同）： METRC_API_URL （默认值 https://sandbox-api-co.metrc.com), METRC_VENDOR_API_KEY, METRC_USER_API_KEY.

聊天请求示例：

curl -X POST https://your-project.vercel.app/api/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "What facilities do I have?"}'

MCP工具/调用示例（通过以下方式获取工具后 tools/list):

curl -X POST https://your-project.vercel.app/api/mcp \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"metrc_get_facilities","arguments":{}}}'

沙盒视图

文档（GitHub页面）

完整文档发布于 GitHub页面 从 docs/ 文件夹：

• 现场：
• 启用（已通过完成 gh api): 来源是分支 主要的，文件夹 /docs。要重新启用或更改： 设置→ Pages，或 gh api repos/OWNER/REPO/pages -X PUT --input - 随着 {"source":{"branch":"main","path":"/docs"}}.
• 页面映射到框架： 这 框架 页面是主功能和功能框架，每个部分都链接到 工具 和 技能.使用文档站点作为MCP+框架参考的唯一位置。

填充沙盒（完整生命周期）

在科罗拉多州的沙箱中播种12个菌株和完整的种子销售流程（种植）→ 开花→ 收获→ 包裹→ 完成）：

npm run populate-sandbox

需要a .env 在repo根目录中 METRC_VENDOR_API_KEY 和 METRC_USER_API_KEY （复制自 .env.example 并添加METRC沙盒密钥）。该脚本将创建菌株（SBX菌株1-12），运行沙箱设置，如果沙箱提供，则创建一个可种植的位置，创建植物并将其移动到开花状态，创建收获，创建物品和包装，并完成包装。如果沙盒没有位置类型 ForPlants: true，跳过种植；如果API允许，您仍然可以获得菌株并可以创建独立的包。

模拟年份（整个生命周期）： 要填充约12个月的回溯数据（收获浪费、完成收获、实验室类型、完成包、可选调整），请运行 npm run populate-simulated-year。参见 沙盒视图——§11填充脚本.

测试

node server.js
# Server runs on stdio; Cursor/other MCP clients connect to it