network platforms MCP servers

服务器

这个项目是一个开源项目，按原样发布。它不打算用于生产。

文件结构（核心+传输包装器）

传统stdio垫片（已弃用，仍受支持）：

• enhanced_declarative_catalyst.py ->使用 catalyst_center_stdio.py
• enhanced_declarative_meraki.py ->使用 meraki_stdio.py

当前套房（首选）：

• catalyst_center_core.py / meraki_core.py -自足核心逻辑
• catalyst_center_stdio.py / meraki_stdio.py -stdio包装纸
• catalyst_center_remote.py / meraki_remote.py -流式HTTP包装器

学习进度服务器

以下三台服务器演示了MCP从简单到多组织模式的开发：

Meraki MCP基本服务器(basic_meraki_mcp_server.py)

• 目的：学习MCP基础知识的最小单工具MCP服务器示例
• 特性：单一工具(list_organizations_details)使用一个API键，不需要任何参数
• 用例：理解MCP服务器结构、工具注册和API集成的起点

基础Meraki MCP服务器(foundation_meraki_mcp_server.py)

• 目的：介绍性多池MCP服务器，具有基本的Meraki API覆盖范围
• 特性：两个工具（组织和网络），单个API密钥，具有所需输入的参数处理
• 用例：演示工具链——使用组织详细信息发现组织ID，然后将其传递给列表网络

多组织Meraki MCP服务器(multiorg_meraki_mcp_server.py)

• 目的：具有YAML驱动组织配置的多组织Meraki MCP服务器
• 特性：三个工具，包括发现工具、支持多个组织（Prod、Lab或所有组织）、通过外部组织配置 Resources/meraki_organizations.yaml
• 用例：展示了如何使用单个API密钥和“全部”聚合模式在多个环境中扩展MCP服务器

概念验证服务器

以下两个概念验证服务器演示了MCP工具的自动生成以及多个Catalyst Center集群和多个Meraki组织的管理。

Meraki MCP服务器(meraki_stdio.py)

• 目的：思科Meraki云管理网络自动化
• 特性：多组织支持、设备管理、客户端跟踪、网络配置
• API覆盖范围：组织、网络、设备、客户端、安全策略
• API资源管理器：使用Meraki API规范文件对API进行Cosine搜索。识别API，调用API，提供API文档和API遥测。仅限于调用GET API终结点。

Catalyst Center MCP服务器(catalyst_center_stdio.py)

• 目的：Cisco Catalyst Center本地网络自动化
• 特性：设备清单、合规性检查、问题跟踪、配置管理
• API覆盖范围：站点、设备、客户、保证数据、操作
• API资源管理器：使用Catalyst Center API规范文件对API进行余弦搜索。识别API，调用API，提供API文档和API遥测。仅限于调用GET API终结点。

远程流式HTTP服务器

以下包装器通过流式HTTP传输公开了相同的工具集：

包装架构说明： 此仓库中的远程服务器是覆盖 _core 服务器(meraki_core.py 和 catalyst_center_core.py).\ 所有工具逻辑（包括API资源管理器安全规则和方法限制）都存在于 _core，使stdio和远程行为保持同步。\ 传统垫片仅作为兼容性入口点，并通往当前的stdio/核心流。

Meraki远程MCP服务器(meraki_remote.py)

• 目的：的远程HTTP包装器 meraki_core.py
• 运输：可流式传输HTTP /mcp （默认端口 8001)
• API资源管理器安全：从声明性服务器继承的只读资源管理器行为（仅GET）
• 同步模型：继承声明性服务器逻辑（没有重复的执行引擎）

Catalyst远程MCP服务器(catalyst_center_remote.py)

• 目的：的远程HTTP包装器 catalyst_center_core.py
• 运输：可流式传输HTTP /mcp （默认端口 8000)
• API资源管理器安全：从声明性服务器继承的只读资源管理器行为（仅GET；无POST/PUT/DELETE）
• 同步模型：继承声明性服务器逻辑（没有重复的执行引擎）

快速开始

1. 环境设置

   pip install -r requirements.txt

1. 配置凭据

创建 environment.env 使用API密钥和端点

如果使用API资源管理器功能，请配置本地语句转换器模型访问：

- 集 SENTENCE_TRANSFORMERS_MODEL_DIR 到当地 all-MiniLM-L6-v2 文件夹，或 - 将模型放置在 embeddings_cache/model/all-MiniLM-L6-v2 在这个回购中。

您可以使用以下内容填充本地模型缓存：

   python download_model.py

1. 运行服务器

验证服务器是否在本地运行。它们可以由MCP客户端作为子流程启动。

   python meraki_stdio.py
   python catalyst_center_stdio.py

1. 运行远程流式HTTP包装器 （可选）

当您的MCP客户端通过HTTP而不是stdio连接时，请使用这些：

   python meraki_remote.py --host 0.0.0.0 --port 8001
   python catalyst_center_remote.py --host 0.0.0.0 --port 8000

1. 传统标准垫片（已弃用但支持）

   python enhanced_declarative_meraki.py
   python enhanced_declarative_catalyst.py

配置

核心配置文件

• meraki_config.yaml -Meraki API端点和参数
• catalyst_config.yaml -Catalyst Center API端点和参数
• requirements.txt -Python依赖项，包括MCP、API客户端、ML库

位置说明： 运行时组织/集群配置文件从以下位置加载 Resources/ 目录：

• Resources/meraki_organizations.yaml
• Resources/catalyst_center_clusters.yaml

API资源管理器Swagger文件

• Resources/meraki_swagger.json -Meraki OpenAPI/Swagger使用的源代码 meraki_core.py 资源管理器功能
• Resources/cc_swagger.json -Catalyst Center OpenAPI/Swagger源代码由使用 catalyst_center_core.py 资源管理器功能

这些文件用于端点发现、相似性搜索、端点元数据和资源管理器分析工作流。

注： API资源管理器自动查找和动态执行被有意限制为 GET 仅限端点。\ POST/PUT/DELETE 操作不是由explorer工具自动生成的，必须仅通过YAML中定义的显式声明性工具执行。

变压器模型资源

• 本地模型缓存基目录： embeddings_cache/
• 预期模型路径： embeddings_cache/model/all-MiniLM-L6-v2
• 模型下载助手： download_model.py

例子：

python download_model.py --model-name all-MiniLM-L6-v2

工具目录

• Resources/MCP_Tools.md -Catalyst Center和Meraki服务器的声明性和资源管理器工具的Markdown目录

日志记录

• logs/catalyst_center_mcp.log
• logs/meraki_mcp.log

多环境设置

Resources/meraki_organizations.yaml -配置多个Meraki组织：

meraki_organizations:
  - name: "Production"
    api_key_env: "MERAKI_PROD_API_KEY"
    description: "Production environment networks"
    enabled: true
  - name: "Lab"
    api_key_env: "MERAKI_LAB_API_KEY"
    description: "Development and testing networks"
    enabled: true

Resources/catalyst_center_clusters.yaml -配置多个Catalyst Center群集：

catalyst_centers:
  - name: "Portland"
    host: "Portland-center.domain.com"
    version: "2.3.7.10"
    location: "Portland"
    enabled: true
  - name: "San Jose"
    host: "SanJose-catalyst.domain.com"
    version: "2.3.7.9" 
    location: "San Jose"
    enabled: false

环境变量

创建 environment.env 文件：

# Meraki API Keys
MERAKI_PROD_API_KEY=your_production_api_key
MERAKI_LAB_API_KEY=your_lab_api_key

# Catalyst Center Credentials
CC_URL=https://your-catalyst-center.domain.com
CC_USER=your_username
CC_PASS=your_password

依赖项

密钥包来自 requirements.txt:

• mcp -模型上下文协议服务器框架
• httpx -用于API调用的现代HTTP客户端
• sentence-transformers -API勘探的人工智能嵌入
• catalystcentersdk -思科Catalyst Center Python SDK
• scikit-learn, numpy -用于余弦相似性搜索的ML库

Claude桌面配置

工作室

{
  "mcpServers": {
    "meraki_stdio": {
      "command": "/path/to/your/venv/bin/python3",
      "args": ["/path/to/your/meraki_stdio.py"]
    },
    "catalyst_center_stdio": {
      "command": "/path/to/your/venv/bin/python3",
      "args": ["/path/to/your/catalyst_center_stdio.py"]
    }
  }
}

备注：更新路径以匹配实际的Python虚拟环境和脚本位置。

远程（流式HTTP）

添加到您的Claude桌面 claude_desktop_config.json:

{
  "mcpServers": {
    "meraki_remote": {
      "url": "http://127.0.0.1:8001/mcp"
    },
    "catalyst_center_remote": {
      "url": "http://127.0.0.1:8000/mcp"
    }
  }
}

首先启动远程服务器：

python meraki_remote.py --host 0.0.0.0 --port 8001
python catalyst_center_remote.py --host 0.0.0.0 --port 8000

每台服务器都提供声明性工具和AI驱动的API探索，以实现完整的网络自动化功能。