Unstructured API MCP Server

官方

通过 MCP 管理 Unstructured API 的数据源、目标和流程

分类: 开发工具第 380 / 438
Stars: ★ 43 热门
传输方式: stdio（本地进程） · SSE
运行环境: Python 3.12+
凭据: 需要 API Key / 凭据
最近提交: 3 个月前
工具数: 26

36FMRS · D

这是 Unstructured 官方提供的、面向 Unstructured API 的 MCP 服务器，覆盖 source、destination、workflow 和 job 的完整管理，并集成了 Firecrawl 网页抓取能力，支持 stdio 与 SSE 传输，已在 Claude Desktop 中给出配置示例。README 明确说明该服务器并非积极维护、仅作参考保留，并建议需要文件解析与结构化转换的用户改用 Unstructured Transform MCP 服务器。它适合已有 Unstructured API key、需要以 MCP 方式管理连接器与工作流的用户；不适合要求长期维护支持的生产场景，同时删除类工具与 update_workflow 的全量替换行为需要谨慎对待。

最强项 · 文档质量 11/20 最弱项 · 维护活跃度 3/20

可靠性

6/20

安全与权限

7/20

维护活跃度

3/20

文档质量

11/20

安装易用性

9/20

查看各项评分依据

可靠性 6/20: 源码仅提供 README，未缓存 manifest，也无 CI 工作流或已提交测试等可验证执行证据，因此按静态校准上限封顶：可靠性不得高于 12。README 明确声明该服务器‘不再积极维护’，进一步削弱可依赖预期。工具清单与描述大体自洽（list/get/create/update/delete 类工具），但存在明显瑕疵：如 'create_source_connector' 描述后多余括号、'cancel_job' 描述写成 'Delete a specific job by id' 与工具名语义不一致（取消 vs 删除），且 'list_destinations' 与 'list_workflows' 描述均写作 'Lists ... from the Unstructured API' 但未说明分页/筛选行为。已知问题章节承认 update_workflow 并非 patch 语义而是整体替换配置，属于易用性高风险的边缘行为。错误处理、依赖可控性、超时与限流均未见证据，均按缺失证据扣分。
安全与权限 7/20: 凭据处理以 .env 集中管理并区分各连接器凭据，未在示例中臆造或写入真实 token，也无暗藏外传迹象，故不触发红线，但也不足以给高分。主要风险点：README 明示工具包含 create/update/delete 源、目标、工作流，以及 run_workflow、cancel_job，属具有破坏性的远程副作用操作；确认机制仅存在于本地 minimal_client 的 CONFIRM_TOOL_USE 环境变量，且示例中建议设为 false 并提示‘谨慎’，服务器本体未见强制确认或最小权限范围控制，存在误删/误触发昂贵工作流的风险。DEBUG_API_REQUESTS 开启时会把请求参数写入本地日志文件，README 未说明是否可能包含凭据或敏感数据，数据边界披露不全。额外引入 Firecrawl 外部网络抓取与 @wonderwhy-er/desktop-commander 终端/文件访问，README 仅以‘注意可访问私有文件’一笔带过，权限放大缺乏系统性约束说明。综合给 7 分。
维护活跃度 3/20: 证据层面严重不足：仓库未提供 LICENSE（License 显示 unknown），缺失许可证本身即为扣分项；README 首段直接声明该服务器‘不再积极维护，仅作参考’，这基本等同于停止维护的自我声明。虽然 Stars 42、Open issues 4、未归档，但这些都是发现信号，按规则不能加分。无发布记录、无依赖更新证据、无安全响应渠道、无治理与版本策略（仅提到 CHANGELOG.md 与 0.x.x-dev 预发布约定），也无维护者身份信息。综合给 3 分。
文档质量 11/20: 文档规模可观且结构分层：包含工具表、各连接器凭据表、安装与配置（uvx/python/源码）、Claude Desktop 与 SSE/stdio 两种传输示例、调试工具（MCP Inspector）、子集工具加载注意事项、已知问题与故障排查（ENOENT）等，这是相对扎实的部分，因此分数接近中上。扣分点：工具表存在错误与不一致（cancel_job 描述为删除、多余标点），未说明工具参数详情、分页、速率限制、成本与配额；credential 表虽长但把 ANTHROPIC_API_KEY 与服务器凭据混列，易造成误解；文档与能力存在轻微矛盾（README 声明不再维护并引导用户改用 Unstructured Transform，却仍提供完整安装步骤）；未见上游 API 版本兼容矩阵与变更日志实际内容。综合给 11 分。
安装易用性 9/20: 静态校准限制：无 CI 或已提交测试，setup 分数不得高于 15。安装路径本身较清晰：提供 uvx 直接运行、pip 安装、源码 uv sync 三种方式，并给出 Claude Desktop 的 JSON 配置示例（uvx 与 python 两种），以及 SSE/stdio 协议运行说明和 make 目标，另有故障排查条目。但仍有明显易用性缺口：README 中若干代码块存在格式错乱（如 .env 片段的四反引号、'uns-mcp' 使用了双反引号），Editable 安装步骤中 `uvx pip install -e .` 写法可疑；stdio 配置要求用户填写 ABSOLUTE/PATH，但未说明如何定位；外部依赖较多（Firecrawl、desktop-commander、Node/npx）；缺乏平台兼容性说明与最小可运行验证步骤。综合给 9 分。

静态评测 · 未实际运行收录于 2026-09-10

查看 FMRS 评分方法 →

选型与风险

能访问什么访问网络修改第三方账户数据连接数据库

适合谁

需要以编程方式通过 MCP 客户端管理 Unstructured 工作流与连接器的用户
已经持有 Unstructured API key 并熟悉其平台概念的团队
需要将网页抓取结果接入 Unstructured 流程的用户

不适合谁

需要长期维护和支持的生产环境（该服务器已不再积极维护）
只需要解析和转换文件为结构化输出的用户（应改用 Unstructured Transform MCP 服务器）
没有 Unstructured API key 或对应连接器凭证的用户

所需权限

需要 Unstructured API key（UNSTRUCTURED_API_KEY）
创建/更新/删除连接器时需要在 .env 中提供对应连接器凭证，例如 AWS_KEY、AWS_SECRET、WEAVIATE_CLOUD_API_KEY、PINECONE_API_KEY、ASTRA_DB_APPLICATION_TOKEN、AZURE_CONNECTION_STRING、NEO4J_PASSWORD、MONGO_DB_CONNECTION_STRING、GOOGLEDRIVE_SERVICE_ACCOUNT_KEY、DATABRICKS_CLIENT_ID/SECRET、ONEDRIVE 与 SHAREPOINT 的客户端凭证、SALESFORCE_CONSUMER_KEY 与 SALESFORCE_PRIVATE_KEY 等
使用 Firecrawl 功能需要 FIRECRAWL_API_KEY
若为最小的本地客户端添加终端访问（desktop-commander），客户端与 LLM 将获得对私有文件的访问权限

风险与副作用

该服务器未积极维护，可能存在未修复的问题
删除类工具会删除连接器、工作流或作业，误用可能造成数据丢失
update_workflow 不是增量补丁，而是完整替换工作流配置，必须先在上下文中提供现有配置（例如调用 get_workflow_info），否则可能覆盖配置
CONFIRM_TOOL_USE 设为 false 时可能执行昂贵工作流或删除数据
在 .env 中配置多个第三方凭证会扩大凭证泄露的影响范围
为最小客户端添加终端访问后，LLM 可能访问私有文件

安装接入

准备工作

运行环境：Python 3.12+

UNSTRUCTURED_API_KEY 必填密钥调用 Unstructured API 的必需密钥,在 platform.unstructured.io 的 API keys 页面获取。

ANTHROPIC_API_KEY 可选密钥运行 minimal_client 与服务器交互所需,从 Anthropic 控制台获取。

AWS_SECRET 可选密钥创建 S3 connector 所需的 AWS 秘密访问密钥。

WEAVIATE_CLOUD_API_KEY 可选密钥创建 Weaviate 向量数据库 connector 所需,来自 Weaviate Cloud。

FIRECRAWL_API_KEY 可选密钥使用 Firecrawl 抓取工具所需,在 firecrawl.dev 注册获取。

ASTRA_DB_APPLICATION_TOKEN 可选密钥创建 AstraDB connector 所需的认证令牌,来自 DataStax Astra。

AZURE_CONNECTION_STRING 可选密钥创建 Azure connector 的方式一,即 Azure 存储连接字符串。

AZURE_ACCOUNT_KEY 可选密钥创建 Azure connector 方式二所需的存储账户密钥。

AZURE_SAS_TOKEN 可选密钥创建 Azure connector 方式三所需的 SAS 令牌。

NEO4J_PASSWORD 可选密钥创建 Neo4j connector 所需的数据库密码。

MONGO_DB_CONNECTION_STRING 可选密钥创建 MongoDB connector 所需的连接字符串。

GOOGLEDRIVE_SERVICE_ACCOUNT_KEY 可选密钥创建 Google Drive source connector 所需,将服务账号 JSON 密钥 base64 编码后的字符串。

DATABRICKS_CLIENT_SECRET 可选密钥创建 Databricks connector 所需的客户端密钥。

ONEDRIVE_CLIENT_CRED 可选密钥创建 OneDrive connector 所需的客户端凭据。

PINECONE_API_KEY 可选密钥创建 Pinecone 向量数据库 connector 所需,来自 Pinecone 控制台。

SALESFORCE_PRIVATE_KEY 可选密钥创建 Salesforce source connector 所需的私钥。

SHAREPOINT_CLIENT_CRED 可选密钥创建 SharePoint source connector 所需的客户端凭据。

其他可选配置项（12 个）

AWS_KEY 可选创建 S3 connector 所需的 AWS 访问密钥 ID。

ASTRA_DB_API_ENDPOINT 可选创建 AstraDB connector 所需的 API 端点地址。

AZURE_ACCOUNT_NAME 可选创建 Azure connector 的方式二/三所需的存储账户名。

DATABRICKS_CLIENT_ID 可选创建 Databricks connector 所需的客户端 ID。

ONEDRIVE_CLIENT_ID 可选创建 OneDrive connector 所需的应用客户端 ID。

ONEDRIVE_TENANT_ID 可选创建 OneDrive connector 所需的租户 ID。

SALESFORCE_CONSUMER_KEY 可选创建 Salesforce source connector 所需的消费者密钥。

SHAREPOINT_CLIENT_ID 可选创建 SharePoint source connector 所需的客户端 ID。

SHAREPOINT_TENANT_ID 可选创建 SharePoint source connector 所需的租户 ID。

LOG_LEVEL 可选设置 minimal_client 的日志级别,例如设为 ERROR 以减少输出。

CONFIRM_TOOL_USE 可选设为 true 时 minimal_client 在每次工具调用前需要确认执行。

DEBUG_API_REQUESTS 可选设为 true 时输出发送给 UnstructuredClient 的请求参数以便调试。

前置条件：Python 3.12+、uv 环境管理工具，以及从 Unstructured 获取的 API key。推荐使用 uvx（无需额外安装）。在 claude_desktop_config.json（位于 ~/Library/Application Support/Claude/ 目录）中配置 mcpServers.UNS_MCP，command 使用 uvx，args 为 uns_mcp，并在 env 中设置 UNSTRUCTURED_API_KEY。也可改用 Python 包方式，command 为 python、args 为 ["-m", "uns_mcp"]。若使用源码方式：克隆仓库后执行 uv sync，在根目录创建 .env 并写入 UNSTRUCTURED_API_KEY，可参考 .env.template。SSE 模式可运行 uv run python uns_mcp/server.py --host 127.0.0.1 --port 8080（或 make sse-server），并用本地客户端测试（Claude Desktop 不支持 SSE）。STDIO 模式可在 Claude Desktop 配置中指向本地 uv 可执行文件并以 server.py 启动。

claude_desktop_config.json

{
  "mcpServers": {
    "UNS_MCP": {
      "command": "uvx",
      "args": ["uns_mcp"],
      "env": {
        "UNSTRUCTURED_API_KEY": "<your-key>"
      }
    }
  }
}

以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "UNS_MCP": {
      "command": "uvx",
      "args": [
        "uns_mcp"
      ],
      "env": {
        "UNSTRUCTURED_API_KEY": "<your-key>"
      }
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add UNS_MCP -e 'UNSTRUCTURED_API_KEY=<your-key>' -- uvx uns_mcp

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

在 Claude Desktop 中启动后,打开工具列表确认出现 list_sources、list_workflows 等工具;然后输入"列出我的 sources",若能返回 connector 列表即说明连接成功。

常见排障

出现 Error: spawn <command> ENOENT 表示命令未安装或不在 PATH 中；请安装并加入 PATH，或在配置的 command 字段中使用绝对路径
需要查看请求参数时，将 DEBUG_API_REQUESTS 设为 true，日志会写入 unstructured-client-{date}.log
可使用 Anthropic 提供的 MCP Inspector 调试：运行 mcp dev uns_mcp/server.py，在左侧面板添加环境变量和 API key，然后在 tools 中测试
SSE 模式停止服务时，先在客户端按 Ctrl+C，再停止服务器
本地客户端可通过 LOG_LEVEL="ERROR" 抑制 LLM 的调试输出，通过 CONFIRM_TOOL_USE='false' 关闭工具执行确认（需谨慎）
使用工具子集时，update_workflow 工具需与 create_workflow 工具一起加载

试试这样问

连接成功后，可以直接对 AI 助手这样说：

列出我在 Unstructured API 上可用的所有 source connector。
帮我创建一个 S3 source connector 和 Pinecone destination connector。
运行 workflow ID 为 abc123 的 workflow,然后告诉我 job 的状态。
用 Firecrawl 抓取某个网站并生成适合 LLM 的文本,结果上传到 S3。

工具能力 26

list_sources 只读

列出 Unstructured API 中可用的数据源。

get_source_info 只读

获取特定 source 连接器的详细信息。

create_source_connector 写入

创建一个 source 连接器。

update_source_connector 写入

根据参数更新已有的 source 连接器。

delete_source_connector 破坏性

根据 source id 删除 source 连接器。

list_destinations 只读

列出 Unstructured API 中可用的目标。

get_destination_info 只读

获取特定 destination 连接器的详细信息。

create_destination_connector 写入

根据参数创建 destination 连接器。

展开其余 18 个工具

update_destination_connector 写入

根据 destination id 更新已有的 destination 连接器。

delete_destination_connector 破坏性

根据 destination id 删除 destination 连接器。

list_workflows 只读

列出 Unstructured API 中的工作流。

get_workflow_info 只读

获取特定工作流的详细信息。

create_workflow 写入

使用 source、destination id 等创建新工作流。

run_workflow 写入

根据 workflow id 运行特定工作流。

update_workflow 写入

根据参数更新已有的工作流。

delete_workflow 破坏性

根据 id 删除特定工作流。

list_jobs 只读

列出特定工作流的作业。

get_job_info 只读

根据 job id 获取特定作业的详细信息。

cancel_job 破坏性

根据 id 取消特定作业。

list_workflows_with_finished_jobs 只读

列出所有存在已完成作业的工作流，并附上 source 和 destination 的详细信息。

invoke_firecrawl_crawlhtml 写入

启动 Firecrawl HTML 内容抓取作业。

check_crawlhtml_status 只读

监控 Firecrawl HTML 抓取作业的状态。

cancel_crawlhtml_job 破坏性

取消 Firecrawl HTML 抓取作业。

invoke_firecrawl_llmtxt 写入

启动 Firecrawl 面向大语言模型优化的文本生成作业。

check_llmtxt_status 只读

获取 Firecrawl LLM 文本生成作业的结果。

cancel_llmtxt_job 只读

用于保持接口一致性，但 Firecrawl API 目前不支持取消 LLM 文本生成作业。

使用场景

在 Unstructured 平台中列出与管理 source 和 destination 连接器

创建、运行、更新和删除数据工作流

查看工作流作业状态并取消作业

通过 Firecrawl 抓取网页 HTML 或生成面向 LLM 的文本并上传至 S3

支持客户端

Claude Desktop

依据项目文档列出，未经本站实测。

详细介绍

这是一个面向 Unstructured API 的 MCP 服务器实现，用于管理 source（数据源）、destination（目标）和 workflow（工作流）。它提供列出、创建、更新、删除连接器的工具，以及创建工作流、运行工作流、查看和取消作业的工具，还包含 Firecrawl 网页抓取相关功能。需要注意的是，该服务器并非积极维护，仅作为参考保留；若要将文件解析并转换为结构化输出（markdown、JSON、HTML 或纯文本），官方建议改用 Unstructured Transform MCP 服务器。使用创建/更新/删除连接器的工具时，相应连接器的凭证必须在 .env 文件中定义。