Dexscreener MCP Server Tool

关键词

AI代理集成工具执行资源管理JSON-RPC提示模板

使用说明（Markdown 摘要）

  1. 项目简介
  • 该仓库实现了一个 MCP 服务器，能够通过 JSON-RPC 与 AI 客户端通信，提供对 Dexscreener 的上下文信息、工具执行能力和 Prompt 模板的管理与渲染。
  • 服务器核心功能包括：托管和管理资源（如 Profiles、Presets、Tasks 等）、注册并执行 Tools、定义 Prompts，并通过 JSON-RPC 的请求/响应机制与客户端交互。
  1. 主要功能点
  • MCP 基本能力
    • 提供 14 个 MCP Tools，用于查询、运行任务、导出/导入状态、搜索、查看 inspect 等等，覆盖了从调度任务到查询与结果导出的完整工作流。
    • 提供 3 种 Resources（dexscreener://profiles、dexscreener://presets、dexscreener://tasks），用于暴露服务器端的配置信息与状态。
    • 提供 2 个 Prompts（alpha_scan_plan、runner_triage），用于在 AI 助手中协助执行计划与分流判断。
  • 安全性与健壮性
    • 具备参数校验、输入边界限制、导出/导入时的脱敏处理，支持对 webhook、token、地址等敏感信息进行保护性处理。
    • 服务器实现包含对状态、任务、预置等的持久化存储与并发安全处理。
  • 与 Dexscreener 集成
    • 通过 DexScreener 客户端与扫描器实现数据获取、排序、过滤、持仓等上下文信息，供 AI 客户端在对话中调用使用。
  1. 安装与运行步骤（简要）
  • 依赖与环境
    • 需要安装 Python 3.11 及以上版本。
    • 通过 pip 安装依赖包（仓库中包含安装脚本/方式）。
  • 启动 MCP 服务器
    • 直接运行 Dexscreener MCP CLI：dexscreener-mcp
    • 服务器将以 MCP 的标准协议对外提供服务，AI 助手即可通过配置连接到该服务器
  • 客户端配置（示例，非代码）
    • MCP 客户端需要一个配置项来指向服务器，包含服务器名称、启动命令以及参数等。JSON 示例配置如下： { "server_name": "dexscreener", "command": "dexscreener-mcp", "args": [] }
    • 该配置仅用于 MCP 客户端对服务器的初始化连接，MCP 客户端本身不需要额外实现，只需在配置中指定启动命令与参数即可建立连接。
  1. 使用方法（简易操作指引）
  • 启动与连接
    • 启动 Dexscreener 的 MCP 服务器后，任意兼容 MCP 的 AI 客户端（如 Claude、Codex、OpenClaw 等）按照其要求将上述 server 配置加入其 MCP 设置中，建立连接。
  • 交互模式
    • 客户端发送自然语言请求（如“查找 Solana 上的热 token”、“执行 solana 的 alpha-drops 计划”等），服务器端会将请求映射到对应的 MCP Tool，执行并返回 JSON-RPC 响应。
  • 数据/模板渲染
    • 资源与 Prompts 将在客户端与服务器之间按需渲染，帮助 LLM 客户端以合适的格式获取数据与提示信息。
  1. 备注
  • 该实现为完整的 MCP 服务器端，包含工具、资源、提示模板、以及状态导出/导入等能力，能直接与 MCP 客户端对接使用。

服务器信息

访问项目