MCP Server
Claude, Cursor, Codex, या किसी भी MCP क्लाइंट को Roboflow MCP server और उसके द्वारा उपलब्ध कराए गए टूल्स से जोड़ें।
AI के साथ मिलकर अपने Roboflow प्रोजेक्ट्स पर काम करें। Claude Code (या कोई भी MCP-संगत एजेंट) को अपने वर्कस्पेस से कनेक्ट करें। यह प्रोजेक्ट बना सकता है, डेटा अपलोड कर सकता है, मॉडल ट्रेन कर सकता है, Workflows बना सकता है, और Roboflow UI में दृश्य चरणों के माध्यम से आपका मार्गदर्शन कर सकता है। आप वही संभालें जिसमें आप सबसे अच्छे हैं (देखना, लेबल करना, परिणामों का मूल्यांकन करना), बाकी आपका एजेंट संभालेगा।
डेमो
MCP जोड़ना
Roboflow MCP सर्वर प्रमाणीकरण के लिए OAuth का उपयोग करता है - API key की जरूरत नहीं है। पहली बार उपयोग पर आपसे Roboflow में साइन इन करने के लिए कहा जाएगा।
Claude Connector (अनुशंसित)
अपने Claude खाते में Roboflow को एक connector के रूप में जोड़ें। एक बार कनेक्ट होने के बाद, यह हर जगह काम करता है - Claude.ai, Claude Desktop, और Claude Code में।
Claude में Roboflow जोड़ें - लिंक पर क्लिक करें, पुष्टि करें, और हो गया। पहली बार उपयोग पर आपसे OAuth के साथ Roboflow में साइन इन करने के लिए कहा जाएगा।
Claude Code CLI
Cursor
से Roboflow प्लगइन इंस्टॉल करें Cursor marketplaceया चलाएँ /add-plugin roboflow Cursor में। दोनों ही स्थितियों में MCP सर्वर और Roboflow की क्षमताएँ इंस्टॉल हो जाएँगी। पहली बार उपयोग पर OAuth के साथ Roboflow में साइन इन करें।
यदि आप इसके बजाय सर्वर को मैन्युअल रूप से कॉन्फ़िगर करना चाहते हैं, तो इसे Cursor के MCP config (~/.cursor/mcp.json):
Codex
इसे इसमें जोड़ें ~/.codex/config.toml:
MCP Gateways कनेक्ट करना (पूर्व-पंजीकृत क्रेडेंशियल्स)
अधिकांश MCP क्लाइंट (Cursor, Claude Desktop, VS Code, Claude Code) Dynamic Client Registration का उपयोग करके स्वतः पंजीकरण करते हैं। कुछ प्लेटफ़ॉर्म को पहले से पंजीकृत client_id और client_secret की आवश्यकता होती है - उदाहरण के लिए, Azure AI Foundry agents, Microsoft Copilot Studio, और TrueFoundry AI Gateway।
इन प्लेटफ़ॉर्म्स में से किसी एक को कनेक्ट करने के लिए:
जाएँ Workspace Settings > Developer Roboflow dashboard में
"Create OAuth App" पर क्लिक करें और एक नाम, redirect URI (जो आपके gateway के callback URL से मेल खाए), और अनुमति प्राप्त scopes भरें
"Token endpoint authentication" को अपने gateway से मिलान करने के लिए सेट करें:
client_secret_basic(HTTP Basic header, Azure और TrueFoundry द्वारा उपयोग किया जाता है) याclient_secret_post(secret फ़ॉर्म body में)Client ID और Client Secret (केवल एक बार दिखाया जाता है) कॉपी करें
अपने gateway के connector फ़ॉर्म में, दर्ज करें:
MCP Server URL
https://mcp.roboflow.com/mcp
Authorization URL
https://app.roboflow.com/oauth/authorize
Token URL
https://app.roboflow.com/oauth/token
Discovery (OAuth AS metadata)
https://app.roboflow.com/.well-known/oauth-authorization-server
Scopes
स्पेस से अलग की गई सूची (उदाहरण: workspace:read project:read model:infer offline_access)
शामिल करें offline_access को अपने scope list में यदि gateway refresh tokens का समर्थन करता है।
पूर्ण scope catalog के लिए देखें उपलब्ध Scopes.
टूल्स
Roboflow MCP सर्वर निम्नलिखित टूल्स प्रदान करता है, जिन्हें श्रेणी के अनुसार समूहित किया गया है। टूल्स को इस रूप में नामस्थान किया जाता है mcp__<server>__<tool_name> आपके MCP क्लाइंट द्वारा (जैसे mcp__roboflow__projects_list).
Agent: Roboflow agent के साथ चैट करें और workflows बनाएं
agent_chat
Roboflow AI agent के साथ चैट करें (Roboflow Q&A, उन्नत Workflow निर्माण, CV समाधान योजना)।
agent_conversation_get
किसी एक agent conversation को उसकी पूरी message history के साथ प्राप्त करें।
agent_conversations_list
वर्कस्पेस में Roboflow agent conversations की सूची बनाएं।
agent_workflow_publish
किसी workflow के agent द्वारा संपादित नवीनतम draft को प्रकाशित करें।
Projects: अपने वर्कस्पेस में projects को प्रबंधित करें
projects_list
API key से जुड़े वर्कस्पेस में सभी projects की सूची बनाएं।
projects_get
versions, classes, splits, और प्रशिक्षित models सहित किसी project के बारे में विस्तृत जानकारी प्राप्त करें।
projects_create
एक नया computer vision project बनाएं (detection, classification, segmentation, या keypoint)।
projects_fork
एक public Universe project को आपके वर्कस्पेस में async fork करने के लिए queue में डालें।
projects_health
किसी project के लिए dataset health check प्राप्त करें।
create_project_app
एक Prefab UI खोलें ताकि मानव Roboflow project बना सके (पुष्टि पर कॉल करता है projects_create )।
Images: project images अपलोड करें और खोजें
images_search
टैग, class, batch, annotation job, और visual similarity के फ़िल्टर के साथ किसी project के अंदर images खोजें।
images_prepare_upload
किसी project में एक image अपलोड करने के लिए एक pre-built upload URL प्राप्त करें curl.
images_prepare_upload_zip
images के zip को bulk-upload करने के लिए एक signed URL तैयार करें (और वैकल्पिक COCO/YOLO/VOC/folder annotations)।
images_upload_zip_status
के साथ शुरू किए गए zip upload task की स्थिति जाँचें images_prepare_upload_zip.
Annotation: annotations सहेजें और autolabeling चलाएँ
annotations_save
मौजूदा image के लिए एक annotation (XML, JSON, या text) सहेजें।
autolabel_start
images के एक batch पर hosted auto-label job शुरू करें।
autolabel_job_get
auto-label job के लिए प्रति-subjob स्थिति और प्रगति प्राप्त करें।
Batch: labeling jobs बनाएं और प्रबंधित करें
annotation_jobs_create
एक annotation job बनाएं ताकि images के एक batch को एक labeler और reviewer को सौंपा जा सके।
annotation_batches_list
किसी project में upload batches की सूची बनाएं।
annotation_batches_get
image count और status सहित किसी विशिष्ट batch के बारे में विवरण प्राप्त करें।
Versions: dataset versions बनाएं और export करें
versions_get
splits, preprocessing, augmentation, और model metrics सहित किसी dataset version के बारे में जानकारी प्राप्त करें।
versions_generate
वैकल्पिक preprocessing और augmentation settings के साथ एक नया dataset version बनाएं।
versions_export
किसी विशिष्ट format में किसी version के लिए dataset export की जाँच करें या उसे ट्रिगर करें (उदा. coco, yolov8, jsonl).
Models: models train करें और training progress पर नज़र रखें
models_list
किसी project से जुड़े प्रशिक्षित models की सूची बनाएं।
models_get
किसी प्रशिक्षित model के लिए विवरण प्राप्त करें।
models_train
किसी dataset version पर एक model (RF-DETR, YOLO, आदि) का प्रशिक्षण शुरू करें।
models_infer
प्रशिक्षित model का उपयोग करके किसी image पर hosted inference चलाएँ और JSON predictions लौटाएँ।
models_get_training_status
dataset version के लिए training progress और metrics (epoch, mAP, loss) प्राप्त करें।
models_star_nas
NAS-trained model को star या unstar करें।
trainings_get_results
run-level training results bundle प्राप्त करें।
trainings_stop
चल रहे training run पर early stop का अनुरोध करें।
trainings_cancel
चल रहे training run को रद्द करें।
8. Model Evaluations: mAP, confusion matrices, और प्रति-class प्रदर्शन देखें
model_evals_list
वर्तमान वर्कस्पेस में model evaluations की सूची बनाएं।
model_evals_get
एकल model evaluation के लिए शीर्ष-स्तरीय summary प्राप्त करें।
model_evals_get_map_results
किसी eval के लिए प्रति-split mAP results प्राप्त करें।
model_evals_get_confusion_matrix
किसी eval के लिए confusion matrix प्राप्त करें।
model_evals_get_confidence_sweep
किसी eval के लिए precision/recall/F1 confidence sweep प्राप्त करें।
model_evals_get_performance_by_class
एकल split के लिए प्रति-class प्रदर्शन metrics प्राप्त करें।
model_evals_get_image_predictions
किसी eval के लिए प्रति-image prediction stats प्राप्त करें (paginated)।
model_evals_get_vector_analysis
किसी eval के लिए image embeddings का UMAP + HDBSCAN clustering प्राप्त करें।
model_evals_get_recommendations
यदि उपलब्ध हो, तो eval के लिए LLM-जनित recommendations प्राप्त करें।
9. Workflows: inference pipelines बनाएं और चलाएँ
workflows_list
वर्तमान वर्कस्पेस में सहेजे गए workflows की सूची बनाएं।
workflows_get
किसी सहेजे गए workflow के लिए विवरण प्राप्त करें।
workflows_create
JSON definition से वर्कस्पेस में एक नया Workflow बनाएं और सहेजें।
workflows_update
मौजूदा सहेजे गए Workflow का नाम और definition अपडेट करें।
workflows_run
ID द्वारा सहेजे गए Workflow को एक या अधिक images पर निष्पादित करें।
workflow_blocks_list
सभी उपलब्ध Workflow blocks की सूची बनाएं, प्रत्येक का संक्षिप्त सारांश सहित।
workflow_blocks_get_schema
किसी विशिष्ट Workflow block का पूरा schema (properties, required fields) प्राप्त करें।
workflow_specs_validate
बिना निष्पादित किए एक Workflow JSON definition को मान्य करें।
workflow_specs_run
पहले सहेजे बिना, inline JSON definition से सीधे एक Workflow निष्पादित करें।
Devices & Streams: edge devices और video streams प्रबंधित करें
devices_list
वर्कस्पेस में पंजीकृत devices की सूची बनाएं।
devices_get
id द्वारा एकल device प्राप्त करें।
devices_create
एक नया v2 device provision करें।
devices_get_config
device की वर्तमान runtime configuration प्राप्त करें।
devices_get_default_config
वर्कस्पेस की default device configuration प्राप्त करें।
devices_get_config_history
पिछले configuration revisions की सूची बनाएं, सबसे नया पहले।
devices_update_config
device की runtime configuration अपडेट करें।
devices_get_logs
Elasticsearch से device logs प्राप्त करें।
devices_get_events
device और stream lifecycle events की सूची बनाएं।
devices_get_telemetry
संकलित hardware metrics (cpu, memory, disk, gpu) प्राप्त करें।
devices_streams_list
device पर कॉन्फ़िगर किए गए streams की सूची बनाएं।
devices_streams_get
id द्वारा एकल stream प्राप्त करें।
Universe: Roboflow Universe पर सार्वजनिक datasets खोजें
universe_search
class, image count, project type, और sort के लिए operators के साथ सार्वजनिक datasets या models के लिए Roboflow Universe खोजें।
universe_search_app
search, visual comparison, image skim, और fork के लिए एक Prefab Universe UI खोलें - dataset मानव चुनता है।
universe_dataset_images_search
किसी public Universe dataset URL के अंदर images खोजें।
Misc: लंबे समय तक चलने वाले tasks poll करें और feedback भेजें
async_tasks_get
id द्वारा async task को poll करें (उदा. project forks)। हर 5 सेकंड में poll करें; processing शुरू होने में 30 सेकंड तक लग सकते हैं।
meta_feedback_send
Roboflow टीम को bug, गायब feature, UX friction, या documentation issue रिपोर्ट करें।
अंतिम अपडेट
क्या यह उपयोगी था?