Mellow Tapir Radio Spectrum Guide

Name: Mellow Tapir Radio Spectrum Guide
Author: guycole

作者：guycole版本 1.0.2i★ –i在你的电脑上运行

注册名称io.github.guycole/mellow-tapir

安装

概览

作者提供的说明（英文原文）

Explore likely radio services, channels, and emissions from 108 MHz to 1 GHz.

PopNx MCP 的三大支柱

这三项永远不会合并成一个分数：意见、测量和人气是不同的东西。

用户评价i暂无评价评价功能将在后续阶段与账户功能一起开放
我们的基础检查i1 项中通过 1 项依据公开信息检查；尚未扫描代码
使用情况i尚未统计★ –

它能帮你做什么

我们还没有为它写通俗的介绍。下面是我们从注册中心读取到的事实。

连接方式: 在你的电脑上运行
传输方式: Streamable HTTP
分类: 其他

安装

选择你使用的 AI 应用，然后复制设置。

安装之前

基础检查：1 项中通过 1 项
在你的电脑上运行，拥有你的用户账户的权限（文件、网络、应用）。
注册中心没有列出需要填写的密钥。

你需要

Docker已安装 Docker

你用的是哪个应用？

ClaudeClaude CodeCursorVS CodeChatGPT

在上方选择你的应用。我们会记住它，下次按钮会显示“安装到 …”。

打开 Claude Desktop → Settings → Developer → Edit Config，把下面的内容粘贴到 claude_desktop_config.json

{
  "mcpServers": {
    "mellow-tapir": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "ghcr.io/guycole/mellow-tapir-mcp:1.0.2"
      ]
    }
  }
}

在终端中运行这条命令

claude mcp add mellow-tapir -- docker run -i --rm ghcr.io/guycole/mellow-tapir-mcp:1.0.2

在 Cursor 中打开

或者自己复制设置

粘贴到项目中的 .cursor/mcp.json，或 ~/.cursor/mcp.json

{
  "mcpServers": {
    "mellow-tapir": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "ghcr.io/guycole/mellow-tapir-mcp:1.0.2"
      ]
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

在 VS Code 中打开

或者自己复制设置

粘贴到项目中的 .vscode/mcp.json

{
  "servers": {
    "mellow-tapir": {
      "type": "stdio",
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "ghcr.io/guycole/mellow-tapir-mcp:1.0.2"
      ]
    }
  }
}

浏览器会先询问是否打开应用，然后应用会显示设置并请你确认。密钥的值会留空，由你自己填写。

这个服务器在你的电脑上运行，而 ChatGPT 只能连接互联网上的服务器。请选择其他应用。

你的选择通过 Cookie 保存在这台设备上，无需账户。

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同，请以 README 为准。

它能做什么

它在你的电脑上运行；安装后，工具列表会显示在你的 AI 应用中。

基础检查i

我们检查的是任何人都能看到的信息；我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月7日

✓ 通过
作者与仓库一致
注册名称已通过 GitHub 账户 guycole 验证，该账户拥有此仓库
… 尚未检查
仍在维护
我们还没有从 GitHub 读取这个仓库
… 尚未检查
有许可证
我们还没有从 GitHub 读取这个仓库
– 不适用
端点有响应
它在你的电脑上运行，没有互联网端点
– 不适用
使用 OAuth 登录
在你的电脑上运行，改用本地设置
… 尚未检查
工具描述中没有隐藏指令
它在你的电脑上运行；我们只能读取互联网端点的工具列表

与“其他”中的其他服务器比较i

星标数多于此分类中其他 32599 个服务器的 0%
发布到注册中心的时间比此分类中其他 32599 个服务器的 47% 更新
基础检查结果等于或优于此分类中其他 32599 个服务器的 100%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时，星标数才计入。

常见问题

Mellow Tapir Radio Spectrum Guide 安全吗？

它在 1 项适用的基础检查中通过了 1 项。我们没有阅读代码。在添加密钥或令牌之前，请先看看这个服务器要求哪些权限，并使用只具备所需权限的密钥。

它需要哪些密钥或代码？

注册中心没有列出必需的密钥，不过有些服务器会在首次使用时要求你登录。

它在我的电脑上运行还是在云端？

它在你的电脑上运行。你的 AI 应用会在需要时启动它，数据不会经过作者的服务器（除非它自己调用在线服务）。

它还在维护吗？

GitHub 仓库最后更新于–，最新版本（1.0.2）于2个月前进入注册中心。

哪些应用可以使用它？

支持 MCP 的应用，例如 Claude Desktop、Claude Code、Cursor 和 VS Code。你的电脑上还需要有 Docker。

有什么可以替代它？

同一分类中有：Spec Driven Development, Remote Desktop Commander, Zendesk

替代选择

同一分类中其他作者的服务器，按星标数排序。

如何看卡片：★ GitHub 星标i三大支柱：评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

Spec Driven Development

作者：formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

在你的电脑上运行★ 440MIT14个月前更新

安装

Remote Desktop Commander

作者：desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

在云端运行★ 211前天更新

安装

Zendesk

作者：pipeworx-io

Zendesk MCP Pack — tickets, users, organizations via OAuth.

电脑或云端今天更新

安装

作者的 README

打开 README

按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。

Tapir MCP Server

This directory contains an MCP server with both stdio and streamable HTTP transports. The server uses data from src/tapir_schema/seed.json and source schema text from src/tapir_schema/schema.sql, then serves a read-only SQLite catalog.

Python environment

Use the existing local virtual environment:

cd src/tapir_mcp_server

./venv/bin/python -m pip install -r requirements.txt

Build the SQLite database

cd /Users/gsc/github/mellow-tapir/src/tapir_mcp_server

./venv/bin/python -m mcp_server.build_db \ --db-path data/tapir.sqlite \ --seed-path ../tapir_schema/seed.json \ --schema-path ../tapir_schema/schema.sql

Run in stdio mode

cd /Users/gsc/github/mellow-tapir/src/tapir_mcp_server

TAPIR_DB_PATH=data/tapir.sqlite \ TAPIR_SEED_PATH=../tapir_schema/seed.json \ TAPIR_SCHEMA_PATH=../tapir_schema/schema.sql \ ./venv/bin/python -m mcp_server --transport stdio

Run in HTTP mode

cd /Users/gsc/github/mellow-tapir/src/tapir_mcp_server

TAPIR_DB_PATH=data/tapir.sqlite \ TAPIR_SEED_PATH=../tapir_schema/seed.json \ TAPIR_SCHEMA_PATH=../tapir_schema/schema.sql \ REFERENCE_LLM_MODEL=gpt-oss:20b \ OLLAMA_BASE_URL=http://127.0.0.1:11434 \ ./venv/bin/python -m mcp_server \ --transport http --host 0.0.0.0 --port 8000 --path /mcp

Local testing with Ollama gpt-oss:20b

Start Ollama and ensure the reference model is available:

ollama serve

In another terminal:

ollama pull gpt-oss:20b

ollama run gpt-oss:20b "Summarize the purpose of this MCP server in one sentence."

Run the MCP server with the same local Ollama endpoint:

cd /Users/gsc/github/mellow-tapir/src/tapir_mcp_server

TAPIR_DB_PATH=data/tapir.sqlite \ TAPIR_SEED_PATH=../tapir_schema/seed.json \ TAPIR_SCHEMA_PATH=../tapir_schema/schema.sql \ REFERENCE_LLM_MODEL=gpt-oss:20b \ OLLAMA_BASE_URL=http://127.0.0.1:11434 \ ./venv/bin/python -m mcp_server --transport http --host 127.0.0.1 --port 8000 --path /mcp

When connected with an MCP client, call ask_reference_model with a test prompt. If Ollama is reachable and the model is present, the tool returns a response body and metadata including model and done status.

Sample local MCP session (with Ollama)

This sample session verifies end-to-end behavior:

Build or refresh the SQLite catalog.
Start Ollama and pull gpt-oss:20b.
Start the MCP server over HTTP.
Connect with a client and call tools.

Terminal 1: start Ollama

ollama serve

Terminal 2: pull model and optional sanity prompt

ollama pull gpt-oss:20b

ollama run gpt-oss:20b "Reply with: Ollama ready"

Terminal 3: start Tapir MCP server

cd /Users/gsc/github/mellow-tapir/src/tapir_mcp_server

./venv/bin/python -m mcp_server.build_db \ --db-path data/tapir.sqlite \ --seed-path ../tapir_schema/seed.json \ --schema-path ../tapir_schema/schema.sql

TAPIR_DB_PATH=data/tapir.sqlite \ TAPIR_SEED_PATH=../tapir_schema/seed.json \ TAPIR_SCHEMA_PATH=../tapir_schema/schema.sql \ REFERENCE_LLM_MODEL=gpt-oss:20b \ OLLAMA_BASE_URL=http://127.0.0.1:11434 \ ./venv/bin/python -m mcp_server --transport http --host 127.0.0.1 --port 8000 --path /mcp

Terminal 4: sample client requests

cd /Users/gsc/github/mellow-tapir

/Users/gsc/github/mellow-tapir/src/tapir_mcp_server/venv/bin/python - <<'PY' import anyio from mcp.client.session import ClientSession from mcp.client.streamable_http import streamable_http_client

async def main() -> None: async with streamable_http_client("http://127.0.0.1:8000/mcp") as ( read_stream, write_stream, ): session = ClientSession(read_stream, write_stream) async with session: await session.initialize()

classify = await session.call_tool( "classify_frequency", {"frequency": "121.5"} ) print("classify_frequency:") print(classify.content[0].text)

llm = await session.call_tool( "ask_reference_model", { "prompt": "Explain 121.5 MHz in one sentence.", "temperature": 0.1, }, ) print("ask_reference_model:") print(llm.content[0].text)

anyio.run(main) PY

Expected outcome:

classify_frequency returns aviation emergency channel data around 121.5 MHz.
ask_reference_model returns a completion from local Ollama model gpt-oss:20b.

Available tools

classify_frequency
Purpose: classify a single frequency into matching bands and exact known channels.
Input: frequency as numeric Hz, MHz string (121.5), or explicit unit (121.5MHz).
Output: frequency metadata, channel matches, and band matches with emissions.
query_channels
Purpose: list known channels in a frequency range.
Input: lower_hz, upper_hz, optional limit.
Output: ordered channel rows with labels, services, and emissions.
search_services
Purpose: text search across service names and use names.
Input: service_query, optional limit.
Output: matching service/use combinations with range summaries.
execute_readonly_sql
Purpose: ad hoc read-only analysis over the SQLite catalog.
Input: SQL SELECT or WITH query and optional limit.
Output: column list, row list, and row count.
Guardrails: write operations are rejected.
ask_reference_model
Purpose: query local reference LLM through Ollama.
Input: prompt, optional system_prompt, optional temperature.
Output: model response text and completion metadata.
Default model: gpt-oss:20b (override with REFERENCE_LLM_MODEL).

Available resources

tapir://metadata
tapir://sources/seed-json
tapir://sources/schema-sql

Docker

Build locally:

cd /Users/gsc/github/mellow-tapir

docker build -f src/tapir_mcp_server/Dockerfile -t tapir-mcp:local .

Run:

docker run --rm -p 8080:8080 \

-e OLLAMA_BASE_URL=http://host.docker.internal:11434 \ tapir-mcp:local

The GitHub Actions workflow in .github/workflows/tapir-mcp-server-image.yml publishes images to GitHub Container Registry.

SQLite data lineage and refresh

The SQLite database in data/tapir.sqlite is generated from two source files:

src/tapir_schema/seed.json: canonical editable catalog of bands, emissions, and channels.
src/tapir_schema/schema.sql: source PostgreSQL schema retained for provenance and parity checks.

Generation is handled by mcp_server.build_db, which:

creates SQLite tables (band, band_emission, channel, dataset_metadata),
reloads records from seed.json,
stores source provenance metadata (including source paths and schema SQL text),
produces a read-ready file used in read-only mode by the MCP server.

When updating the dataset in the future:

Edit src/tapir_schema/seed.json.
Optionally update src/tapir_schema/schema.sql if source-schema intent changed.
Rebuild SQLite:

cd /Users/gsc/github/mellow-tapir/src/tapir_mcp_server

./venv/bin/python -m mcp_server.build_db \ --db-path data/tapir.sqlite \ --seed-path ../tapir_schema/seed.json \ --schema-path ../tapir_schema/schema.sql

Restart the MCP server so it uses the refreshed SQLite file.

The container image build also runs this same build step during docker build, so image contents stay aligned with the latest checked-in seed.json and schema.sql.

Mellow Tapir Radio Spectrum Guide

概览

PopNx MCP 的三大支柱

它能帮你做什么

安装

安装之前

它能做什么

基础检查i

作者与仓库一致

仍在维护

有许可证

端点有响应

使用 OAuth 登录

工具描述中没有隐藏指令

与“其他”中的其他服务器比较i

常见问题

替代选择

Spec Driven Development

Remote Desktop Commander

Zendesk

作者的 README

Tapir MCP Server

Python environment

Build the SQLite database

Run in stdio mode

Run in HTTP mode

Local testing with Ollama gpt-oss:20b

Sample local MCP session (with Ollama)

Available tools

Available resources

Docker

SQLite data lineage and refresh