mcp-scentrev

Perfume MCP with a sense of smell Free fragrance MCP and perfume MCP server for AI agents.

От сообществаРаботаетБез входаГлобальныйБесплатноТолько чтение

Что умеет

  • Search Fragrances: Search the fragrance catalog by name, brand, or slug prefix. Returns public_id, fragrance_slug, brand, and ratio-safe rating metadata. Use at least 2 characters; returns up to 10 ro
  • Search Fragrances Filtered: Advanced catalog search: notes, accords, brand, gender, season, wear, rating, appreciation. Always returns at most 10 results (result_limit capped at 10). Use result_offset
  • Search By References: Multi-reference note blending: find fragrances whose pyramid overlaps two or more reference scents (Layering Lab style). Always returns at most 10 rows. WHEN TO USE - "mix X and

Какие данные видит

Нужен ли аккаунт

Не нужен: сервер работает без входа

Perfume MCP with a sense of smell Free fragrance MCP and perfume MCP server for AI agents. Query 126k+ scents for longevity, sillage, seasonality, and community scores from Cursor or Claude

Как подключить

Как подключить mcp-scentrev к Claude

Адрес сервера, который нужно вставить в настройках Claude:

https://mcp-scentrev--kandimallashashankreddy-7rf1.run.tools

  1. Откройте Claude (сайт claude.ai или приложение для компьютера).
  2. Перейдите в Настройки → Коннекторы (в английском интерфейсе: Settings → Connectors).
  3. Нажмите Добавить пользовательский коннектор (Add custom connector).
  4. Вставьте адрес сервера, скопированный ниже, в поле URL удалённого MCP-сервера и нажмите Добавить.
  5. В чате нажмите + → Коннекторы и включите новый коннектор.

Пользовательские коннекторы доступны на тарифах Free, Pro, Max, Team и Enterprise. На Free можно добавить только один. В Team и Enterprise коннектор сначала добавляет владелец организации в Настройки организации → Коннекторы.

Авторизация

После нажатия Добавить откроется окно входа в сервис. Войдите под своим аккаунтом и подтвердите доступ. Пароль Claude не видит.

Как подключить mcp-scentrev к ChatGPT

Адрес сервера, который нужно вставить в настройках ChatGPT:

https://mcp-scentrev--kandimallashashankreddy-7rf1.run.tools

  1. Откройте ChatGPT в браузере (chatgpt.com). Нужен тариф Plus, Pro, Business, Enterprise или Edu.
  2. Один раз включите режим разработчика: Настройки → Приложения → Дополнительные настройки → Режим разработчика (Settings → Apps → Advanced settings → Developer mode).
  3. Откройте Настройки → Коннекторы и нажмите Создать (Create).
  4. Заполните форму: Название (любое), Описание (одна фраза, что делает сервис), URL MCP-сервера (скопируйте ниже).
  5. В поле Аутентификация выберите OAuth, если сервис требует вход, иначе Нет. Нажмите Создать.
  6. В новом чате откройте + → Приложения/Коннекторы и включите коннектор.

Название раздела у OpenAI менялось (Connectors → Apps/Plugins). Если пункт называется иначе, ищите «режим разработчика» в настройках. В рабочих пространствах Business/Enterprise администратор должен разрешить пользовательские коннекторы.

Авторизация

При первом использовании ChatGPT откроет окно входа в сервис. Войдите и подтвердите доступ.

Как подключить mcp-scentrev к Cursor

Адрес сервера, который нужно вставить в настройках Cursor:

https://mcp-scentrev--kandimallashashankreddy-7rf1.run.tools

Быстрый способ: нажмите кнопку Открыть в Cursor ниже, Cursor сам предложит добавить сервер.

Вручную:

  1. В Cursor откройте Settings → Cursor Settings → MCP и нажмите Add new global MCP server.
  2. Вставьте JSON, скопированный ниже, в открывшийся файл ~/.cursor/mcp.json (для одного проекта: .cursor/mcp.json в корне проекта).
  3. Сохраните файл. Сервер появится в списке MCP; при необходимости пройдите авторизацию по кнопке рядом с ним.

Авторизация

Если сервис требует вход, рядом с сервером в списке MCP появится кнопка авторизации.

Список инструментов сервера (22)

Технические названия из tools/list. Нужны только разработчикам.

search_fragrancesSearch the fragrance catalog by name, brand, or slug prefix. Returns public_id, fragrance_slug, brand, and ratio-safe rating metadata. Use at least 2 characters; returns up to 10 rows.
search_fragrances_filteredAdvanced catalog search: notes, accords, brand, gender, season, wear, rating, appreciation. Always returns at most 10 results (result_limit capped at 10). Use result_offset to page. WHEN TO USE - Note/accord/brand/season discovery → this tool (not search_fragrances). - Name/brand prefix lookup → search_fragrances only. SEASON — filter_season: spring|summer|fall|winter. If min_season_category is omitted, the server defaults it to good to avoid timeouts on broad season browse. BRAND — scope results to one or more houses (names auto-slugified): - filter_brand_slug — single brand, e.g. "Tom Ford", "lattafa", "afnan" - filter_brand_slugs — multiple brands (OR), e.g. ["afnan", "tom ford"] - Omit brand to search the high-confidence slice (vote floor + capped pool). Pass a brand when the question is about one house. NOTES (substring match; iris matches Orris Root) - top_notes / middle_notes / base_notes — layer-specific; ALL patterns required per layer. - notes — any pyramid layer when layer not specified. ACCORDS — all patterns must match (substring). GENDER — filter_gender: male|female|unisex FILTERS — min_*_category (exact label) OR min_*_score (0-1): - min_longevity_category, min_sillage_category, min_projection_category - min_season_category (requires filter_season; auto-default good) - min_rating_category, min_appreciation_category - min_rating_votes (default 200 server-side; pass 0 to disable), min_reviews_count - max_rating_category, max_reviews_count — underrated / hidden-gem discovery SORT (descending): rating (default) | reviews | engagement | discovery | appreciation | longevity | sillage | projection | season. PAGINATION — result_offset (default 0). When truncated=true, request offset+limit next. DEBUG — explain=true echoes filters_applied; applied_defaults lists server injections. After search, use get_fragrance_profile(sections=[...]) or granular get_* tools for detail.
search_by_referencesMulti-reference note blending: find fragrances whose pyramid overlaps two or more reference scents (Layering Lab style). Always returns at most 10 rows. WHEN TO USE - "mix X and Y", "blend Le Beau with Virgin Island Water" → search_by_references (NOT get_reminds_of — that is single-fragrance community votes). - Manual note list without references → search_fragrances_filtered(notes=[...]). REFERENCE SLUGS — reference_slugs: 2+ slugs from search_fragrances. - note_mode: weighted (default) | intersect | union - max_notes_per_ref (default 5) samples across top/middle/base (not top-only) - min_note_overlap_ratio (default 0.20) - exclude_references: omit reference fragrances from results (default true) FILTERS & SORT — same as search_fragrances_filtered; sort_by default overlap. Candidates are capped to high-vote fragrances so famous pairs (Aventus, Sauvage) return instead of timing out. Supports result_offset and explain like filtered search. OUTPUT — search row plus overlap_score, overlap_ratio, blend metadata, matched_notes.
list_brandsBrowse catalog brands with fragrance counts. Optional query filters by brand name or slug substring. Returns up to 10 brands.
resolve_slugFuzzy-resolve a slug, fragrance name, or brand fragment to catalog entries with match_type (exact_slug, slug_prefix, name, brand). Use before get_fragrance_profile when the user gives an informal name.
compare_fragrancesSide-by-side wear metrics, rating, appreciation, and price_value for two or more fragrances. Pass fragrance_slugs and/or public_ids.
get_fragrance_profileFetch a ratio-safe profile for one fragrance. Defaults to the identity section. Pass sections for performance, notes, accords, or price. Provide public_id or fragrance_slug from search results.
get_wear_summaryWear-focused subset: identifiers plus longevity, sillage, projection, season fit, and time_of_day. No notes, perfumers, or pros/cons. Provide public_id or fragrance_slug.
get_identityFetch identity fields: description excerpt, gender, and star rating. Rating score is 0-1 (community stars are 0-5). Provide one identifier.
get_performanceFetch wear metrics: longevity, sillage, projection, season fit, and time of day. All scores are 0-1 with category labels.
get_appreciationFetch community sentiment on a hate-to-love scale with ratio-safe scores.
get_reminds_ofList fragrances that smell similar. Only like_ratio is exposed — no raw votes.
get_note_pyramidReturn top, heart, and base note names for one fragrance.
get_accordsReturn dominant accords with percentage weights (0-100, not 0-1).
get_scent_cardOne-call decision card: name, rating, longevity, sillage, projection, best season, appreciation, top accords, and three similar scents. Prefer this over calling get_identity, get_performance, get_appreciation, and get_accords separately.
suggest_occasionShortlist up to 5 scents for a named occasion. occasion: office | date_night | summer_day | winter_evening | fresh | cozy | signature | sport. Optional filter_gender: male | female | unisex. Uses a fixed accord filter so the search stays fast.
find_dupesFind cheaper or adjacent alternatives using reminds_of, price_value, and note overlap.
blind_buy_riskComposite blind-buy risk from appreciation variance and rating reliability.
decode_tasteAnalyze loved fragrances to surface shared note/accord DNA and recommendations.
wardrobe_addAdd a fragrance to the authenticated user's wardrobe.
wardrobe_listList the authenticated user's wardrobe items.
wardrobe_analyseReport coverage gaps in the user's fragrance collection.