> ## Documentation Index
> Fetch the complete documentation index at: https://avala.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# MCP Server

> Model Context Protocol மூலம் Claude, Claude Code, Cursor, VS Code மற்றும் ChatGPT உடன் Avala ஐப் பயன்படுத்தவும்

[Model Context Protocol (MCP)](https://modelcontextprotocol.io/) என்பது ஒரு திறந்த தரநிலையாகும், இது AI உதவியாளர்களை வெளிப்புற கருவிகள் மற்றும் தரவு மூலங்களுடன் தொடர்பு கொள்ள அனுமதிக்கிறது. Avala இன் MCP server உங்கள் datasets, projects மற்றும் exports ஆகியவற்றை எந்த MCP-இணக்கமான client-ம் அழைக்கக்கூடிய கருவிகளாக வெளிப்படுத்துகிறது, எனவே நீங்கள் சூழலை மாற்றாமல் இயற்கை மொழி மூலம் உங்கள் annotation பணிப்பாய்வை நிர்வகிக்கலாம்.

இதன் பொருள், நீங்கள் Claude-இடம் "எனது அனைத்து datasets-ஐயும் பட்டியலிடு" என்று கேட்கலாம், Cursor-ஐப் பயன்படுத்தி ஒரு export உருவாக்கலாம், அல்லது VS Code-ஐப் பயன்படுத்தி project நிலையைச் சரிபார்க்கலாம் — இவை அனைத்தும் நீங்கள் ஏற்கனவே பயன்படுத்தும் அதே Avala API மூலம் இயக்கப்படுகின்றன.

## முன்நிபந்தனைகள்

* உங்கள் கணினியில் **Node.js** 18 அல்லது அதற்குப் பிந்தைய பதிப்பு நிறுவப்பட்டிருக்க வேண்டும்
* ஒரு **Avala API key** ([Mission Control](https://avala.ai/settings?section=security) இல் **Settings > Security** பகுதியில் உருவாக்கவும்)

## அமைப்பு

### Claude Desktop

உங்கள் Claude Desktop configuration கோப்பைத் திறக்கவும்:

* **macOS:** `~/Library/Application Support/Claude/claude_desktop_config.json`
* **Windows:** `%APPDATA%\Claude\claude_desktop_config.json`

Avala MCP server-ஐ சேர்க்கவும்:

<Warning>
  உண்மையான API keys கொண்ட config கோப்புகளை version control-இல் ஒருபோதும் commit செய்யாதீர்கள். `AVALA_API_KEY` ஐ ஒரு system environment variable ஆக அமைக்கவும், அல்லது `"your-api-key"` ஐ உங்கள் உண்மையான key-யால் உள்ளூரில் மாற்றி, config கோப்பு உங்கள் `.gitignore`-இல் இருப்பதை உறுதி செய்யவும்.
</Warning>

```json theme={null}
{
  "mcpServers": {
    "avala": {
      "command": "npx",
      "args": ["-y", "@avala-ai/mcp-server"],
      "env": {
        "AVALA_API_KEY": "your-api-key"
      }
    }
  }
}
```

Claude Desktop-ஐ மறுதொடக்கம் செய்யவும். கருவி தேர்வியில் Avala கருவிகள் கிடைக்கும்.

### Cursor

உங்கள் project root (அல்லது global config directory) இல் `.cursor/mcp.json` ஐ உருவாக்கவும் அல்லது திருத்தவும்:

<Warning>
  `.cursor/mcp.json` உங்கள் project root-இல் உள்ளது, இது git-இல் commit ஆகலாம். இதை உங்கள் `.gitignore`-இல் சேர்க்கவும் அல்லது config கோப்பில் நேரடியாக வைப்பதற்குப் பதிலாக `AVALA_API_KEY` ஐ ஒரு system environment variable ஆக அமைக்கவும்.
</Warning>

```json theme={null}
{
  "mcpServers": {
    "avala": {
      "command": "npx",
      "args": ["-y", "@avala-ai/mcp-server"],
      "env": {
        "AVALA_API_KEY": "your-api-key"
      }
    }
  }
}
```

Cursor-ஐ மறுதொடக்கம் செய்யவும் அல்லது சாளரத்தை மீளேற்றவும். Cursor இன் agent mode-இல் Avala கருவிகள் தோன்றும்.

### VS Code

உங்கள் workspace-இல் `.vscode/mcp.json` ஐ உருவாக்கவும் அல்லது திருத்தவும்:

<Warning>
  `.vscode/mcp.json` உங்கள் workspace-இல் உள்ளது, இது git-இல் commit ஆகலாம். இதை உங்கள் `.gitignore`-இல் சேர்க்கவும் அல்லது config கோப்பில் நேரடியாக வைப்பதற்குப் பதிலாக `AVALA_API_KEY` ஐ ஒரு system environment variable ஆக அமைக்கவும்.
</Warning>

```json theme={null}
{
  "mcpServers": {
    "avala": {
      "command": "npx",
      "args": ["-y", "@avala-ai/mcp-server"],
      "env": {
        "AVALA_API_KEY": "your-api-key"
      }
    }
  }
}
```

MCP ஆதரவு இயக்கப்பட்ட [GitHub Copilot](https://marketplace.visualstudio.com/items?itemName=GitHub.copilot) நீட்டிப்பு நிறுவப்பட்டிருப்பதை உறுதி செய்யவும். புதிய server-ஐ எடுக்க VS Code-ஐ மறுதொடக்கம் செய்யவும்.

### Claude Code

ஒரே கட்டளையில் Claude Code-க்கு Avala MCP server-ஐ சேர்க்கவும்:

```bash theme={null}
claude mcp add avala -- npx -y @avala-ai/mcp-server
```

உங்கள் API key-ஐ environment variable ஆக அமைக்கவும்:

```bash theme={null}
export AVALA_API_KEY="your-api-key"
```

Claude Code-ஐ மறுதொடக்கம் செய்யவும். உங்கள் அமர்வில் Avala கருவிகள் கிடைக்கும்.

### ChatGPT

<Info>
  ChatGPT இன் MCP ஆதரவு உருவாகி வருகிறது. சமீபத்திய அமைப்பு வழிமுறைகள் மற்றும் உங்கள் திட்டம் மற்றும் பிராந்தியத்தில் கிடைக்கும் தன்மை குறித்து [OpenAI இன் ஆவணங்களைப்](https://platform.openai.com/docs) பார்க்கவும்.
</Info>

## MCP பாதுகாப்பு முறை

பாதுகாப்பிற்காக, MCP server இயல்பாக படிப்பு-மட்டும் முறையில் இருக்கும். மாற்றம் செய்யும் கருவிகள் நீங்கள் அவற்றை வெளிப்படையாக இயக்கும் வரை பதிவு செய்யப்படாது:

```bash theme={null}
AVALA_MCP_ENABLE_MUTATIONS=true
```

இந்த environment variable-ஐ server-ஐ தொடங்குவதற்கு முன் உங்கள் MCP server process environment-இல் அமைக்கலாம்.

இயல்பாக, பின்வரும் எழுதுதல்/நீக்குதல் செயல்பாடுகள் தடுக்கப்படும்:

* `create_dataset`
* `create_agent`, `delete_agent`
* `create_annotation_issue`, `update_annotation_issue`, `delete_annotation_issue`
* `create_storage_config`, `test_storage_config`, `delete_storage_config`
* `create_webhook`, `delete_webhook`
* `create_export`
* `evaluate_quality`
* `compute_consensus`
* `fleet_register_device`, `fleet_acknowledge_alert`

## கிடைக்கும் MCP கருவிகள்

இணைக்கப்பட்டவுடன், பின்வரும் கருவிகள் AI உதவியாளருக்கு கிடைக்கும்:

| கருவி                                | விளக்கம்                                                                                                               |
| ------------------------------------ | ---------------------------------------------------------------------------------------------------------------------- |
| `list_datasets`                      | உங்கள் workspace-இல் உள்ள அனைத்து datasets-ஐயும் பட்டியலிடுங்கள்.                                                      |
| `get_dataset`                        | ஒரு குறிப்பிட்ட dataset-ன் விவரங்களைப் பெறுங்கள்.                                                                      |
| `create_dataset`                     | annotation-க்கான புதிய dataset-ஐ உருவாக்குங்கள். <span className="text-orange-500 text-xs font-medium">mutation</span> |
| `list_projects`                      | அனைத்து annotation projects-ஐயும் பட்டியலிடுங்கள்.                                                                     |
| `get_project`                        | முழு project விவரங்களைப் பெறுங்கள்.                                                                                    |
| `create_export`                      | ஒரு dataset அல்லது project-க்கு புதிய export-ஐ தொடங்குங்கள். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                |
| `get_export_status`                  | export நிலையைச் சரிபார்க்கவும்.                                                                                        |
| `list_exports`                       | அனைத்து exports-ஐயும் பட்டியலிடுங்கள்.                                                                                 |
| `get_workspace_stats`                | workspace பயன்பாட்டு சுருக்கத்தைப் பெறுங்கள்.                                                                          |
| `list_tasks`                         | விருப்ப வடிகட்டலுடன் tasks-ஐ பட்டியலிடுங்கள்.                                                                          |
| `get_task`                           | task விவரங்களைப் பெறுங்கள்.                                                                                            |
| `list_agents`                        | automation agents-ஐ பட்டியலிடுங்கள்.                                                                                   |
| `get_agent`                          | agent விவரங்களைப் பெறுங்கள்.                                                                                           |
| `create_agent`                       | புதிய automation agent-ஐ உருவாக்குங்கள். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                    |
| `delete_agent`                       | ஒரு agent-ஐ நீக்குங்கள். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                                    |
| `list_webhooks`                      | webhook subscriptions-ஐ பட்டியலிடுங்கள்.                                                                               |
| `create_webhook`                     | webhook subscription-ஐ உருவாக்குங்கள். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                      |
| `delete_webhook`                     | ஒரு webhook-ஐ நீக்குங்கள். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                                  |
| `list_storage_configs`               | storage configurations-ஐ பட்டியலிடுங்கள்.                                                                              |
| `create_storage_config`              | storage configuration-ஐ உருவாக்குங்கள். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                     |
| `test_storage_config`                | storage இணைப்பைச் சோதிக்கவும். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                              |
| `delete_storage_config`              | ஒரு storage configuration-ஐ நீக்குங்கள். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                    |
| `list_quality_targets`               | ஒரு project-க்கான quality targets-ஐ பட்டியலிடுங்கள்.                                                                   |
| `evaluate_quality`                   | quality targets-ஐ மதிப்பிடுங்கள். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                           |
| `get_consensus_summary`              | ஒரு project-க்கான consensus சுருக்கத்தைப் பெறுங்கள்.                                                                   |
| `compute_consensus`                  | consensus கணக்கீட்டைத் தொடங்குங்கள். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                        |
| `list_organizations`                 | organizations-ஐ பட்டியலிடுங்கள்.                                                                                       |
| `get_organization`                   | organization விவரங்களைப் பெறுங்கள்.                                                                                    |
| `list_slices`                        | ஒரு owner-க்கான slices-ஐ பட்டியலிடுங்கள்.                                                                              |
| `get_slice`                          | slice விவரங்களைப் பெறுங்கள்.                                                                                           |
| `list_annotation_issues_by_sequence` | ஒரு sequence-க்கான annotation issues-ஐ பட்டியலிடுங்கள்.                                                                |
| `create_annotation_issue`            | புதிய annotation issue-ஐ உருவாக்குங்கள். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                    |
| `update_annotation_issue`            | ஒரு annotation issue-ஐ புதுப்பிக்கவும். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                     |
| `delete_annotation_issue`            | ஒரு annotation issue-ஐ நீக்குங்கள். *(`AVALA_MCP_ENABLE_MUTATIONS=true` தேவை)*                                         |
| `list_annotation_issues_by_dataset`  | ஒரு dataset-க்கான annotation issues-ஐ பட்டியலிடுங்கள்.                                                                 |
| `get_annotation_issue_metrics`       | ஒரு dataset-க்கான issue metrics-ஐ பெறுங்கள்.                                                                           |
| `list_qc_tools`                      | கிடைக்கும் QC கருவிகளைப் பட்டியலிடுங்கள்.                                                                              |

### Fleet (முன்னோட்டம்)

<Info>
  Fleet கருவிகள் முன்னோட்டத்தில் உள்ளன, மாற்றமடையலாம். அவை fleet devices, recordings, events, alerts மற்றும் rules ஆகியவற்றுக்கு படிப்பு மற்றும் எழுதுதல் அணுகலை வழங்குகின்றன.
</Info>

| கருவி                     | விளக்கம்                                                                                                      |
| ------------------------- | ------------------------------------------------------------------------------------------------------------- |
| `fleet_list_devices`      | விருப்ப வடிகட்டல்களுடன் fleet devices-ஐ பட்டியலிடுங்கள்.                                                      |
| `fleet_get_device`        | ஒரு குறிப்பிட்ட fleet device பற்றிய விரிவான தகவல்களைப் பெறுங்கள்.                                             |
| `fleet_list_recordings`   | விருப்ப வடிகட்டல்களுடன் fleet recordings-ஐ பட்டியலிடுங்கள்.                                                   |
| `fleet_get_recording`     | ஒரு குறிப்பிட்ட recording பற்றிய விரிவான தகவல்களைப் பெறுங்கள்.                                                |
| `fleet_list_events`       | விருப்ப வடிகட்டல்களுடன் fleet events-ஐ பட்டியலிடுங்கள்.                                                       |
| `fleet_list_alerts`       | விருப்ப வடிகட்டல்களுடன் fleet alerts-ஐ பட்டியலிடுங்கள்.                                                       |
| `fleet_list_rules`        | விருப்ப வடிகட்டல்களுடன் fleet rules-ஐ பட்டியலிடுங்கள்.                                                        |
| `fleet_register_device`   | புதிய fleet device-ஐ பதிவு செய்யுங்கள். <span className="text-orange-500 text-xs font-medium">mutation</span> |
| `fleet_acknowledge_alert` | ஒரு fleet alert-ஐ ஒப்புக்கொள்ளுங்கள். <span className="text-orange-500 text-xs font-medium">mutation</span>   |

## கருவி வரையறைகள்

ஒவ்வொரு MCP கருவிக்கான விரிவான schemas. அனைத்து கருவிகளும் JSON-ஐ text content-ஆக திருப்பி அனுப்பும்.

### list\_datasets

workspace-இல் உள்ள அனைத்து datasets-ஐயும் பட்டியலிடுகிறது.

**Parameters:**

* `dataType` (string, optional) — தரவு வகை மூலம் வடிகட்டவும் (`image`, `video`, `lidar`, `mcap`, `splat`)
* `name` (string, optional) — dataset பெயர் மூலம் வடிகட்டவும் (பகுதி பொருத்தம்)
* `status` (string, optional) — dataset நிலை மூலம் வடிகட்டவும்
* `visibility` (string, optional) — தெரிவுநிலை மூலம் வடிகட்டவும் (`private` அல்லது `public`)
* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச datasets எண்ணிக்கை
* `cursor` (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

**எடுத்துக்காட்டு பதில்:**

```json theme={null}
{
  "datasets": [
    {
      "uid": "d8f2e1a4-3b7c-4e9f-a1d6-5c8b9e0f2a3d",
      "name": "Urban Driving Q1",
      "slug": "urban-driving-q1",
      "dataType": "lidar",
      "itemCount": 12450,
      "visibility": "private",
      "status": "active",
      "createdAt": "2026-01-15T08:30:00Z"
    },
    {
      "uid": "a1b2c3d4-5e6f-7a8b-9c0d-e1f2a3b4c5d6",
      "name": "Warehouse Cameras",
      "slug": "warehouse-cameras",
      "dataType": "image",
      "itemCount": 34200,
      "visibility": "private",
      "status": "active",
      "createdAt": "2026-02-20T14:15:00Z"
    }
  ],
  "cursor": "eyJpZCI6MTAwfQ=="
}
```

### get\_dataset

ஒரு குறிப்பிட்ட dataset-ன் விவரங்களைப் பெறுகிறது.

**Parameters:**

* `uid` (string, required) — dataset-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

**எடுத்துக்காட்டு பதில்:**

```json theme={null}
{
  "uid": "d8f2e1a4-3b7c-4e9f-a1d6-5c8b9e0f2a3d",
  "name": "Urban Driving Q1",
  "slug": "urban-driving-q1",
  "dataType": "lidar",
  "itemCount": 12450,
  "sequenceCount": 85,
  "visibility": "private",
  "status": "active",
  "owner": "acme-robotics",
  "createdAt": "2026-01-15T08:30:00Z",
  "updatedAt": "2026-03-10T11:45:00Z"
}
```

**பிழை பதில் (தவறான UID):**

```json theme={null}
{
  "error": "not_found",
  "message": "Dataset with UID 'invalid-uid-here' was not found.",
  "status": 404
}
```

### list\_projects

அனைத்து annotation projects-ஐயும் பட்டியலிடுகிறது.

**Parameters:**

* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச projects எண்ணிக்கை
* `cursor` (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

### get\_project

ஒரு குறிப்பிட்ட project-ன் விவரங்களைப் பெறுகிறது.

**Parameters:**

* `uid` (string, required) — project-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

### create\_dataset

annotation-க்கான புதிய dataset-ஐ உருவாக்குகிறது.

**Parameters:**

* `name` (string, required) — dataset-ன் காட்சி பெயர்
* `slug` (string, required) — dataset-க்கான URL-நட்பு அடையாளங்காட்டி
* `dataType` (string, required) — தரவு வகை: `image`, `video`, `lidar`, அல்லது `mcap`
* `visibility` (string, optional) — dataset தெரிவுநிலை: `private` அல்லது `public` (இயல்புநிலை: `private`)
* `createMetadata` (boolean, optional) — dataset metadata உருவாக்க வேண்டுமா (இயல்புநிலை: true)
* `providerConfig` (object, optional) — Cloud storage provider configuration
* `ownerName` (string, optional) — dataset owner பயனர்பெயர் அல்லது மின்னஞ்சல்

### create\_export

ஒரு dataset அல்லது project-க்கு புதிய export-ஐ தொடங்குகிறது.

**Parameters:**

* `project` (string, optional) — export செய்ய வேண்டிய project UID
* `dataset` (string, optional) — export செய்ய வேண்டிய dataset UID

**எடுத்துக்காட்டு பதில்:**

```json theme={null}
{
  "uid": "e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9",
  "status": "pending",
  "project": "770a9600-a40d-63f6-c938-668877660000",
  "createdAt": "2026-03-19T10:00:00Z"
}
```

### get\_export\_status

ஒரு export-ன் நிலையைச் சரிபார்க்கிறது.

**Parameters:**

* `uid` (string, required) — export-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

**எடுத்துக்காட்டு பதில்:**

```json theme={null}
{
  "uid": "e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9",
  "status": "completed",
  "project": "770a9600-a40d-63f6-c938-668877660000",
  "downloadUrl": "https://api.avala.ai/exports/e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9/download",
  "fileSize": 52428800,
  "createdAt": "2026-03-19T10:00:00Z",
  "completedAt": "2026-03-19T10:02:34Z"
}
```

### list\_exports

workspace-இல் உள்ள அனைத்து exports-ஐயும் பட்டியலிடுகிறது.

**Parameters:**

* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச exports எண்ணிக்கை
* `cursor` (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

### get\_workspace\_stats

workspace உள்ளடக்கங்களின் (datasets, projects, exports) விரைவான சரிபார்ப்பைப் பெறுகிறது.

**Parameters:** இல்லை

**எடுத்துக்காட்டு பதில்:**

```json theme={null}
{
  "datasets": 14,
  "projects": 7,
  "exports": 23,
  "tasks": {
    "total": 8420,
    "pending": 312,
    "completed": 7856,
    "inProgress": 252
  },
  "members": 18
}
```

### list\_tasks

project அல்லது நிலை மூலம் விருப்ப வடிகட்டலுடன் tasks-ஐ பட்டியலிடுகிறது.

**Parameters:**

* `project` (string, optional) — project UID மூலம் வடிகட்டவும்
* `status` (string, optional) — task நிலை மூலம் வடிகட்டவும்
* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச tasks எண்ணிக்கை
* `cursor` (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

**எடுத்துக்காட்டு பதில்:**

```json theme={null}
{
  "tasks": [
    {
      "uid": "t1a2b3c4-d5e6-f7a8-b9c0-d1e2f3a4b5c6",
      "status": "completed",
      "project": "770a9600-a40d-63f6-c938-668877660000",
      "assignee": "jane.doe@acme.com",
      "completedAt": "2026-03-18T16:30:00Z"
    },
    {
      "uid": "t7e8f9a0-b1c2-d3e4-f5a6-b7c8d9e0f1a2",
      "status": "pending",
      "project": "770a9600-a40d-63f6-c938-668877660000",
      "assignee": null,
      "completedAt": null
    }
  ],
  "cursor": "eyJ0YXNrSWQiOjUwfQ=="
}
```

### get\_task

ஒரு குறிப்பிட்ட task பற்றிய விரிவான தகவல்களைப் பெறுகிறது.

**Parameters:**

* `uid` (string, required) — task-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

### list\_agents

உங்கள் workspace-இல் கட்டமைக்கப்பட்ட அனைத்து automation agents-ஐயும் பட்டியலிடுகிறது.

**Parameters:**

* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச agents எண்ணிக்கை
* `cursor` (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

### get\_agent

ஒரு குறிப்பிட்ட automation agent பற்றிய விரிவான தகவல்களைப் பெறுகிறது.

**Parameters:**

* `uid` (string, required) — agent-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

### create\_agent

event subscriptions மற்றும் callback URL உடன் புதிய automation agent-ஐ உருவாக்குகிறது.

**Parameters:**

* `name` (string, required) — agent-ன் பெயர்
* `events` (string\[], required) — agent subscribe செய்யும் event வகைகளின் பட்டியல்
* `callbackUrl` (string, optional) — event callbacks பெற URL
* `description` (string, optional) — agent-ன் விளக்கம்
* `project` (string, optional) — agent-ஐ scope செய்ய project UID
* `taskTypes` (string\[], optional) — agent கையாளும் task வகைகள்

### delete\_agent

UID மூலம் ஒரு automation agent-ஐ நீக்குகிறது.

**Parameters:**

* `uid` (string, required) — நீக்க வேண்டிய agent-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

### list\_webhooks

உங்கள் workspace-இல் உள்ள அனைத்து webhook subscriptions-ஐயும் பட்டியலிடுகிறது.

**Parameters:**

* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச webhooks எண்ணிக்கை
* `cursor` (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

### create\_webhook

குறிப்பிட்ட events-க்கான புதிய webhook subscription-ஐ உருவாக்குகிறது.

**Parameters:**

* `targetUrl` (string, required) — webhook deliveries பெற URL
* `events` (string\[], required) — subscribe செய்ய வேண்டிய event வகைகளின் பட்டியல்

### delete\_webhook

UID மூலம் ஒரு webhook subscription-ஐ நீக்குகிறது.

**Parameters:**

* `uid` (string, required) — நீக்க வேண்டிய webhook-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

### list\_storage\_configs

உங்கள் workspace-இல் உள்ள அனைத்து storage configurations-ஐயும் பட்டியலிடுகிறது.

**Parameters:**

* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச storage configs எண்ணிக்கை
* `cursor` (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

### create\_storage\_config

புதிய storage configuration-ஐ உருவாக்குகிறது (S3 அல்லது Google Cloud Storage).

**Parameters:**

* `name` (string, required) — storage configuration-ன் பெயர்
* `provider` (string, required) — storage provider வகை (`s3` அல்லது `gcs`)
* `s3BucketName` (string, optional) — S3 bucket பெயர்
* `s3BucketRegion` (string, optional) — S3 bucket region
* `s3BucketPrefix` (string, optional) — S3 key prefix
* `s3AccessKeyId` (string, optional) — S3 access key ID (server-side-இல் பாதுகாப்பாக சேமிக்கப்படும்)
* `s3SecretAccessKey` (string, optional) — S3 secret access key (server-side-இல் பாதுகாப்பாக சேமிக்கப்படும்)
* `s3IsAccelerated` (boolean, optional) — S3 Transfer Acceleration-ஐ இயக்கவும்
* `gcStorageBucketName` (string, optional) — Google Cloud Storage bucket பெயர்
* `gcStoragePrefix` (string, optional) — Google Cloud Storage prefix
* `gcStorageAuthJsonContent` (string, optional) — GCS service account JSON credentials (server-side-இல் பாதுகாப்பாக சேமிக்கப்படும்)

### test\_storage\_config

ஒரு storage configuration-ன் இணைப்பைச் சோதிக்கிறது.

**Parameters:**

* `uid` (string, required) — சோதிக்க வேண்டிய storage config-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

### delete\_storage\_config

UID மூலம் ஒரு storage configuration-ஐ நீக்குகிறது.

**Parameters:**

* `uid` (string, required) — நீக்க வேண்டிய storage config-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

### list\_quality\_targets

ஒரு குறிப்பிட்ட project-க்கு கட்டமைக்கப்பட்ட quality targets-ஐ பட்டியலிடுகிறது.

**Parameters:**

* `projectUid` (string, required) — project-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)
* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச quality targets எண்ணிக்கை
* `cursor` (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

### evaluate\_quality

ஒரு project-க்கான அனைத்து quality targets-ஐயும் மதிப்பிட்டு அவற்றின் தற்போதைய நிலையை வழங்குகிறது.

**Parameters:**

* `projectUid` (string, required) — மதிப்பிட வேண்டிய project-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

### get\_consensus\_summary

ஒரு project-க்கான consensus சுருக்கத்தைப் பெறுகிறது, இதில் சராசரி/நடுநிலை மதிப்பெண்கள் மற்றும் விநியோகம் அடங்கும்.

**Parameters:**

* `projectUid` (string, required) — project-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

### compute\_consensus

ஒரு project-க்கான consensus கணக்கீட்டைத் தொடங்குகிறது.

**Parameters:**

* `projectUid` (string, required) — project-ன் தனிப்பட்ட அடையாளங்காட்டி (UUID)

### list\_organizations

நீங்கள் உறுப்பினராக இருக்கும் அனைத்து organizations-ஐயும் பட்டியலிடுகிறது.

**Parameters:**

* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச organizations எண்ணிக்கை
* `cursor` (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

### get\_organization

ஒரு குறிப்பிட்ட organization பற்றிய விரிவான தகவல்களைப் பெறுகிறது.

**Parameters:**

* `slug` (string, required) — organization-ன் slug அடையாளங்காட்டி

### list\_slices

ஒரு owner-க்கான (பயனர் அல்லது organization) slices-ஐ பட்டியலிடுகிறது.

**Parameters:**

* `owner` (string, required) — owner பெயர் (பயனர் அல்லது organization slug)
* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச slices எண்ணிக்கை
* `cursor` (string, optional) — முந்தைய கோரிக்கையிலிருந்து pagination cursor

### get\_slice

ஒரு குறிப்பிட்ட slice பற்றிய விரிவான தகவல்களைப் பெறுகிறது.

**Parameters:**

* `owner` (string, required) — owner பெயர் (பயனர் அல்லது organization slug)
* `slug` (string, required) — slice-ன் slug

### list\_annotation\_issues\_by\_sequence

ஒரு குறிப்பிட்ட sequence-க்கான அனைத்து annotation issues-ஐயும் பட்டியலிடுகிறது.

**Parameters:**

* `sequenceUid` (string, required) — sequence-ன் UUID
* `datasetItemUid` (string, optional) — dataset item UUID மூலம் வடிகட்டவும்
* `projectUid` (string, optional) — project UUID மூலம் வடிகட்டவும்

### create\_annotation\_issue

ஒரு sequence-இல் புதிய annotation issue-ஐ உருவாக்குகிறது.

**Parameters:**

* `sequenceUid` (string, required) — sequence-ன் UUID
* `toolUid` (string, required) — annotation tool-ன் UUID
* `problemUid` (string, required) — problem type-ன் UUID
* `datasetItemUid` (string, optional) — dataset item UUID
* `projectUid` (string, optional) — project UUID
* `priority` (string, optional) — முன்னுரிமை நிலை: `lowest`, `low`, `medium`, `high`, `highest`
* `severity` (string, optional) — தீவிரத்தன்மை நிலை: `critical`, `moderate`
* `description` (string, optional) — issue விளக்கம்
* `wrongClass` (string, optional) — தவறான class label
* `correctClass` (string, optional) — சரியான class label
* `objectUid` (string, optional) — annotation object-ன் UUID
* `shouldReAnnotate` (boolean, optional) — மீண்டும் annotate செய்ய வேண்டுமா
* `shouldDelete` (boolean, optional) — annotation-ஐ நீக்க வேண்டுமா
* `framesAffected` (string, optional) — issue-யால் பாதிக்கப்பட்ட frames

### update\_annotation\_issue

ஒரு ஏற்கனவே உள்ள annotation issue-ஐ புதுப்பிக்கிறது (நிலை, முன்னுரிமை போன்றவை).

**Parameters:**

* `sequenceUid` (string, required) — sequence-ன் UUID
* `issueUid` (string, required) — annotation issue-ன் UUID
* `status` (string, optional) — நிலை: `open`, `relabeling`, `in_review`, `completed`, `cant_reproduce`, `awaiting_feedback`, `no_action_taken`
* `priority` (string, optional) — முன்னுரிமை நிலை: `lowest`, `low`, `medium`, `high`, `highest`
* `severity` (string, optional) — தீவிரத்தன்மை நிலை: `critical`, `moderate`
* `description` (string, optional) — புதுப்பிக்கப்பட்ட விளக்கம்
* `toolUid` (string, optional) — annotation tool-ன் UUID
* `problemUid` (string, optional) — problem type-ன் UUID
* `wrongClass` (string, optional) — தவறான class label
* `framesAffected` (string, optional) — issue-யால் பாதிக்கப்பட்ட frames

### delete\_annotation\_issue

ஒரு annotation issue-ஐ நீக்குகிறது.

**Parameters:**

* `sequenceUid` (string, required) — sequence-ன் UUID
* `issueUid` (string, required) — நீக்க வேண்டிய annotation issue-ன் UUID

### list\_annotation\_issues\_by\_dataset

ஒரு dataset-க்கான அனைத்து annotation issues-ஐயும் பட்டியலிடுகிறது.

**Parameters:**

* `owner` (string, required) — dataset owner பயனர்பெயர்
* `datasetSlug` (string, required) — dataset slug
* `sequenceUid` (string, optional) — sequence UUID மூலம் வடிகட்டவும்

### get\_annotation\_issue\_metrics

ஒரு dataset-இல் உள்ள annotation issues-க்கான ஒருங்கிணைக்கப்பட்ட metrics-ஐ பெறுகிறது (நிலை/முன்னுரிமை/தீவிரத்தன்மை எண்ணிக்கைகள், மூடும் நேரங்கள்).

**Parameters:**

* `owner` (string, required) — dataset owner பயனர்பெயர்
* `datasetSlug` (string, required) — dataset slug
* `sequenceUid` (string, optional) — sequence UUID மூலம் வடிகட்டவும்

### list\_qc\_tools

கொடுக்கப்பட்ட dataset வகைக்கான கிடைக்கும் QC annotation கருவிகளைப் பட்டியலிடுகிறது.

**Parameters:**

* `datasetType` (string, required) — dataset வகை (எ.கா., `lidar`, `image`, `video`)

### fleet\_list\_devices

விருப்ப வடிகட்டல்களுடன் fleet devices-ஐ பட்டியலிடுகிறது.

**Parameters:**

* `status` (string, optional) — device நிலை மூலம் வடிகட்டவும் (`online`, `offline`, `maintenance`)
* `type` (string, optional) — device வகை மூலம் வடிகட்டவும்
* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச devices எண்ணிக்கை
* `cursor` (string, optional) — pagination cursor

**எடுத்துக்காட்டு பதில்:**

```json theme={null}
{
  "devices": [
    {
      "uid": "dev-a1b2c3d4-e5f6-7890-abcd-ef1234567890",
      "name": "Forklift Sensor Unit 12",
      "type": "lidar-sensor",
      "status": "online",
      "firmwareVersion": "2.4.1",
      "lastSeenAt": "2026-03-19T09:55:00Z",
      "tags": ["warehouse-a", "forklift"]
    },
    {
      "uid": "dev-b2c3d4e5-f6a7-8901-bcde-f12345678901",
      "name": "Dock Camera 3",
      "type": "camera",
      "status": "offline",
      "firmwareVersion": "1.8.0",
      "lastSeenAt": "2026-03-18T23:10:00Z",
      "tags": ["dock", "exterior"]
    }
  ],
  "cursor": "eyJkZXZpY2VJZCI6MjB9"
}
```

### fleet\_get\_device

ஒரு குறிப்பிட்ட fleet device பற்றிய விரிவான தகவல்களைப் பெறுகிறது.

**Parameters:**

* `uid` (string, required) — device-ன் தனிப்பட்ட அடையாளங்காட்டி

### fleet\_list\_recordings

விருப்ப வடிகட்டல்களுடன் fleet recordings-ஐ பட்டியலிடுகிறது.

**Parameters:**

* `device` (string, optional) — device UID மூலம் வடிகட்டவும்
* `status` (string, optional) — recording நிலை மூலம் வடிகட்டவும்
* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச recordings எண்ணிக்கை
* `cursor` (string, optional) — pagination cursor

### fleet\_get\_recording

ஒரு குறிப்பிட்ட recording பற்றிய விரிவான தகவல்களைப் பெறுகிறது.

**Parameters:**

* `uid` (string, required) — recording-ன் தனிப்பட்ட அடையாளங்காட்டி

### fleet\_list\_events

விருப்ப வடிகட்டல்களுடன் fleet events-ஐ பட்டியலிடுகிறது.

**Parameters:**

* `recording` (string, optional) — recording UID மூலம் வடிகட்டவும்
* `device` (string, optional) — device UID மூலம் வடிகட்டவும்
* `type` (string, optional) — event வகை மூலம் வடிகட்டவும்
* `severity` (string, optional) — தீவிரத்தன்மை மூலம் வடிகட்டவும்
* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச events எண்ணிக்கை
* `cursor` (string, optional) — pagination cursor

### fleet\_list\_alerts

விருப்ப வடிகட்டல்களுடன் fleet alerts-ஐ பட்டியலிடுகிறது.

**Parameters:**

* `status` (string, optional) — alert நிலை மூலம் வடிகட்டவும் (`open`, `acknowledged`, `resolved`)
* `severity` (string, optional) — தீவிரத்தன்மை மூலம் வடிகட்டவும் (`info`, `warning`, `error`, `critical`)
* `device` (string, optional) — device UID மூலம் வடிகட்டவும்
* `rule` (string, optional) — rule UID மூலம் வடிகட்டவும்
* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச alerts எண்ணிக்கை
* `cursor` (string, optional) — pagination cursor

**எடுத்துக்காட்டு பதில்:**

```json theme={null}
{
  "alerts": [
    {
      "uid": "alert-c3d4e5f6-a7b8-9012-cdef-123456789012",
      "status": "open",
      "severity": "warning",
      "device": "dev-a1b2c3d4-e5f6-7890-abcd-ef1234567890",
      "rule": "rule-d4e5f6a7-b8c9-0123-defa-234567890123",
      "message": "Device temperature exceeded threshold (72C)",
      "createdAt": "2026-03-19T08:45:00Z"
    },
    {
      "uid": "alert-e5f6a7b8-c9d0-1234-efab-345678901234",
      "status": "acknowledged",
      "severity": "critical",
      "device": "dev-b2c3d4e5-f6a7-8901-bcde-f12345678901",
      "rule": "rule-f6a7b8c9-d0e1-2345-fabc-456789012345",
      "message": "Device offline for more than 24 hours",
      "createdAt": "2026-03-18T09:00:00Z",
      "acknowledgedAt": "2026-03-18T10:30:00Z"
    }
  ],
  "cursor": "eyJhbGVydElkIjoxMH0="
}
```

### fleet\_list\_rules

விருப்ப வடிகட்டல்களுடன் fleet rules-ஐ பட்டியலிடுகிறது.

**Parameters:**

* `enabled` (boolean, optional) — இயக்கப்பட்ட நிலை மூலம் வடிகட்டவும்
* `limit` (number, optional) — திருப்பி அனுப்ப வேண்டிய அதிகபட்ச rules எண்ணிக்கை
* `cursor` (string, optional) — pagination cursor

### fleet\_register\_device

புதிய fleet device-ஐ பதிவு செய்கிறது.

**Parameters:**

* `name` (string, required) — device-ன் பெயர்
* `type` (string, required) — device-ன் வகை
* `firmwareVersion` (string, optional) — firmware பதிப்பு
* `tags` (string\[], optional) — device-க்கான tags

### fleet\_acknowledge\_alert

ஒரு fleet alert-ஐ ஒப்புக்கொள்கிறது.

**Parameters:**

* `uid` (string, required) — ஒப்புக்கொள்ள வேண்டிய alert-ன் தனிப்பட்ட அடையாளங்காட்டி

## செய்முறைகள்

இயற்கை மொழி மூலம் இயக்கக்கூடிய பல-படி பணிப்பாய்வுகள். ஒவ்வொரு செய்முறையும் உதவியாளர் பின்னணியில் செய்யும் tool calls-ஐ காட்டுகிறது.

### செய்முறை 1: Dataset நிலை சோதனை

உங்கள் உதவியாளரிடம் கேளுங்கள்: *"எனது workspace-ன் நிலை சோதனையை செய்யுங்கள் — எத்தனை datasets உள்ளன, எவற்றில் அதிக items உள்ளன?"*

**படி 1** — உதவியாளர் கண்ணோட்டத்தைப் பெற `get_workspace_stats` ஐ அழைக்கிறார்.

```json theme={null}
{
  "datasets": 14,
  "projects": 7,
  "exports": 23,
  "tasks": { "total": 8420, "pending": 312, "completed": 7856, "inProgress": 252 },
  "members": 18
}
```

**படி 2** — உதவியாளர் அனைத்து datasets-ஐயும் பெற `limit: 50` உடன் `list_datasets` ஐ அழைக்கிறார்.

**படி 3** — உதவியாளர் முடிவுகளை `itemCount` மூலம் வரிசைப்படுத்தி தரவரிசை சுருக்கத்தை வழங்குகிறார்:

> உங்களிடம் 14 datasets உள்ளன. மூன்று பெரியவை:
>
> 1. **Warehouse Cameras** — 34,200 items (image)
> 2. **Urban Driving Q1** — 12,450 items (lidar)
> 3. **Parking Lot Footage** — 8,900 items (video)

### செய்முறை 2: Export மற்றும் பதிவிறக்கம்

உங்கள் உதவியாளரிடம் கேளுங்கள்: *"Urban Driving Q1 project-ஐ export செய்து, தயாரானவுடன் தெரிவியுங்கள்."*

**படி 1** — உதவியாளர் "Urban Driving Q1" க்கு பொருந்தும் project UID-ஐ கண்டறிய `list_projects` ஐ அழைக்கிறார்.

**படி 2** — உதவியாளர் project UID உடன் `create_export` ஐ அழைக்கிறார்.

```json theme={null}
{
  "uid": "e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9",
  "status": "pending",
  "project": "770a9600-a40d-63f6-c938-668877660000",
  "createdAt": "2026-03-19T10:00:00Z"
}
```

**படி 3** — நிலை `completed` ஆக மாறும் வரை உதவியாளர் `get_export_status` ஐ தொடர்ந்து அழைக்கிறார்.

```json theme={null}
{
  "uid": "e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9",
  "status": "completed",
  "downloadUrl": "https://api.avala.ai/exports/e3a1b2c4-9d8f-4e7a-b6c5-d4e3f2a1b0c9/download",
  "fileSize": 52428800,
  "completedAt": "2026-03-19T10:02:34Z"
}
```

**படி 4** — உதவியாளர் பதிவிறக்க இணைப்பு மற்றும் கோப்பு அளவை வழங்குகிறார்.

> உங்கள் export தயாராக உள்ளது (50 MB). இங்கே பதிவிறக்கவும்: `https://api.avala.ai/exports/.../download`

### செய்முறை 3: Projects முழுவதும் தர தணிக்கை

உங்கள் உதவியாளரிடம் கேளுங்கள்: *"எனது அனைத்து projects-க்கும் quality targets-ஐ மதிப்பிட்டு, தோல்வியடைந்தவற்றைக் குறிப்பிடுங்கள்."*

**படி 1** — உதவியாளர் அனைத்து projects-ஐயும் பெற `list_projects` ஐ அழைக்கிறார்.

**படி 2** — ஒவ்வொரு project-க்கும், உதவியாளர் project UID உடன் `evaluate_quality` ஐ அழைக்கிறார்.

**படி 3** — உதவியாளர் முடிவுகளை ஒருங்கிணைத்து தோல்விகளை முன்னிலைப்படுத்துகிறார்:

> 7 projects-இல் 5 அனைத்து quality targets-ஐயும் நிறைவேற்றுகின்றன. இரண்டு கவனம் தேவை:
>
> * **Sidewalk Segmentation** — "Label accuracy" இலக்கு 88%-இல் (threshold: 95%)
> * **Fleet Camera Review** — "Consensus score" இலக்கு 0.72-இல் (threshold: 0.85)

### செய்முறை 4: Fleet device கண்காணிப்பு

உங்கள் உதவியாளரிடம் கேளுங்கள்: *"இன்னும் ஒப்புக்கொள்ளப்படாத அனைத்து fleet alerts-ஐயும் தீவிரத்தன்மை அடிப்படையில் காட்டுங்கள்."*

**படி 1** — உதவியாளர் `status: "open"` உடன் `fleet_list_alerts` ஐ அழைக்கிறார்.

**படி 2** — உதவியாளர் பதிலை குழுவாக்கி வடிவமைக்கிறார்:

> **Critical (1)**
>
> * Dock Camera 3 — "Device offline for more than 24 hours" (Mar 18 முதல்)
>
> **Warning (2)**
>
> * Forklift Sensor Unit 12 — "Device temperature exceeded threshold (72C)" (Mar 19 முதல்)
> * Rooftop LiDAR 1 — "Low disk space (\< 5%)" (Mar 19 முதல்)

**படி 3** — நீங்கள் தொடரலாம்: *"அனைத்து warning-நிலை alerts-ஐயும் ஒப்புக்கொள்ளுங்கள்."* உதவியாளர் ஒவ்வொரு warning alert UID-க்கும் `fleet_acknowledge_alert` ஐ அழைக்கிறார்.

### செய்முறை 5: Annotation issue தீர்வு வரிசைப்படுத்தல்

உங்கள் உதவியாளரிடம் கேளுங்கள்: *"urban-driving-q1 dataset-க்கான annotation issue metrics-ஐ பெற்று பிரிப்பை காட்டுங்கள்."*

**படி 1** — உதவியாளர் owner மற்றும் dataset slug உடன் `get_annotation_issue_metrics` ஐ அழைக்கிறார்.

**படி 2** — உதவியாளர் வடிவமைக்கப்பட்ட சுருக்கத்தை வழங்குகிறார்:

> **Urban Driving Q1 — Issue Metrics**
>
> நிலை அடிப்படையில்: 12 open, 5 in review, 3 relabeling, 45 completed
> தீவிரத்தன்மை அடிப்படையில்: 8 critical, 57 moderate
> முன்னுரிமை அடிப்படையில்: 2 highest, 6 high, 18 medium, 25 low, 14 lowest
> சராசரி மூடும் நேரம்: 4.2 மணி நேரம்

**படி 3** — நீங்கள் தொடரலாம்: *"open critical issues-ஐ பட்டியலிடுங்கள்."* உதவியாளர் வடிகட்டல்களுடன் `list_annotation_issues_by_dataset` ஐ அழைத்து முடிவுகளைக் காட்டுகிறார்.

## எடுத்துக்காட்டு prompts

எந்த MCP-இணக்கமான client-லும் நீங்கள் பயன்படுத்தக்கூடிய சில இயற்கை மொழி prompts இங்கே:

```
List all my datasets
```

```
Show me the details of dataset "autonomous-driving-v3"
```

```
What's the status of the "Lidar QA" project?
```

```
Create an export for project 770a9600-a40d-63f6-c938-668877660000
```

```
How many exports do I have?
```

```
Show my workspace stats
```

```
List all my automation agents
```

```
Create a webhook for task.completed events pointing to https://my-server.com/hooks
```

```
Show me the quality targets for project proj_abc123
```

```
What's the consensus score summary for my annotation project?
```

```
List all organizations I belong to
```

```
Show workspace storage config list
```

```
List all online fleet devices
```

```
Show me open critical alerts across the fleet
```

```
Register a new lidar-sensor device called "Rooftop Unit 5"
```

AI உதவியாளர் பொருத்தமான Avala MCP கருவியை அழைத்து, பதிலைச் செயலாக்கி, முடிவுகளை படிக்கக்கூடிய வடிவத்தில் வழங்குவார். நீங்கள் ஒரே உரையாடலில் கோரிக்கைகளை இணைக்கலாம் — எடுத்துக்காட்டாக, datasets-ஐ பட்டியலிட்டு, ஒன்றைத் தேர்ந்தெடுத்து, பின்னர் export நிலையைப் பார்க்கலாம்.

## சிக்கல் தீர்வு

### `AVALA_API_KEY` அமைக்கப்படவில்லை

`AVALA_API_KEY` environment variable இல்லையெனில் MCP server உடனடியாக error code 1 உடன் வெளியேறும். உங்கள் MCP config-ன் `env` block-இல் key அமைக்கப்பட்டிருப்பதை அல்லது server-ஐ தொடங்குவதற்கு முன் உங்கள் shell-இல் export செய்யப்பட்டிருப்பதை உறுதி செய்யவும்.

```
Error: AVALA_API_KEY environment variable is required
```

### Mutation கருவிகள் தோன்றவில்லை

`create_export`, `create_agent` அல்லது `fleet_register_device` போன்ற கருவிகள் tool list-இல் இல்லையெனில், server environment-இல் `AVALA_MCP_ENABLE_MUTATIONS=true` அமைக்க வேண்டும். உங்கள் MCP configuration கோப்பின் `env` block-இல் இதைச் சேர்க்கவும்:

```json theme={null}
{
  "env": {
    "AVALA_API_KEY": "your-api-key",
    "AVALA_MCP_ENABLE_MUTATIONS": "true"
  }
}
```

### `npx` காணப்படவில்லை அல்லது தவறான Node.js பதிப்பு

MCP server-க்கு Node.js 18 அல்லது அதற்குப் பிந்தைய பதிப்பு தேவை. `npx: command not found` அல்லது module syntax errors தோன்றினால், உங்கள் Node.js பதிப்பைச் சரிபார்க்கவும்:

```bash theme={null}
node --version  # Must be v18.0.0 or later
```

### பழைய cached MCP server

நீங்கள் சமீபத்தில் `@avala-ai/mcp-server` package-ஐ புதுப்பித்தும் பழைய நடத்தை அல்லது காணாமல் போன கருவிகள் தோன்றினால், npx cached பதிப்பை வழங்கலாம். புதிய நிறுவலை கட்டாயப்படுத்தவும்:

```bash theme={null}
npx --yes @avala-ai/mcp-server@latest
```

பின்னர் உங்கள் MCP client-ஐ மறுதொடக்கம் செய்யவும்.

### API key தவறானது அல்லது காலாவதியானது

tool calls `401 Unauthorized` திருப்பி அனுப்பினால், உங்கள் API key தவறானதாக, காலாவதியானதாக அல்லது நீக்கப்பட்டதாக இருக்கலாம். [Mission Control](https://avala.ai/settings?section=security) இல் **Settings > Security** பகுதியில் புதிய key-ஐ உருவாக்கி, உங்கள் MCP configuration-ஐ புதுப்பிக்கவும்.

<Info>
  Avala MCP server திறந்த மூலமாகும். மூலக் குறியீட்டைப் பார்க்க அல்லது பங்களிக்க [GitHub repository](https://github.com/avala-ai/avala-sdk-ts) ஐ பார்வையிடவும்.
</Info>