Name: 游戏MCP服务器
Author: chris-arsenault

使用说明

游戏MCP服务器

MCP（模型上下文协议）服务器，支持 genai游戏引擎 该项目将研究、架构、叙事、QA和游戏测试知识存储在Qdrant中。服务器在端口上公开可流式HTTP MCP传输 3000 默认情况下，Claude或任何兼容MCP的客户端都可以通过HTTP或curl进行连接。

此仓库中的项目

目录	目的
`mcp/`	流式HTTP MCP服务器，具有丰富的工具目录，用于研究、架构、QA、知识产权等。
`graph-builder/`	填充所使用的知识图集合的管道 `explore_graph_entity` 和 `search_graph_semantic`.
`backlog-editor/`	可视化看板+切换编辑器，直接与Qdrant对话，为PBI和会话切换说明提供浏览器UI。
`generate-image/`	独立的STDIO MCP服务器，代理OpenAI映像生成并将输出保存到磁盘。

项目命名空间

所有持久性现在都存在于项目范围的Qdrant集合中。规范项目列表存储在 mcp/config/projects.json:

每个项目ID都是小写/烤肉串大小写（例如。 default, prototype-alpha).
MCP HTTP端点可在 /<project>/mcp 和 /<project>/sse （遗产 /mcp 和 /sse 路径解析为默认项目）。

使用以下命令创建新项目及其Qdrant集合 POST /project 在MCP服务器上：

curl -X POST http://localhost:5356/project \
  -H 'Content-Type: application/json' \
  -d '{"id":"glass"}'

curl -v -X POST http://localhost:5356/reset \
  -H 'Content-Type: application/json' \
  -d '{"id":"glass","snapshot":false}'

卷曲-X POST”http://localhost:6333/collections/glass__backlog_items/points/delete?wait=true"
-H“内容类型：应用程序/json”
-d'{“筛选器”：{“必须”：[]}' 卷曲”http://localhost:6333/collections/glass__backlog_items

响应列出了完全限定的集合名称（例如。 prototype-alpha__research_findings).

backlog编辑器通过以下方式转发当前项目 project 查询参数或 X-Project-Id 标题（UI包括项目切换器）。如果省略，它将回退到共享配置文件中定义的默认项目。
图形生成器接受可选 project 场上 POST /build 填充相应的 code_graph 命名空间。省略时，将使用默认项目。
list_qdrant_collections 返回特定于项目的集合名称，同时 get_server_metadata 发布支持项目的HTTP模板。
使用 POST /reset 与身体 { "id": "<project>" } 对项目的Qdrant集合和Neo4j实体进行快照 /app/snapshots/<project>/<timestamp>/，然后清除它们，以便项目重新开始。

功能管理

每个项目都可以暂停功能引入。呼叫 set_feature_lock { "locked": true } 拒绝新 create_feature 请求（MCP服务器响应“此时没有新功能”）并解锁 { "locked": false } 当计划恢复时。
待办事项支持可选 feature_id 在...期间 create_backlog_item 和 update_backlog_item.使用 assign_backlog_to_feature 将现有PBI与 list_feature_backlog_items 以检索该功能的工作队列。

先决条件

Node.js 18+
Qdrant实例（默认为 http://qdrant:6333)
Neo4j实例（默认为 bolt://localhost:7687)
嵌入服务公开 POST /embed （默认为 http://embedding-service:80，请参阅嵌入服务)
OpenAI API密钥，可访问 gpt-4o-mini （可通过以下方式配置 OPENAI_MODEL)

脚本

npm run dev    # Start with ts-node + Streamable HTTP transport (default port 3000)
npm run build  # Type-check and compile TypeScript to dist/
npm start      # Build then run the compiled server from dist/

集 PORT 和 MCP_PATH 覆盖HTTP绑定（默认值为 3000 和 /mcp).

卷曲烟雾测试

该传输实现了MCP的流式HTTP流。每节课都以 initialize 请求。响应返回一个 Mcp-Session-Id 必须包含在后续请求和SSE流中的标头。

ℹ️ POST端点需要 Accept: application/json, text/event-stream 因此，传输可以协商JSON回复或服务器发送的事件。在每个JSON-RPC POST请求中包含此标头。

初始化会话

curl -i -X POST http://localhost:3000/default/mcp \
  -H 'Content-Type: application/json' \
  -H 'Accept: application/json, text/event-stream' \
  -d '{
    "jsonrpc": "2.0",
    "id": "init-1",
    "method": "initialize",
    "params": {
      "protocolVersion": "2024-11-05",
      "clientInfo": { "name": "curl", "version": "0.1" },
      "capabilities": {}
    }
  }'


Note the `Mcp-Session-Id` header in the response (e.g. `bf6fda5a-a8d5-4ad6-b8e1-...`). Use it for all follow-up requests.

2. **List available tools**

  ```bash
  curl -i -X POST http://localhost:3000/default/mcp \
    -H 'Content-Type: application/json' \
    -H 'Accept: application/json, text/event-stream' \
    -H 'Mcp-Session-Id: d3baee33-df43-442d-a164-5675450c6860' \
    -H 'Mcp-Protocol-Version: 2024-11-05' \
    -d '{
      "jsonrpc": "2.0",
      "id": "list-1",
      "method": "tools/list",
      "params": {}
    }'

调用工具（例如：获取服务器元数据）

curl -i -X POST http://localhost:3000/default/mcp \
  -H 'Content-Type: application/json' \
  -H 'Accept: application/json, text/event-stream' \
  -H 'Mcp-Session-Id: <SESSION_ID>' \
  -H 'Mcp-Protocol-Version: 2024-11-05' \
  -d '{
    "jsonrpc": "2.0",
    "id": "call-1",
    "method": "tools/call",
    "params": {
      "name": "get_server_metadata",
      "arguments": {}
    }
  }'

订阅SSE流（可选）

curl -N http://localhost:3000/default/sse \
  -H 'Accept: text/event-stream' \
  -H 'Mcp-Session-Id: <SESSION_ID>' \
  -H 'Mcp-Protocol-Version: 2024-11-05'

保持此curl运行以接收流式响应（例如记录事件）。使用 Ctrl+C 退出。

终止会话（可选清理）

curl -i -X DELETE http://localhost:3000/default/mcp \
  -H 'Mcp-Session-Id: <SESSION_ID>' \
  -H 'Mcp-Protocol-Version: 2024-11-05'

收藏和工具

config/collections.json 记录每个Qdrant集合、其基数以及Claude代理依赖它的对象。
docs/mcp/usage.md 涵盖了Claude集成和服务器公开的完整MCP工具目录。
Bug修复内存存在 bug_fix_patterns 收藏，可通过 record_bug_fix, match_bug_fix，以及 get_bug_fix 工具。错误消息可以与修复一起存储，这样代理就可以在回退到语义匹配之前执行精确的日志行查找。
知识图嵌入存在于名为的项目范围集合中 <project>__code_graph.使用 explore_graph_entity 拉取Neo4j节点及其周围的关系，以及 search_graph_semantic 用于对图形生成器输出进行矢量搜索。
功能定义存在 <project>__features；用 create_feature, update_feature, list_features，以及 get_feature，并通过以下方式链接PBI assign_backlog_to_feature 或 list_feature_backlog_items.
GET /stats 返回每个启动工具的使用计数器(writes/reads)对于MCP端点。

使用 list_qdrant_collections 和 get_mcp_documentation 以编程方式从客户端发现服务器功能。

知识图谱

设置以下环境变量，以便服务器可以访问图形生成器数据库：

变量	默认值	用途
`NEO4J_URL`	`bolt://localhost:7687`	由图构建器填充的Neo4j实例的螺栓端点
`NEO4J_USER`	`neo4j`	Neo4j身份验证的用户名
`NEO4J_PASSWORD`	`password`	Neo4j身份验证密码
`GRAPH_COLLECTION`	`code_graph`	图嵌入的基本集合名称(`<project>__code_graph` 按项目创建）
`DEFAULT_PROJECT`	`memory`	客户端省略时使用的初始命名空间 `project`
`SNAPSHOT_DIR`	`./snapshots`	目录在哪里 `POST /reset` 写入存档（在Docker compose中挂载到主机）
`GRAPH_BUILDER_PORT`	`4100`	图形生成器服务的HTTP端口
`OPENAI_API_KEY`	（必填）	图形生成器用于丰富实体
`OPENAI_MODEL`	`gpt-5`	覆盖OpenAI模型以丰富语义
`REPO_URL`	`https://github.com/chris-arsenault/genai-game-engine.git`	构建器克隆的默认存储库
`REPO_BRANCH`	`main`	每次生成前同步默认分支

图形生成器克隆 chris-arsenault/genai-game-engine 进入 /mnt/apps/apps/mcp-server/game-mcp/server/source/genai-game-engine 默认情况下，将数据同步到Neo4j+Qdrant中。构建器运行后，MCP客户端可以：

呼叫 search_graph_semantic 使用自然语言或代码片段来获取最相关的图形实体。
传递实体ID（例如。， file:src/tools/graph.tool.ts)to explore_graph_entity 直接从Neo4j检查入站/出站关系。

生成器在上公开REST API http://<host>:${GRAPH_BUILDER_PORT}:

POST /build 与身体 {"mode":"full|incremental","stage":"all|parse|enrich|populate","baseCommit":"...","repoUrl":"...","branch":"...","project":"<id>"} 开始一份工作。 project 是可选的，默认为配置的默认项目。 repoUrl 和 branch 默认为服务配置（请参阅上面的env-vars）。
GET /status 轮询当前或上次运行摘要。
POST /reset 以清除分期伪影和增量标记。

POST /build 排队工作后立即返回（HTTP 202）；使用 GET /status 观察进展并获得最终总结。

示例：使用curl从localhost触发完全重建（所有阶段，默认repo/branch）：

curl -s -X POST http://localhost:5346/build \
  -H 'Content-Type: application/json' \
  -d '{
    "mode": "full",
    "stage": "all",
    "branch": "main",
    "project": "default"
  }'

然后投票：

curl -s http://localhost:4100/status | jq '.'

嵌入服务

提供的 docker-compse.yml 现在在CPU上启动拥抱人脸文本嵌入推理 nomic-ai/nomic-embed-text-v1.5 模型。它支持8192个令牌上下文窗口和768个维度嵌入，为长工具有效载荷提供了充足的空间，同时在双Xeon E5/128上仍然实用 GB RAM TrueNAS盒子。由于矢量大小相对于原始设置发生了变化，请运行 ./init-collections.sh （或手动重新创建Qdrant集合），然后再摄取新数据。

容器安装 /mnt/apps/apps/mcp-server/embedding-cache 和设置 MODEL_CACHE=/data，因此模型权重在重新启动时保持不变。要在脱机计算机上预种子缓存，请执行以下操作：

huggingface-cli download nomic-ai/nomic-embed-text-v1.5 --local-dir /mnt/apps/apps/mcp-server/embedding-cache

嵌入客户端 src/services/embedding.service.ts 现在直接在日志中显示HTTP错误体（例如令牌限制警告），以使诊断配置错误更容易。

使用说明

游戏MCP服务器

此仓库中的项目

项目命名空间

功能管理

先决条件

脚本

卷曲烟雾测试

收藏和工具

知识图谱

嵌入服务

相关 MCP

小红书MCP服务

Figma MCP集成工具

MCP 协议测试服务器

Qdrant向量搜索MCP服务器

Flomo笔记服务

Unity编辑器AI集成插件