AI导哈

AI项目生成器

MCP项目生成器是一个将职位描述转化为AI架构和项目组合的自动化工具，适用于技术工程师展示其架构思维和自动化设计能力。

  • by dolgova
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 dolgova/mcp-project-generator

使用说明

MCP项目生成器

为什么这个项目存在

“将职位描述转化为人工智能架构工件”

“表明高级/员工准备就绪”

“投资组合驱动的MCP系统”

将任何职位描述转化为人工智能驱动的架构和投资组合项目

此存储库提供 可重复框架 和一个 Python MCP服务器 将任何技术职位描述转化为：

  • AI+MCP项目概念
  • 结构化架构案例研究
  • 高级技术组合工件

您可以通过三种方式使用它：

  1. 手动（仅提示） –将提示和模板复制到ChatGPT（或其他LLM）中，并粘贴职位描述。
  2. 具有真正LLM的MCP服务器 –运行附带的Python MCP服务器，让工具直接从Cursor或其他MCP主机生成和保存项目规范（需要 OPENAI_API_KEY).
  3. MCP服务器处于本地测试模式 –运行服务器，无需 OPENAI_API_KEY 以生成在没有外部API调用的情况下执行完整管道的确定性存根规范。

仓库结构

template/   → Universal MCP project document structure  
prompts/    → Ready-to-use generation prompt  
examples/   → Sample generated projects  
project_generator.py → LLM + file-writing logic  
server.py   → MCP server exposing project generation tools  
requirements.txt → Python dependencies  
generated_projects/ → (created at runtime) generated project folders

设置

从 mcp-project-generator 目录：

python -m venv .venv
.venv\Scripts\activate    # PowerShell / Windows
pip install -r requirements.txt

设置OpenAI环境变量（PowerShell示例） 用于真正的LLM通话:

$env:OPENAI_API_KEY = "sk-..."
$env:OPENAI_MODEL = "gpt-4o-mini"   # optional

如果你 不要 集 OPENAI_API_KEY，服务器将在本地运行 测试模式:

  • 没有进行外部API调用。
  • 生成的规格明确标记为测试输出，但仍写入 generated_projects/<slug>/project_spec.md.

运行MCP服务器

python server.py

服务器使用stdio传输（stdin/stdout），并在服务器id下公开工具 mcp-project-generator.

光标MCP配置

将此服务器添加到Cursor的MCP配置中（例如 ~/.cursor/mcp.json).为了获得最佳效果，将Cursor指向此项目virtualenv中的Python：

{
  "mcpServers": {
    "mcp-project-generator": {
      "command": "C:\\Users\\dolgo\\Desktop\\ai_projects\\mcp-project-generator\\.venv\\Scripts\\python.exe",
      "args": ["C:\\Users\\dolgo\\Desktop\\ai_projects\\mcp-project-generator\\server.py"]
    }
  }
}

工具

generate_portfolio_project_from_text

  • 参数:
    • job_description （string）–原始职位描述文本。
    • project_name （可选字符串）–首选项目标题。
  • 行为:
    • 用途 prompts/generate_mcp_project.txt 和 template/MCP_Project_Template.md.
    • 如果 OPENAI_API_KEY 设置后，调用配置的OpenAI模型来生成结构化的Markdown项目规范。
    • 如果 OPENAI_API_KEY 是 不 set，在本地测试模式下运行，并生成一个小的确定性存根规范（对布线测试有用）。
    • 将结果写入 generated_projects/<slug>/project_spec.md.
    • 返回人类可读的摘要和完整的Markdown内容。

generate_portfolio_project_from_url

  • 参数:
    • url （string）–可公开访问的职位描述URL。
    • project_name （可选字符串）。
  • 行为:
    • 作为职位描述，抓取并轻轻清理页面内容。
    • 学员与同一台发电机 generate_portfolio_project_from_text.
    • 以相同的方式保存和返回规格。

示例：Arista技术解决方案工程师项目

这 examples/arista-technical-solutions-engineer.md 文件显示了以下项目的完整编写的项目规范：

  • 角色：技术解决方案工程师——云、超大规模和人工智能网络。
  • 概念：使用MCP工具的“网络TAC AI复制品”，用于：
    • 从AI/超大规模结构（L1-L3、QoS/PFC、光学、SONiC、Linux）收集遥测数据。
    • 运行结构化诊断（例如。 get_interface_errors, get_bgp_flaps, capture_packets).
    • 生成TAC风格的根本原因分析和客户准备报告。

这可以作为如何将MCP项目与特定职位描述相匹配的参考，同时清楚地展示网络深度、故障排除技能和面向客户的沟通。

仅手动提示使用

如果您不想运行MCP服务器：

  1. 复制职位描述。
  2. 打开 prompts/generate_mcp_project.txt 并将其内容粘贴到ChatGPT中。
  3. 出现提示时粘贴职位描述。
  4. 使用 template/MCP_Project_Template.md 作为结构参考。
  5. 将生成的架构另存为新的项目文件 examples/.

目标

帮助工程师演示：

  • 建筑思维
  • 人工智能驱动的自动化设计
  • 具有商业意识的工程
  • 高级/员工准备就绪

许可证

麻省理工学院

相关 MCP