AI导哈

数字孪生助手服务器

一个基于RAG技术的数字孪生助手服务器，使用Upstash Vector和Groq AI提供语义搜索和快速推理功能。

  • by Emanskiez
  • TypeScript
  • 本地部署
  • 更新于
在 GitHub 查看 Emanskiez/your-digital-twin-mcp

使用说明

数字孪生MCP服务器

一种模型上下文协议（MCP）服务器，使用Upstash Vector和Groq提供RAG驱动的数字双胞胎辅助功能。

特性

  • 🤖 RAG驱动查询：使用检索增强生成查询专业档案信息
  • 🔗 上升矢量：用于语义搜索的内置嵌入
  • ⚡ 希腊 AI：使用LLaMA 3.1 8B Instant进行快速推理
  • 🎯 MCP兼容：与Claude Desktop和其他MCP客户端配合使用
  • 💻 TypeScript：使用Next.js 15.5完全键入+

先决条件

  • Node.js 18+或20+
  • pnpm（推荐的包管理器）
  • 带有填充数据的Uptash矢量数据库
  • Groq API密钥

安装

  1. 安装依赖项：
pnpm install
  1. 配置环境变量： 创建 .env.local 与：
UPSTASH_VECTOR_REST_URL="your-upstash-url"
UPSTASH_VECTOR_REST_TOKEN="your-upstash-token"
GROQ_API_KEY="your-groq-api-key"

运行MCP服务器

方法1：直接执行

pnpm mcp

方法2：使用克劳德桌面

  1. 找到您的Claude Desktop配置文件：

    • 窗户： %APPDATA%\Claude\claude_desktop_config.json
    • macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
    • Linux： ~/.config/Claude/claude_desktop_config.json

  2. 添加MCP服务器配置：

{
  "mcpServers": {
    "digital-twin": {
      "command": "pnpm",
      "args": ["mcp"],
      "cwd": "C:\\Users\\Manuel\\Desktop\\digital-twin-workshop",
      "env": {
        "UPSTASH_VECTOR_REST_URL": "your-upstash-url",
        "UPSTASH_VECTOR_REST_TOKEN": "your-upstash-token",
        "GROQ_API_KEY": "your-groq-api-key"
      }
    }
  }
}
  1. 重新启动克劳德桌面

可用的MCP工具

查询数字孪生

使用RAG查询数字孪生兄弟的职业档案。

参数：

  • question （string，必填）：关于专业背景、技能或经验的问题

例子：

{
  "question": "What are your technical skills?"
}

项目结构

digital-twin-workshop/
├── app/                    # Next.js app directory
│   ├── globals.css        # Global styles with dark theme
│   ├── layout.tsx         # Root layout
│   └── page.tsx           # Home page
├── lib/
│   └── rag.ts             # RAG server actions
├── data/
│   └── digitaltwin.json   # Profile data
├── mcp-server.ts          # MCP server implementation
├── .env.local             # Environment variables
└── package.json           # Dependencies and scripts

发展

运行Next.js开发服务器：

pnpm dev

打开 http://localhost:3000 查看web界面。

技术栈

  • 框架：Next.js 15.5.3+，带应用路由器
  • 语言：TypeScript 5+
  • 样式：带有深色模式的顺风CSS
  • 矢量数据库：上升矢量
  • AI模型：Groq（呼叫3.1 8b Instant）
  • 协议：模型上下文协议（MCP）

RAG实施

RAG管道与Python实现相匹配：

  1. 查询：用户提问
  2. 矢量搜索：查询Uptash Vector以获取前3个相关块
  3. 上下文构建：从匹配的向量中提取内容
  4. 生成：Groq使用上下文生成响应
  5. 响应：以数字孪生形式返回第一人称答案

故障排除

MCP服务器未连接

  • 检查克劳德桌面日志
  • 验证环境变量是否设置正确
  • 确保pnpm在您的系统PATH中
  • 试着跑步 pnpm mcp 直接查看错误

矢量搜索没有结果

  • 验证Uptash矢量数据库是否已填充
  • 检查 .env.local 凭证
  • 首先使用Python脚本测试连接

Groq API错误

  • 验证API密钥是否有效
  • 检查API费率限制
  • 确保型号名称正确

许可证

麻省理工学院

相关 MCP