AI导哈

模型上下文协议服务器

PromptArchitect是一个高性能的模型上下文协议（MCP）服务器，旨在通过提供“架构优先”的方法简化软件开发生命周期。

  • by EnesDemir143
  • Python
  • 本地部署
  • 3 星标
  • 更新于
在 GitHub 查看 EnesDemir143/PromptArchitect-MCP

使用说明

🏗️ PromptArchitect MCP服务器

PromptArchitect是一款高性能 模型上下文协议（MCP） 服务器旨在通过提供“架构师优先”的方法来简化软件开发生命周期。它使用高级LangGraph代理来分析编码请求，将其分解为可操作的任务，并维护结构化的项目状态。

✨ 特性

  • 架构师优先工作流程：通过在实施开始前要求结构化的计划和任务分解来防止“盲目编码”。
  • LangGraph编排：使用复杂的基于图的多代理系统来处理复杂的推理、任务分解和状态管理。
  • 状态持久性：在中维护持久的项目清单 .ai_state.json，跟踪任务、进度和架构规则。
  • 双接口:
    • MCP服务器：与MCP兼容的IDE无缝集成，如Cursor、VS Code或Claude Desktop。
    • 命令行界面：通过终端直接交互，进行独立的建筑规划。
  • 灵活的LLM支持：通过标准环境变量支持多个提供者（OpenAI、Gemini、Anthropic）。
  • 结构化存储器：将基于JSON的状态存储和基于向量的长期内存用于项目上下文。

🚀 安装和设置

1.先决条件

2.克隆存储库

git clone https://github.com/EnesDemir143/PromptArchitect-MCP.git
cd PromptArchitect-MCP

3.创建虚拟环境

python -m venv venv
source venv/bin/activate  # MacOS/Linux
# OR
venv\Scripts\activate     # Windows

4.安装依赖项

pip install -r requirements.txt

5.配置

创建一个 .env 示例中的文件：

cp .env.example .env

打开 .env 并配置您首选的LLM提供程序：

# LLM Provider: openai, gemini, or anthropic
LLM_PROVIDER=openai

# API Keys
OPENAI_API_KEY=your_key_here
# GOOGLE_API_KEY=your_key_here
# ANTHROPIC_API_KEY=your_key_here

🕹 用法

作为MCP服务器（推荐）

要将PromptArchitect与IDE集成（例如，Cursor或VS Code），请将以下配置添加到MCP设置中。

配置示例(mcp_config.json):

{
    "mcpServers": {
        "PromptArchitect": {
            "command": "/home/jieuna1/miniconda3/envs/prompt-mcp/bin/python",
            "args": [
                "/home/jieuna1/Documents/PromptArchitect-MCP/src/server.py"
            ],
            "env": {
                "LLM_PROVIDER": "openai",
                "OPENAI_API_KEY": "YOUR_OPENAI_API_KEY"
            }
        }
    }
}

[！注意] 确保 command 路径指向虚拟环境/conda环境中的特定Python解释器。

使用CLI

直接从终端运行架构师来规划新功能：

python src/cli.py "Design and implement a JWT-based authentication system"

🧪 运行测试

该项目使用 pytest 用于自动化测试。您可以使用以下命令运行测试套件：

pytest

要查看更详细的输出，请使用：

pytest -v

📂 项目结构

PromptArchitect-MCP/
├── src/
│   ├── agents/          # Agent definitions (Main, Task Manager, Refiner)
│   ├── memory/          # State persistence (JSON Store, Vector Store)
│   ├── core/            # Tool definitions and core utilities
│   ├── server.py        # FastMCP Server implementation
│   ├── cli.py           # Command-line interface
│   ├── graph.py         # LangGraph orchestration logic
│   └── logger.py        # Centralized logging
├── tests/               # Pytest suite
├── .ai_state.json       # Current project blueprints & task status
├── requirements.txt     # Python dependencies
└── pytest.ini           # Testing configuration

🤝 项目工作流程

  1. 分析：当发出请求时 architect_request 工具触发代理图。
  2. 分解：任务管理器代理将请求分解为细粒度任务。
  3. 状态更新：项目清单 .ai_state.json 会自动更新新的任务和计划。
  4. 实施：开发人员代理（或用户）遵循生成的计划，实时更新任务状态。

📄 许可证

此项目根据Apache许可证2.0获得许可-请参阅 许可证 文件以获取详细信息。

相关 MCP