使用说明
高级MCP研究助理
用于AI驱动的研究助理的模型上下文协议（MCP）的复杂实现。
特性
- 高级上下文管理：通过主题跟踪、研究整合和上下文总结来维护对话历史
- 研究论文集成：搜索、分析和管理研究论文
- 引文管理：自动提取和管理引文
- 文献综述生成：根据研究背景创建全面的文献综述
- 话题检测：自动检测和跟踪对话主题
- Groq API集成：使用Llama 3获得高质量的回复
- 现代用户界面：简洁、响应迅速的界面，具有多个视图
什么是MCP？
模型上下文协议（MCP）是一个用于管理和构建AI模型交互中上下文的框架。它提供：
- 结构化上下文管理
- 基于会话的会话跟踪
- 话题检测与跟踪
- 上下文持久化和检索
- 通过上下文感知增强人工智能响应
项目结构
mcp_advanced/
├── api/ # API endpoints
│ ├── __init__.py
│ └── endpoints.py # REST API implementation
├── core/ # Core MCP components
│ ├── __init__.py
│ ├── context_manager.py # Advanced context management
│ ├── model_interface.py # Interface for AI models
│ └── research_utils.py # Research utilities
├── static/ # Static assets
│ ├── css/
│ │ └── style.css # Application styles
│ └── js/
│ ├── app.js # Main application JavaScript
│ ├── research.js # Research page JavaScript
│ └── papers.js # Papers page JavaScript
├── templates/ # HTML templates
│ ├── index.html # Main chat interface
│ ├── research.html # Research interface
│ └── papers.html # Papers management interface
├── data/ # Data storage
│ └── contexts/ # Context storage
├── app.py # Main application
├── .env # Environment variables
└── requirements.txt # Project dependencies
关键MCP组件
研究环境管理器
这 ResearchContextManager 类在 core/context_manager.py 实现复杂的上下文管理：
- 使用元数据维护对话历史记录
- 自动跟踪主题
- 存储研究论文、发现和引用
- 管理用户首选项
- 提供上下文摘要
- 使用YAML存储实现上下文持久性
研究模型界面
这 ResearchModelInterface 类在 core/model_interface.py 为AI模型提供了一个接口：
- 格式化模型消费的上下文
- 支持不同的交互模式（研究、论文分析、文献综述）
- 使用模板实现快速工程
- 处理回复并提取引用
- 分析研究论文
API终点
中的API终结点 api/endpoints.py 展示MCP功能：
- 对话的聊天端点
- 上下文管理端点
- 研究论文检索与分析
- 文献综述生成
- 引文管理
入门指南
-
安装依赖项：
pip install -r requirements.txt -
在中设置环境变量
.env:GROQ_API_KEY=your_api_key DEFAULT_MODEL=llama3-8b-8192 MAX_CONTEXT_LENGTH=30 DEBUG=True -
运行应用程序：
python app.py -
打开浏览器并导航到
http://localhost:5000
未来的增强功能
- 持久存储的数据库集成
- 用户身份验证和多用户支持
- 高级NLP，用于更好的主题检测和引文提取
- 与Semantic Scholar或Google Scholar等学术API集成
- 协作研究功能
