AI导哈

日志管理与语义搜索服务

Everlight MCP提供静态日志存储、API访问及基于Cloudflare Vectorize的语义搜索功能，适用于日志分析和知识检索场景。

  • by HawkEyeTheRapper
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 HawkEyeTheRapper/mcp-everlight-mirror

使用说明

光大MCP（aetheranalysis.com）

此仓库将EverLight上下文日志打包为MCP兼容服务，包括：

  • 静态人类可读日志 mcp.aetheranalysis.com/everlight-context/logs.
  • MCP API位于 api.aetheranalysis.com/mcp/{model} 暴露 resources, resource/{id}, tools/search，每种型号 manifest.json.
  • Cloudflare Vectorize支持的矢量搜索使用 @cf/baai/bge-base-en-v1.5 嵌入模型。

组件

  • everlight-context/logs：Markdown+HTML日志（约800条）。
  • everlight-context/build_index.py：生成 index.json 和 chunks.jsonl （分块文本）。
  • everlight-context/ingest_vectorize.py：嵌入块并向Cloudflare Vectorize升级（还支持NDJSON导出）。
  • api/worker.js：Cloudflare Worker服务于MCP端点（资源+搜索+清单）。
  • wrangler.mcp.toml：Worker配置（绑定、路由）。

域/路由

  • 人工日志（静态）： https://mcp.aetheranalysis.com/everlight-context/logs/{filename}
  • MCP API根（每个型号）： https://api.aetheranalysis.com/mcp/{model}
    • GET /resources --KV列表 index.json
    • GET /resource/{id} --从R2流降价
    • POST /tools/search --语义搜索（矢量化）
    • GET /manifest.json --每种型号的MCP清单（资源+搜索工具）

认证

  • 工人期望 Authorization: Bearer <token> 当 API_TOKENS 秘密已经设定。
  • 本地环境导出（参见 omni-env.sh):
    • MCP_API_TOKEN （面向客户）
    • CF_API_TOKEN, CLOUDFLARE_ACCOUNT_ID （用于部署+矢量化）
    • OPEN_AI_API_KEY （保留用于其他工具；默认情况下搜索使用CF BGE）
  • 设置/旋转令牌： wrangler secret put API_TOKENS --config wrangler.mcp.toml

构建和摄取

  1. 生成索引+块（基本URL可能被覆盖）：
    cd everlight-context
python3 build_index.py --base-url https://mcp.aetheranalysis.com/everlight-context/logs
  2. 嵌入并生成NDJSON（Cloudflare BGE）：
    source /mnt/aether_vault/omni-stack/omni-env.sh
EMBEDDINGS_URL="https://api.cloudflare.com/client/v4/accounts/$CLOUDFLARE_ACCOUNT_ID/ai/run/@cf/baai/bge-base-en-v1.5" \
EMBEDDINGS_KEY="$CF_API_TOKEN" \
python3 ingest_vectorize.py --index everlight-memory-context-bge --batch 64 --sleep 0.05 --out-file vectors.ndjson
  3. 将向量进行矢量化：
    wrangler vectorize upsert everlight-memory-context-bge \
  --file everlight-context/vectors.ndjson \
  --config wrangler.mcp.toml \
  --batch-size 2000
  4. （可选）升级后清理NDJSON：
    rm everlight-context/vectors.ndjson

部署（工作者）

source /mnt/aether_vault/omni-stack/omni-env.sh
wrangler deploy --config wrangler.mcp.toml

绑定（in wrangler.mcp.toml):

  • KV： INDEX_KV （b0d040fcab004a8b92d98337e19e38）
  • R2： LOG_BUCKET （everlight mcp日志）
  • 矢量化： VECTORIZE （everlight记忆上下文bge）
  • 时间 ： INDEX_URL, LOG_BASE_URL, API_BASE

MCP清单（每种型号）

服务于 https://api.aetheranalysis.com/mcp/<model>/manifest.json。清单中的端点以模型为前缀。工具：

  • search 输入架构： { query: string, top_k?: int (1-20, default 5), accounts?: string[], tags?: string[] }

客户端使用示例

  • 列出资源：
    curl -H "Authorization: Bearer $MCP_API_TOKEN" \
  https://api.aetheranalysis.com/mcp/claude/resources
  • 获取资源：
    curl -H "Authorization: Bearer $MCP_API_TOKEN" \
  https://api.aetheranalysis.com/mcp/claude/resource/10-legal-placeholder-meaning-6843065f-eda8-8011-88fe-1dbc795cbbc8
  • 搜索：
    curl -H "Authorization: Bearer $MCP_API_TOKEN" \
  -H "Content-Type: application/json" \
  -X POST https://api.aetheranalysis.com/mcp/claude/tools/search \
  -d '{"query":"everlight codex federation diagram","top_k":5,"accounts":["Account1_exports"]}'

备注

  • 矢量索引使用BGE（1024 dims）；Worker处理Cloudflare AI运行响应。
  • ingest_vectorize.py 如果您想通过CLI而不是直接的API调用来追加启动，则返回NDJSON导出。
  • 避免泄露秘密；令牌生活在牧马人的秘密和 omni-env.sh.

相关 MCP