AI导哈

模型控制协议服务器

一个模块化的FastAPI后端，用于控制和自动化生成引用、处理图像、管理视频元数据以及分发结构化内容，支持PostgreSQL和现代Python工具。

  • by Iamkrmayank
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 iamkrmayank/quote-fancy-mcp-server

使用说明

🧠 MCP服务器（模型控制协议）

一个模块化的FastAPI后端，旨在控制和自动化报价生成、图像处理、视频元数据管理和结构化内容分发的生命周期，由PostgreSQL和现代Python工具提供支持。

🚀 特性

  • 🔡 报价和结构生成器
  • 🖼️ 图像下载器，调整大小和ALT文本匹配器
  • 🔄 批量提交到Azure OpenAI
  • 📹 视频元数据清理器
  • 📊 元数据生成器和文本合并
  • 🧭 故事的循环导航逻辑
  • 🧹 最终报价花式数据重新排序
  • 📥 所有通过PostgreSQL处理的数据

📦 文件夹结构

MCP服务器/ ├── main.py#FastAPI入口点 ├── .env#环境秘密（PG_HOST、PG_USER等） ├── 路由器/#所有功能路由模块化 │ ├── quotes.py │ ├── image_router.py │ ├── altxt.py │ ├── rotate.py │ ├── 重新排序.py │ └── … ├── requirements.txt#所有依赖项

🛠️ 本地设置和运行

1.克隆存储库

git clone https://github.com/Iamkrmayank/quote-fancy-mcp-server.git
cd mcp-server

2.创建.env文件

PG_HOST=localhost
PG_PORT=5432
PG_DATABASE=your_db
PG_USER=your_user
PG_PASSWORD=your_password

3.安装依赖项

pip install -r requirements.txt

4.运行FastAPI服务器

uvicorn main:app --reload

5.关键终点

🔁 关键终点

方法 端点 描述
职位 /quotes/ 生成或抓取报价
职位 /generate/ 生成结构化文本内容
职位 /images/ 从外部源下载图像
职位 /match/ 将ALT文本与图像匹配
职位 /azure/ 向Azure OpenAI提交批处理文本任务
职位 /track/ 跟踪Azure批处理映像处理
职位 /merge_text/ 合并结构化报价内容
职位 /resizer/ 调整图像大小并将其保存到S3/CDN
职位 /distribute/ 分发图像URL和段落文本
职位 /videometa/ 清理并规范视频元数据
职位 /modify_column/ 删除或更新特定数据库列
职位 /metadata/ 生成元数据（标题、描述、关键字）
职位 /rotate/ 为故事添加循环下一页/上一页导航
职位 /reorder/ 将最终输出重新排序为 final_quote_fancy_data

📍 访问Swagger用户界面： http://localhost:8000/docs

📄 许可证

MIT许可证

👨‍💻 作者

库马尔 马扬克 📬 领英 🌐 GitHub

相关 MCP