AI导哈

智能上下文管理服务器

一个提供智能上下文管理和网页内容获取功能的服务器，支持AI助手高效存储、检索和管理上下文数据，并获取实时网页内容。

  • by LangGPT
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 LangGPT/context-mcp-server

使用说明

上下文MCP服务器

一种模型上下文协议（MCP）服务器，提供智能上下文管理和web内容获取功能。该服务器使AI助手能够高效地存储、检索和管理上下文数据，同时获取网络内容以进行实时信息访问。

特性

  • 🔍 智能内容获取：使用具有回退机制的Jina Reader API检索web内容
  • 🌐 Web内容处理：将HTML转换为markdown以更好地使用AI
  • 💾 文件管理：将获取的内容保存到有组织的文件结构中
  • 🚀 高性能：使用智能缓存优化取数算法
  • 🔧 易于集成：与各种AI客户端兼容的标准MCP协议

可用工具

获取

从URL获取内容并将其作为文本返回。该工具首先尝试使用JinaReaderneneneba API获取内容，如果失败，则返回直接HTTP请求。

论据：

  • url （string，必填）：从中获取内容的URL
  • max_length （整数，可选）：返回的最大字符数（默认值：5000）
  • start_index （整数，可选）：从此字符索引开始内容（默认值：0）
  • raw （boolean，可选）：获取原始内容而不进行markdown转换（默认值：false）

退货：

  • URL的文本内容

示例用法：

Please fetch the content from https://example.com

获取和保存

从URL获取内容并将其保存到文件中。该工具首先尝试使用JinaReaderneneneba API获取内容，如果失败，则返回直接HTTP请求。

论据：

  • url （string，必填）：从中获取内容的URL
  • file_path （string，可选）：保存文件的路径。如果没有提供，将根据URL域和时间戳自动生成文件名
  • raw （boolean，可选）：获取原始内容而不进行markdown转换（默认值：false）

退货：

  • 文件保存的路径

示例用法：

Please fetch and save the content from https://example.com to article.txt

或者自动命名：

Please fetch and save the content from https://example.com

可用提示

  • 获取
    • 获取一个URL并将其内容提取为markdown
    • 论据：
      • url （字符串，必填）：要获取的URL

安装和使用

地方发展设置

  1. 克隆或下载源代码：

    git clone https://github.com/LangGPT/context-mcp-server.git
cd context-mcp-server

  2. 使用uv安装依赖项：

    uv sync

  3. 测试服务器：

    uv run python -m context_mcp_server --help

与Claude Desktop一起使用（本地源代码）

将此配置添加到您的Claude Desktop配置文件中：

{
  "mcpServers": {
    "context-mcp-server": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "/path/to/your/context-mcp-server",
        "python",
        "-m",
        "context_mcp_server"
      ],
      "env": {
        "CONTEXT_DIR": "/path/to/your/data/directory"
      }
    }
  }
}

配置文件位置：

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

与VS代码（本地源代码）一起使用

添加到您的VS代码设置或 .vscode/mcp.json:

{
  "mcpServers": {
    "context-mcp-server": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "/path/to/your/context-mcp-server",
        "python",
        "-m",
        "context_mcp_server"
      ],
      "env": {
        "CONTEXT_DIR": "/path/to/your/data/directory"
      }
    }
  }
}

通过包管理器安装

使用紫外线（推荐）

使用时 uv 不需要特定的安装。我们将 使用 uvx 直接运行 上下文mcp服务器:

uvx context-mcp-server

使用pip

pip install context-mcp-server

安装后，按以下方式运行：

python -m context_mcp_server

包管理器配置

带uvx的克劳德桌面

{
  "mcpServers": {
    "context-mcp-server": {
      "command": "uvx",
      "args": ["context-mcp-server"],
      "env": {
        "CONTEXT_DIR": "/path/to/your/data/directory"
      }
    }
  }
}

带有uvx的VS代码

{
  "mcp": {
    "servers": {
      "context-mcp-server": {
        "command": "uvx",
        "args": ["context-mcp-server"],
        "env": {
          "CONTEXT_DIR": "/path/to/your/data/directory"
        }
      }
    }
  }
}

配置

环境变量

CONTEXT_DIR

设置使用时保存文件的工作目录 fetch_and_save 工具。

  • 默认: data
  • 优先级: CONTEXT_DIR 环境变量>默认值 data

例子：

export CONTEXT_DIR=/path/to/your/data

命令行参数

--用户代理

默认情况下，根据请求是来自模型（通过工具）还是由用户发起（通过提示），服务器将使用用户代理：

ModelContextProtocol/1.0 (Autonomous; +https://github.com/modelcontextprotocol/servers)

或者：

ModelContextProtocol/1.0 (User-Specified; +https://github.com/modelcontextprotocol/servers)

这可以通过添加参数进行自定义 --user-agent=YourUserAgent 到 args 配置中的列表。

--代理url

可以使用以下命令将服务器配置为使用代理 --proxy-url 争论。

发展

建立开发环境

  1. 安装开发依赖项：

    uv sync --dev

  2. 运行linting和类型检查：

    uv run ruff check
uv run pyright

  3. 构建包：

    uv build

测试

在本地测试服务器：

uv run python -m context_mcp_server

使用自定义工作目录：

CONTEXT_DIR=/custom/path uv run python -m context_mcp_server

使用MCP检查器进行调试：

npx @modelcontextprotocol/inspector uv run python -m context_mcp_server

使用自定义工作目录：

CONTEXT_DIR=/custom/path npx @modelcontextprotocol/inspector uv run python -m context_mcp_server

进行更改

  1. 在中编辑源代码 src/context_mcp_server/
  2. 使用测试您的更改 uv run python -m context_mcp_server
  3. 更新版本 pyproject.toml 如有需要
  4. 运行测试和梳理

调试

您可以使用MCP检查器调试服务器：

对于当地发展：

npx @modelcontextprotocol/inspector uv run python -m context_mcp_server

对于uvx安装：

npx @modelcontextprotocol/inspector uvx context-mcp-server

贡献

我们鼓励为扩展和改进上下文mcp服务器做出贡献。无论您是想添加新工具、增强现有功能还是改进文档，您的意见都是有价值的。

许可证

context mcp服务器根据MIT许可证获得许可。这意味着您可以根据MIT许可证的条款和条件自由使用、修改和分发软件。有关更多详细信息，请参阅项目存储库中的LICENSE文件。

相关 MCP