AI导哈

动态提示生成服务器

Mercury Spec Ops MCP Server 是一个基于模块化架构的动态提示生成和模板组装工具，适用于AI助手与专业内容的交互，支持31种技术栈、10种分析维度和34个模板部分的动态生成。

  • by n0zer0d4y
  • TypeScript
  • 本地部署
  • 4 星标
  • 更新于
在 GitHub 查看 n0zer0d4y/mercury-spec-ops

使用说明

Mercury Spec Ops MCP服务器：提示和资源 工具

第一个公开用于提示生成和模板组装的动态AI调用工具的MCP服务器。

改变人工智能助手与专业内容的交互方式。Mercury Spec Ops提供的不是静态提示和资源 6个可编程工具 使AI能够按需动态生成特定技术的提示和全面的模板。基于复杂的模块化架构 31个技术栈, 10个分析维度，以及 34个模板部分--所有这些都可以通过简单的工具调用来访问。

特性

此MCP服务器提供了一个模块化、可扩展的架构，具有：

提示（通过枚举支持增强）

  1. PRD提示 -通过模块化技术特定分析生成产品需求文档
  2. 代码库分析提示 -使用模块化技术分析代码库/重点特定分析
  3. Bug分析提示 -使用模块化严重性/技术特定分析来分析漏洞

资源（模块化模板）

  1. PRD模板 -具有特定技术部分的模块化PRD模板
  2. 代码库分析模板 -模块化代码库分析模板，包含技术/重点特定部分
  3. Bug分析模板 -带有严重性/技术特定部分的模块化错误分析模板

关键能力

基于枚举的输入验证

  • 技术栈 （共31个）：
    • 语言 （11） ：JavaScript、TypeScript、Python、Java、Go、Rust、C#、PHP、Ruby、Swift、Kotlin
    • 运行时 （1） ：Node.js
    • 前端 （3） ：React、Angular、Vue
    • 后端 （7） ：Express、NestJS、Django、Flask、Spring、Laravel、Rails
    • 数据库 （4） ：MongoDB、PostgreSQL、MySQL、Redis
    • 云 （3） ：AWS、Azure、GCP
    • 开发运维 （2） ：Docker、Kubernetes
  • 分析重点 （共10个）：架构、安全性、性能、测试、文档、可维护性、可扩展性、可靠性、代码质量、依赖关系
  • Bug严重性 （共4个）：低、中、高、临界
  • 目标受众：开发人员、商业用户、企业、初创公司、医疗保健、金融等

程序化快速组装

  • 基础提示+31个技术模块+10个焦点模块+4个严重性模块
  • 基于输入参数的自动模块选择
  • 基于优先级的模块订购
  • 多价值支持：同时分析多种技术和重点领域
  • 逗号分隔输入：“node.js、react、postgresql”或“安全性、性能、代码质量”
  • 自定义指令集成
  • 智能回退到基本提示

模块化模板系统

  • 具有依赖关系解析的模板部分
  • 特定技术模板部分
  • 关注特定模板部分
  • 自定义部分支持

安装

方案1：地方发展

  1. 克隆和安装依赖关系：
git clone https://github.com/n0zer0d4y/mercury-spec-ops.git
cd mercury-spec-ops
npm install
npm run build
  1. 在本地运行服务器：
npm run mcp

选项2：从npm安装

npm install -g @n0zer0d4y/mercury-spec-ops

或直接与 npx （无需安装）：

npx @n0zer0d4y/mercury-spec-ops

用法

与MCP客户端集成

在MCP客户端中配置服务器（Claude Desktop、Cursor等）：

使用npx（推荐-无需安装）

适用于克劳德桌面 (claude_desktop_config.json):

{
  "mcpServers": {
    "mercury-spec-ops": {
      "command": "npx",
      "args": ["-y", "@n0zer0d4y/mercury-spec-ops"]
    }
  }
}

对于光标 (~/.cursor/mcp.json):

{
  "mcpServers": {
    "mercury-spec-ops": {
      "timeout": 60,
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@n0zer0d4y/mercury-spec-ops"]
    }
  }
}

使用本地安装

适用于克劳德桌面 (claude_desktop_config.json):

{
  "mcpServers": {
    "mercury-spec-ops": {
      "command": "node",
      "args": ["/path/to/mercury-spec-ops/dist/src/server.js"]
    }
  }
}

对于光标 (~/.cursor/mcp.json):

{
  "mcpServers": {
    "mercury-spec-ops": {
      "timeout": 60,
      "type": "stdio",
      "command": "node",
      "args": ["/path/to/mercury-spec-ops/dist/src/server.js"]
    }
  }
}

Windows本地路径示例 （光标）：

{
  "mcpServers": {
    "mercury-spec-ops": {
      "timeout": 60,
      "type": "stdio",
      "command": "node",
      "args": [
        "C:\\Development\\Projects\\MCP-Servers\\mercury-spec-ops\\dist\\src\\server.js"
      ]
    }
  }
}

重要提示：

  • npx：自动从npm获取最新版本（推荐给大多数用户）
  • 本地：用实际项目位置替换路径并运行 npm run build 第一
  • 重启：配置更改后重新启动MCP客户端

工作流示例

示例1：增强的代码库分析

  1. 用户提示：“分析Node.js/TypeScript代码库，重点关注安全性和性能”
  2. 克劳德桌面操作:
    • 呼叫 codebase-analysis-prompt 使用technology_stock：“node.js，typescript”和analysis_focus：“安全性，性能”
    • 系统编程组装：基本提示+Node.js模块+TypeScript模块+安全模块+性能模块
    • 提示指示Claude首先阅读 resource://codebase-analysis-template
    • 模板构建器组装：基础模板+Node.js部分+TypeScript部分+安全部分+性能部分
    • Claude读取动态组装的模板
    • Claude分析代码库并生成一份全面的技术特定报告

示例2：增强的Bug分析

  1. 用户提示：“分析React应用程序中的这个关键安全漏洞”
  2. 克劳德桌面操作:
    • 呼叫 bug-analysis-prompt 使用technology_stock：“反应”，severity_level：“严重”，bug_type：“安全”
    • 系统组装：基本提示+反应模块+安全模块+严重性模块
    • 模板包括：一般部分+特定于React+特定于安全性+关键严重性部分
    • Claude阅读bug分析模板
    • Claude分析了该漏洞，并生成了一份全面的技术和严重性特定报告

示例3：技术支持下的珠三角发电

  1. 用户提示：“帮助我为基于React的任务管理应用程序创建PRD”
  2. 克劳德桌面操作:
    • 呼叫 prd-prompt 包含项目详细信息和技术_stack：“反应”
    • 系统组装：基本提示+React模块
    • 模板构建器包括：基础PRD模板+React特定考虑因素
    • Claude阅读技术增强的PRD模板
    • Claude生成了一个包含React特定部分的全面PRD

提示详细信息

PRD提示

  • 名字: prd-prompt
  • 参数:
    • project_name （必填）：软件项目名称
    • project_description （必填）：项目简介
    • target_audience （可选）：产品的目标受众（枚举值）
    • project_type （可选）：项目类型（枚举值）
    • key_features （可选）：PRD中包含的关键功能
    • technology_stack （可选）：要使用的技术栈（枚举值）
    • custom_instructions （可选）：PRD生成的自定义说明

代码库分析提示

  • 名字: codebase-analysis-prompt
  • 参数:
    • repository_path （必填）：要分析的存储库路径
    • technology_stack （必填）：代码库中使用的技术栈（枚举值）
    • analysis_focus （可选）：分析的重点领域（枚举值）
    • custom_instructions （可选）：代码库分析的自定义说明

Bug分析提示

  • 名字: bug-analysis-prompt
  • 参数:
    • repository_path （必填）：包含要分析的错误的存储库路径
    • bug_description （必填）：要分析的错误或问题的描述
    • affected_components （可选）：受错误影响的组件
    • severity_level （可选）：错误的严重程度（枚举值）
    • bug_type （可选）：错误类型（枚举值）
    • technology_stack （可选）：受影响组件中使用的技术栈（枚举值）
    • custom_instructions （可选）：错误分析的自定义说明

资源详细信息

PRD模板

  • 统一资源标识符: resource://prd-template
  • 格式：Markdown
  • 内容：模块化PRD模板，具有基于输入参数动态组装的技术特定部分

代码库分析模板

  • 统一资源标识符: resource://codebase-analysis-template
  • 格式：Markdown
  • 内容：模块化代码库分析模板，包含基于分析参数组装的技术和重点特定部分

Bug分析模板

  • 统一资源标识符: resource://bug-analysis-template
  • 格式：Markdown
  • 内容：模块化错误分析模板，包含根据错误参数组装的严重性和技术特定部分

发展

项目结构

src/
├── server.ts                    # Main MCP server implementation
├── types/
│   ├── enums.ts                 # All enum definitions (31 tech + 10 focus)
│   └── index.ts                 # Type definitions and exports
├── prompts/
│   ├── modules/                 # 45 modular prompt components
│   │   ├── technology/          # 31 technology-specific modules
│   │   │   ├── languages/       # 11 language modules
│   │   │   ├── runtimes/        # 1 runtime module
│   │   │   ├── frameworks/      # 10 framework modules (3 frontend, 7 backend)
│   │   │   ├── databases/       # 4 database modules
│   │   │   ├── cloud/           # 3 cloud platform modules
│   │   │   └── tools/           # 2 DevOps tool modules
│   │   ├── analysis-focus/      # 10 focus-area modules
│   │   └── bug-severity/        # 4 severity-specific modules
│   ├── base-prompts/            # Base prompt templates
│   └── prompt-builder.ts        # Programmatic prompt assembly
├── resources/
│   ├── templates/               # Modular template components
│   │   ├── prd/                 # 10 PRD template modules
│   │   ├── codebase-analysis/   # 8 codebase analysis modules
│   │   └── bug-analysis/        # 4 bug analysis modules
│   └── template-builder.ts      # Programmatic template assembly
└── __tests__/                   # Comprehensive test suite (66 tests)
    ├── utils/                   # Utility function tests (enum parser)
    ├── prompts/                 # Prompt builder tests
    ├── resources/               # Template builder tests
    └── types/                   # Enum and type tests

测试

该项目包括一个覆盖率为88%的全面测试套件：

# Run all tests
npm test

# Run tests in watch mode
npm run test:watch

# Run tests with coverage report
npm run test:coverage

# Run tests with interactive UI
npm run test:ui

# Test MCP integration
npm run test:mcp

检验统计量:

  • 66次测试（100%通过）
  • 总体覆盖率88.48%
  • 报表覆盖率：88.48%
  • 线路覆盖率：88.70%

生产大楼

npm run build

代码检查

npm run lint

扩展系统

添加新技术模块

  1. 将技术添加到 TechnologyStack 枚举在 src/types/enums.ts
  2. 在相应的类别中创建新的模块文件：
    • 语言： src/prompts/modules/technology/languages/
    • 框架： src/prompts/modules/technology/frameworks/frontend/ 或 backend/
    • 数据库： src/prompts/modules/technology/databases/
    • 云： src/prompts/modules/technology/cloud/
    • 工具： src/prompts/modules/technology/tools/
  3. 实施 TechnologyPromptModule 接口
  4. 从该类别导出 index.ts
  5. 在中注册 prompt-builder.ts
  6. 在中添加相应的模板部分 src/resources/templates/
  7. 在中编写测试 src/__tests__/

添加新的重点领域

  1. 将焦点区域添加到 AnalysisFocus 枚举在 src/types/enums.ts
  2. 在中创建新的模块文件 src/prompts/modules/analysis-focus/
  3. 实施 AnalysisFocusPromptModule 接口
  4. 出口自 analysis-focus/index.ts
  5. 在中注册 prompt-builder.ts
  6. 添加相应的模板部分
  7. 编写测试

添加新的严重性级别

  1. 将严重性添加到 BugSeverity 枚举在 src/types/enums.ts
  2. 在中创建新的模块文件 src/prompts/modules/bug-severity/
  3. 实施 BugSeverityPromptModule 接口
  4. 在提示生成器中注册它
  5. 添加相应的模板部分
  6. 编写测试

贡献

欢迎投稿！请遵循以下指南：

  • 分叉存储库并创建功能分支
  • 遵循现有的代码模式，并将测试覆盖率保持在85%以上
  • 使用 约定式提交 格式（壮举、修复、文档、测试、杂务）
  • 在提交pull请求之前，确保所有测试都通过
  • 看 扩展系统 用于添加新模块

报告问题 GitHub问题 具有清晰的复制步骤。

许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

相关 MCP