使用说明

通知-MCP（或“向MCP通知”，具体翻译可能根据上下文调整，MCP可能代表某个特定的系统、部门或个人）

一个支持跨AI平台无缝团队协作的发布-订阅（Pub-Sub）MCP服务器 🤖 机器人

概述

Notify-MCP启用 团队间共享通知、决策和状态更新 在不同人工智能助手（Claude、ChatGPT、Gemini）之间。它实现了一个灵活的发布-订阅架构，团队成员可以：

📢 广播向所有利益相关者传达架构决策
🚨（警报/紧急情况符号，无具体文字含义，可理解为“警报”或“紧急”）警报关于关键事件的团队（或：团队讨论关键事件）
📊（图表）分享项目状态和更新
🔔（铃铛或警报声的符号，具体含义根据上下文而定，可译为“铃声”、“警报”等）订阅通过智能过滤器连接到相关渠道
🤝（握手）协调在不同的AI平台间协作

用例

开发团队分享技术决策、代码审查结果和部署状态
咨询团队协调客户更新、项目里程碑、建议事项
业务团队广播战略决策、需求变更、优先级事项
跨职能的在团队和AI助手之间保持共享上下文

特点/特性

核心能力

📢 多通道系统为团队、项目或主题创建专属频道
🎯（目标/靶心） 智能过滤订阅时应用过滤器（优先级、标签、主题、发件人角色）
🔔（铃铛或提醒的符号，可翻译为“铃声”或根据上下文意译为“提醒”、“注意”等） 发布-订阅架构通过通道实现解耦的通知传递
📚 书籍或学习的象征 通知历史获取最近的通知（每个频道最多50条）
💾 保存（数据） 持久存储用于团队协作的SQLite数据库（v1.1.0+）
🔐（锁形符号，常用于表示密码、保密或锁定状态） 类型安全使用JSON Schema进行完整的Pydantic验证
🧪 试管或实验装置（化学实验相关） 经过充分测试62个单元测试，代码覆盖率70%

MCP协议支持

6个工具发布、订阅、取消订阅、列出频道、创建频道、获取订阅
3 资源通知历史、频道信息、通知模式
2个提示架构决策和警报模板
交通stdio（默认），HTTP（v1.2.0+）用于远程协作

通知模式（或通知架构）

丰富的通知模型，具备：

发送者信息用户ID、姓名、角色、AI工具
上下文主题、优先级（低/中/高/紧急）、标签
信息标题、正文（文本/Markdown/JSON）、格式
元数据ID，时间戳，频道，序列号，线程（或“线程编号”）
行动可选操作按钮
能见度到期时间、允许用户、阅读回执

安装

先决条件

Python 3.11及以上版本
紫外线 （快速的Python包管理器）

安装 uv

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows (PowerShell)
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

安装 Notify-MCP

# Clone the repository
git clone <repository-url>
cd notify-mcp

# Install dependencies
uv sync

# Verify installation
uv run python -m notify_mcp --help

配置

Claude Desktop / Claude Code（可译为“Claude桌面版 / Claude代码版”）

文件： ~/.config/Claude/claude_desktop_config.json (macOS/Linux) 或 %APPDATA%/Claude/claude_desktop_config.json (Windows)

{
  "mcpServers": {
    "notify-mcp": {
      "command": "uv",
      "args": ["run", "python", "-m", "notify_mcp"],
      "cwd": "/absolute/path/to/notify-mcp",
      "env": {
        "NOTIFY_MCP_LOG_LEVEL": "INFO"
      }
    }
  }
}

替代方案 （已激活虚拟环境）：

{
  "mcpServers": {
    "notify-mcp": {
      "command": "/absolute/path/to/notify-mcp/.venv/bin/python",
      "args": ["-m", "notify_mcp"]
    }
  }
}

重启克劳德 更新配置文件后。

存储配置

v1.1.0 新增功能持久化存储通过共享数据库支持团队协作。

在MCP服务器配置中，通过环境变量配置存储：

{
  "mcpServers": {
    "notify-mcp": {
      "command": "uv",
      "args": ["run", "python", "-m", "notify_mcp"],
      "cwd": "/absolute/path/to/notify-mcp",
      "env": {
        "NOTIFY_MCP_STORAGE_TYPE": "sqlite",
        "NOTIFY_MCP_SQLITE_PATH": "~/.notify-mcp/storage.db",
        "NOTIFY_MCP_MAX_HISTORY": "1000"
      }
    }
  }
}

存储选项:

变量	选项	默认值	描述
`NOTIFY_MCP_STORAGE_TYPE`	`memory`， `sqlite`	`memory`	存储后端类型
`NOTIFY_MCP_SQLITE_PATH`	文件路径	`~/.notify-mcp/storage.db`	SQLite数据库路径
`NOTIFY_MCP_MAX_HISTORY`	整数	`1000`	每个频道的最大通知数（LRU缓存）

存储类型：

memory （默认）：内存存储，速度快但重启后数据不持久
**sqlite**基于文件的SQLite数据库，可在团队成员之间持久共享

团队协作设置：

要在团队成员之间共享通知，请使用共享的SQLite数据库：

# Store database in shared network location
NOTIFY_MCP_STORAGE_TYPE=sqlite
NOTIFY_MCP_SQLITE_PATH=/shared/team/notify-mcp.db

所有指向同一数据库文件的团队成员将共享频道、订阅和通知历史！ 🎉

HTTP传输配置

v1.2.0 新增功能将 `notify-mcp` 作为 HTTP 服务器运行，以实现远程协作！

通过环境变量配置HTTP传输：

{
  "mcpServers": {
    "notify-mcp-http": {
      "command": "uv",
      "args": ["run", "python", "-m", "notify_mcp"],
      "cwd": "/absolute/path/to/notify-mcp",
      "env": {
        "NOTIFY_MCP_TRANSPORT_TYPE": "http",
        "NOTIFY_MCP_HTTP_HOST": "0.0.0.0",
        "NOTIFY_MCP_HTTP_PORT": "8000",
        "NOTIFY_MCP_STORAGE_TYPE": "sqlite",
        "NOTIFY_MCP_SQLITE_PATH": "/shared/notify-mcp.db"
      }
    }
  }
}

交通方式选项：

变量	选项	默认值	描述
`NOTIFY_MCP_TRANSPORT_TYPE`	`stdio`， `http`	`stdio`	传输协议
`NOTIFY_MCP_HTTP_HOST`	IP地址	`0.0.0.0`	HTTP服务器主机（绑定到所有接口）
`NOTIFY_MCP_HTTP_PORT`	端口号	`8000`	HTTP服务器端口

HTTP服务器端点： http://<host>:<port>/mcp

运行独立HTTP服务器：

# Using environment variables
export NOTIFY_MCP_TRANSPORT_TYPE=http
export NOTIFY_MCP_HTTP_PORT=8000
uv run python -m notify_mcp

# Or use the example script
uv run python examples/run_http_server.py

HTTP传输的优势：

🌐（表示“互联网”或“全球网络”的符号） 远程访问在网络的任何位置均可连接
👥 代表“人们”或“人群”的符号，可翻译为“人们”或根据上下文译为“人群”等。 多客户端多个AI助手同时连接
☁️ 云朵 云部署部署到铁路（此处可能指某种铁路相关的云服务或平台，但直译为“铁路”在中文中可能产生歧义，具体需根据上下文确定，若指一般云服务则可忽略此部分）、Render、Fly.io、AWS 等。
🔄（循环/重复） 实时协作所有客户端都能即时看到更新

安全提示社区版HTTP传输具有 无需认证如需在生产环境中使用认证、JWT（JSON Web Token）和监控功能，请参阅 企业版。

在Claude代码中使用斜杠命令

有六个便捷的斜杠命令可用 .claude/commands/：

/notify-decision - 创建架构决策通知
/notify-alert - 创建关键警报
/notify-status - 分享状态更新
/notify-channels - 列出所有频道
/notify-subscribe - 订阅一个频道
/notify-recent - 查看最近的通知

ChatGPT（通过MCP）

ChatGPT通过自定义集成支持MCP。有两种选项：

选项1：使用MCP桥接（推荐）

使用MCP到HTTP桥接器连接ChatGPT：

运行 notify-mcp 服务器 (stdio)：标准输入输出（库）
```
uv run python -m notify_mcp
```

使用MCP桥接 （例如。， MCP桥接器（或 MCP桥梁）):

mcp-bridge --stdio "uv run python -m notify_mcp" --http localhost:8080

配置ChatGPT自定义GPT:
- 创建一个自定义GPT
- 添加“notify-mcp”操作
- 指向桥接端点： http://localhost:8080
- 从桥接处导入OpenAPI规范

选项2：直接集成（未来）

当OpenAI添加原生MCP支持时，配置将与Claude类似：

{
  "mcpServers": {
    "notify-mcp": {
      "command": "uv",
      "args": ["run", "python", "-m", "notify_mcp"],
      "cwd": "/absolute/path/to/notify-mcp"
    }
  }
}

注截至2025年1月，ChatGPT尚未原生支持MCP（可能是指某种特定功能或协议，但具体含义需根据上下文确定）。请关注OpenAI的公告。

通过MCP的Google Gemini

双子座MCP（可能指某种系统或模块的缩写，具体需根据上下文确定）集成正在开发中。采用两种方法：

选项1：通过Google AI Studio（未来）

当Gemini添加对MCP的支持时：

打开谷歌AI工作室
前往扩展程序 → MCP 服务器

添加服务器：

{
  "name": "notify-mcp",
  "command": "uv",
  "args": ["run", "python", "-m", "notify_mcp"],
  "workingDirectory": "/absolute/path/to/notify-mcp"
}

选项2：使用Gemini API与MCP适配器

使用Gemini API并配以MCP适配器（Python）：

# example_gemini_client.py
from google.generativeai import GenerativeModel
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def main():
    # Connect to notify-mcp
    server_params = StdioServerParameters(
        command="uv",
        args=["run", "python", "-m", "notify_mcp"]
    )

    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()

            # Use Gemini with MCP tools
            model = GenerativeModel('gemini-pro')
            # ... integrate MCP tools with Gemini calls

注预计2025年将实现完整的双子座MCP（多芯片模块/制造控制协议等，具体含义需根据上下文确定）集成。检查 Gemini 文档以获取更新。

快速入门

1. 创建一个频道

# Using MCP tool in Claude/ChatGPT/Gemini
"Create a channel called 'engineering' for technical updates"

或者从编程的角度来说：

await session.call_tool(
    "create_channel",
    arguments={
        "channel_id": "engineering",
        "name": "Engineering Team",
        "description": "Technical updates and decisions"
    }
)

2. 订阅频道

# Subscribe with priority filter
await session.call_tool(
    "subscribe_to_channel",
    arguments={
        "channel": "engineering",
        "priority_filter": ["high", "critical"]
    }
)

3. 发布通知

await session.call_tool(
    "publish_notification",
    arguments={
        "channel": "engineering",
        "title": "API v2.0 Released",
        "body": "New API version deployed to production",
        "priority": "high",
        "theme": "state-update",
        "tags": ["api", "release"]
    }
)

4. 获取通知

notifications = await session.read_resource(
    uri="notification://engineering/recent"
)

使用示例

示例1：架构决策

# In Claude Code
/notify-decision

# Claude will ask for:
# - Decision title: "Migration to Microservices"
# - Context: "Monolith becoming hard to scale..."
# - Decision: "Move to microservices architecture using Docker/K8s"

# Notification published to 'engineering' channel with theme='architecture-decision'

示例2：关键警报

# In any AI assistant with notify-mcp
"Send a critical alert about database connection pool exhaustion"

# Uses publish_notification tool:
# - channel: "alerts"
# - priority: "critical"
# - theme: "alert"

示例3：跨团队协作

在Claude中的开发者：

Subscribe to architecture channel with high priority filter

ChatGPT中的建筑师（或：ChatGPT里的建筑设计师）:

Publish architecture decision about new caching strategy to engineering channel

在Claude中的开发者：

Show me recent notifications from architecture channel

结果开发者即便使用不同的AI平台，也能看到建筑师的决策！ 🎉

MCP 工具参考

发布通知

向频道发布通知。

论点；争论点：

channel (字符串，必填)：频道名称
title （字符串，必填）：通知标题
body （字符串，必填）：通知内容
priority (字符串): "低" | "中" | "高" | "严重" (默认: "中")
theme (字符串): "info" | "state-update"（状态更新）| "alert"（警报）| "architecture-decision"（架构决策）| "question"（问题）| "decision"（决策）| "memory-sync"（内存同步）| "discussion"（讨论）（默认值: "info"）
tags (数组)：标签列表（默认：[]）

退货确认信息，附带通知ID和配送状态

订阅频道

订阅一个频道，并可选择应用过滤器。

论点；争论点:

channel （字符串，必填）：频道名称
priority_filter (数组)：仅接收这些优先级的通知
tag_filter (数组)：仅接收带有这些标签的通知

回报订阅ID和过滤器详情

取消订阅频道

取消订阅某个频道。

论点；争论点：

channel （字符串，必填）：频道名称

回报成功/失败状态

列出频道

列出所有可用频道。

回报包含订阅者/通知数量的频道列表

创建频道

创建一个新的通知渠道。

论点；争论点:

channel_id （字符串，必填）：唯一频道ID
name （字符串，必填）：频道名称
description (字符串)：频道描述

回报确认并提供频道详情

获取我的订阅

获取当前订阅。

回报带过滤器和时间戳的订阅列表

MCP资源参考

通知:///最近

从频道中检索最后50条通知。

示例： notification://engineering/recent

退货通知的JSON数组

channel://（该字符串在中文语境下通常不直接翻译，因为它是一个特定的协议或路径标识符，类似于“http://”或“ftp://”，在中文中仍保持原样使用）/信息

获取频道信息和统计数据。

示例： channel://engineering/info

回报包含订阅者/通知数量的频道详情

schema://notification 翻译成中文是：“模式://通知”。不过，这里的“schema”在编程或数据结构中通常指的是数据模型或框架，但在网络协议或URL中，“schema”（应为“scheme”）指的是协议类型，如http、https等。因此，如果“schema://notification”是在描述某种协议或数据结构，那么更准确的翻译可能是“模式://通知（数据/框架）”或根据上下文调整为更具体的表述。但直接翻译为“模式://通知”在多数情况下是可以理解的

获取通知的JSON模式。

示例： schema://notification

退货完整的通知JSON模式

建筑

notify-mcp/
├── src/notify_mcp/
│   ├── server.py           # Main MCP server
│   ├── models/             # Pydantic models (Notification, Channel, Subscription)
│   ├── config/             # Configuration
│   │   └── storage_config.py  # Storage settings
│   ├── core/               # Business logic
│   │   ├── channel_manager.py        # Channel CRUD
│   │   ├── subscription_manager.py   # Subscription management
│   │   ├── notification_router.py    # Routing & filtering
│   │   └── notification_validator.py # JSON Schema validation
│   ├── storage/            # Storage implementations
│   │   ├── memory.py       # In-memory storage
│   │   ├── sqlite_storage.py  # SQLite persistent storage (v1.1.0+)
│   │   ├── models.py       # SQLAlchemy ORM models
│   │   └── factory.py      # Storage factory
│   └── utils/              # Filter matching, helpers
├── schemas/                # JSON Schemas
├── tests/                  # Unit tests (62 tests, 70% coverage)
├── examples/               # Example clients
└── docs/                   # Documentation

存储

内存存储 （默认）：

⚡ 快速（无I/O开销）
🔄 重启后无持久性
✅ 适合个人使用
📊 LRU缓存（可配置，默认：每个频道1000条通知）

SQLite 存储 (v1.1.0+)：

💾 重启后数据持久存在
🤝（握手） 促进团队协作 （共享数据库文件）
📦 基于文件，无需服务器设置
🔒 带有级联删除的外键约束
📈 适用于约10万条通知
🗂️ 在数据库级别强制实施LRU缓存

未来（企业版）：

适用于生产规模的PostgreSQL
用于实时更新的 Redis Pub/Sub
多服务器支持
高级复制与备份

发展

运行测试

# Run all tests
uv run pytest

# Run with coverage
uv run pytest --cov=src/notify_mcp --cov-report=html

# Run specific test file
uv run pytest tests/test_storage.py -v

类型检查

uv run mypy src/notify_mcp

Linting（代码检查）

uv run ruff check src/
uv run ruff format src/

运行示例

# Basic client example
python examples/basic_client.py

# Team workflow example
python examples/team_workflow.py

见 examples/README.md 以了解详细用法。

测试

62个单元测试 涵盖核心功能
70%的代码覆盖率 （85-100%用于业务逻辑）
测试类别：
- 模型验证（使用 Pydantic 模式）
- 存储操作（内存存储和SQLite）
- 过滤器匹配（优先级、标签、主题）
- 订阅管理
- 通知路由
- 渠道管理
- SQLite持久化和LRU缓存
- 数据库级联操作

路线图

阶段1：最小可行性产品 ✅（v1.0.0 - 完成）

✅ 标准I/O传输
✅ 内存存储
✅ 6种MCP工具
✅ 3个MCP资源
✅ 智能过滤
✅ 48个单元测试

阶段2A：持久化存储 ✅（v1.1.0 - 完成）

✅ SQLite 存储适配器
✅ 存储工厂模式
✅ 通过环境变量进行配置
✅ 强制使用LRU缓存
✅ 通过共享数据库进行团队协作
✅ 62个单元测试，覆盖率70%

阶段2B：HTTP传输 ✅（v1.2.0 - 完成）

✅ HTTP传输（通过MCP SDK进行流式HTTP传输）
✅ 多客户端会话管理
✅ 基于配置的传输选择
✅ 支持远程协作
✅ 已准备好进行云部署

阶段2C：高级实时（计划中）

[ ] Redis Pub/Sub 集成
[ ] 对推送通知的WebSocket支持
[ ] 服务器发送事件
[ ] 多服务器水平扩展

阶段2D：安全与权限（计划中）

根据上面的信息，执行如下指令：
[ ] 权限执行
[ ] 速率限制
[ ] 审计日志记录

第三阶段：高级功能（未来）

[ ] 通知线程（回复到）
[ ] 已读回执
[ ] 通知过期
[ ] Webhook 交付
[ ] 与Slack/Discord集成
[ ] 网页仪表盘

故障排除

服务器无法启动

问题服务器无法启动或Claude无法找到它。

解决方案：

# Test server manually
uv run python -m notify_mcp

# Check if uv is in PATH
which uv

# Use absolute paths in config
"command": "/full/path/to/uv"

通知未显示

问题已发布的通知未显示。

原因在stdio模式下，通知会被存储但不会立即推送。您必须手动获取它们。

解决方案：

# Retrieve notifications via resource
"Show me recent notifications from engineering channel"

过滤器不起作用

问题已订阅并设置了过滤器，但仍收到不想要的通知。

解决方案当……时，过滤器将起作用检索通知，而非存储时。当你阅读时 notification://<channel>/recent仅根据您的订阅过滤器显示匹配的通知。

导入错误

问题: ModuleNotFoundError: No module named 'mcp'

解决方案：

# Install MCP SDK
pip install mcp

# Or use uv
uv pip install mcp

文档

**API 文档**完整的MCP API参考
**通知模式（或通知架构）**模式规范
**建筑**系统设计
**使用指南**详细使用场景
**示例**代码示例

做出贡献

欢迎投稿！请：

为仓库创建分支（或“克隆仓库”）
创建一个特性分支
为新功能添加测试
确保所有测试通过： uv run pytest
运行代码检查： uv run ruff check src/
提交一个拉取请求

许可证

MIT 许可证 - 详见许可证文件中详细说明。

支持

致谢

构建于 MCP（模型上下文协议）由Anthropic公司（或团队）开发/推出
用途 Pydantic（注：这是一个用于数据验证和设置管理的Python库，常用于构建API接口等场景）用于数据验证
通过（使用）包管理器进行管理紫外线

用心打造，实现无缝AI协作

使用说明

通知-MCP（或“向MCP通知”，具体翻译可能根据上下文调整，MCP可能代表某个特定的系统、部门或个人）

概述

用例

特点/特性

核心能力

MCP协议支持

通知模式（或通知架构）

安装

先决条件

安装 uv

安装 Notify-MCP

配置

Claude Desktop / Claude Code（可译为“Claude桌面版 / Claude代码版”）

存储配置

HTTP传输配置

在Claude代码中使用斜杠命令

ChatGPT（通过MCP）

选项1：使用MCP桥接（推荐）

选项2：直接集成（未来）

通过MCP的Google Gemini

选项1：通过Google AI Studio（未来）

选项2：使用Gemini API与MCP适配器

快速入门

1. 创建一个频道

2. 订阅频道

3. 发布通知

4. 获取通知

使用示例

示例1：架构决策

示例2：关键警报

示例3：跨团队协作

MCP 工具参考

发布通知

订阅频道

取消订阅频道

列出频道

创建频道

获取我的订阅

MCP资源参考

通知:///最近

channel://（该字符串在中文语境下通常不直接翻译，因为它是一个特定的协议或路径标识符，类似于“http://”或“ftp://”，在中文中仍保持原样使用）/信息

建筑

存储

发展

运行测试

类型检查

Linting（代码检查）

运行示例

测试

路线图

阶段1：最小可行性产品 ✅（v1.0.0 - 完成）

阶段2A：持久化存储 ✅（v1.1.0 - 完成）

阶段2B：HTTP传输 ✅（v1.2.0 - 完成）

阶段2C：高级实时（计划中）

阶段2D：安全与权限（计划中）

第三阶段：高级功能（未来）

故障排除

服务器无法启动

通知未显示

过滤器不起作用

导入错误

文档

做出贡献

许可证

支持

致谢

相关 MCP

小红书MCP服务

Figma MCP集成工具

MCP 协议测试服务器

Flomo笔记服务

Unity编辑器AI集成插件

科学研究的开源MCP服务器