模型上下文协议服务器

光标链接MCP服务器

用于Cursor IDE的自定义MCP（模型上下文协议）服务器，具有：

• 🌐 网络搜索 -深度网络搜索使用 API链接
• 📚 RAG（检索增强生成） -使用Ollama的LlamaIndex查询文档

✨ 主要特点

• ✅ 本地AI -使用Ollama（llama3.2）实现完全隐私
• ✅ API成本为零 -RAG工具完全免费（使用本地模型）
• ✅ 来源引用 -知道答案从哪里来
• ✅ 多种文档类型 -支持PDF、DOCX、MD、TXT等格式
• ✅ 光标集成 -在Cursor IDE中无缝工作

📋 先决条件

• Python 3.12+
• 紫外线 包管理器
• 奥拉玛 使用llama3.2型号在本地安装
• 链接API密钥 （可选，仅用于网络搜索）

🚀 快速开始

1.克隆和安装依赖项

git clone https://github.com/RanneG/linkup_mcp.git
cd linkup_mcp
uv sync

默认安装 (uv sync / pip install -e .)是 光标MCP+RAG 只有（更轻的venv）。对于 stitch_rag_bridge.py、face/Outh/Gmail和服务器端语音STT，添加 --extra stitch-bridge.为 十一实验室 语音/音乐资产生成(elevenlabs-gen CLI），添加 --extra elevenlabs --看 docs/elevenlabs/README.md.

2.安装Ollama&Model

# Download from https://ollama.ai/download
# Then pull the model:
ollama pull llama3.2

3.配置环境（可选）

创建一个 .env 用于网络搜索的文件（RAG在没有API密钥的情况下工作）：

LINKUP_API_KEY=your_linkup_api_key  # Optional, for web_search tool

4.配置光标

添加 ~/.cursor/mcp.json （或 C:\Users\<username>\.cursor\mcp.json 在Windows上）：

{
  "mcpServers": {
    "linkup-server": {
      "command": "C:\\Users\\YOUR_USERNAME\\AppData\\Local\\Microsoft\\WindowsApps\\python.exe",
      "args": [
        "-m", "uv", "run",
        "--directory", "C:\\path\\to\\linkup_mcp",
        "python", "server.py"
      ]
    }
  }
}

替换 YOUR_USERNAME 并按照你的实际价值观走下去。

5.免费本地开发端口（可选）

如果 8765 （缝合桥/捆绑UI）， 1420 （Tauri），或 5173 （Vite）撞车后卡住了，跑吧 Close-DevPorts.bat 在repo根目录（或 .\scripts\Close-StitchDevPorts.ps1).使用 -DryRun 列出听众而不杀人。这停止了 在这些端口上侦听的进程，而不是“localhost”本身。

6.重新启动游标并使用！

在Cursor的聊天中：

• “使用抹布工具告诉我[主题]”
• “使用rag_stritch工具获取UI就绪应答有效负载”
• “在网上搜索[query]” （需要Linkup API密钥）
• 本地耳语（无链接）： whisper_stt_status 然后 transcribe_wav_file 有一条通往 .wav 文件。需要 pip install -e ".[stitch-whisper]" 并重新启动光标MCP。

7.语音提示热键工具（离线）

使用 voice_prompt_tool.py 将一次听写直接输入到您的编码流中：

uv sync --extra stitch-whisper --extra voice-prompt
python voice_prompt_tool.py --hotkey ctrl+shift+v

它的作用：

• 麦克风捕获的全局启动/停止热键
• 本地更快的耳语转录（离线）
• 文件引用提取(auth.ts -> @auth.ts)
• 提示信封已复制到剪贴板：
  • [FILE REFERENCE: ...]
  • [TASK: ...]

复制后可选择直接粘贴：

python voice_prompt_tool.py --autopaste

📚 使用RAG工具

将文档添加到 data/ 文件夹：

data/
├── document1.pdf
├── notes.md
└── research/
    └── paper.pdf

支持：PDF、DOCX、TXT、MD、HTML等。

针式响应形状

这 rag 工具现在返回一个JSON字符串：

• answer：最终合成答案文本
• confidence: low, medium，或 high
• fallback: true 当证据不足时
• sources：已排序的源代码片段(source_id, score, snippet)

这 rag_stitch 工具返回一个面向UI的JSON字符串：

• state: answered 或 fallback
• answer
• confidence (low, medium，或 high)
• source_cards （空时 state 是 fallback 因此UI保持干净）
• show_sources (false 回退）
• debug_retrieval_cards （仅当 STITCH_RAG_DEBUG=1 以及回退——用于调试的原始顶部块）

存储库拆分（缝合生产）

这 Stitch桌面应用程序 （React+Tauri）是 迁移到 RanneG/缝合应用程序; linkup_mcp 仍然是 MCP服务器 和 HTTP网桥 用于本地RAG、OAuth、订阅、面部和应用内帮助。移交清单和文件清单： docs/缝合/MIGRATION.md （参见 docs/stick/README.md).

stitch-api-types （TypeScript）

NPM工作区 packages/stitch-api-types 出版 .d.ts 为了 POST /api/rag/stitch, POST /api/rag/stitch-help, GET /api/health，以及相关的有效载荷。从repo根构建： npm run build:stitch-api-types. 缝合应用程序 可以依靠它 file: 路径（参见 缝合应用程序 docs/BACKEND.md).

Stitch HTTP桥（用于Stitch桌面应用程序）

运行一个小型Flask服务器，该服务器暴露的有效负载与 rag_stitch，加上可选 本地人脸验证 (/api/face/*，DeepFace+OpenCV活跃度——请参阅 face_verification/).需要 stitch-bridge 附加：

uv sync --extra stitch-bridge
.\.venv\Scripts\python.exe stitch_rag_bridge.py

然后将Stitch应用程序的Vite开发代理指向 http://127.0.0.1:8765 （参见 缝合应用程序文档/BACKEND.md 或 集成/缝合/README.md；代理 /api 用于RAG、face、auth、订阅和帮助路由）。

谁需要什么： 任何人都可以运行 缝合UI 从 缝合应用程序 使用Node（请参见 docs/RUNNING.md). linkup_mcp 是必需的 /api/* 后端功能（身份验证、数据、RAG、面部、服务器支持的帮助）。

从该仓库开发Stitch UI（可选）

根脚本 npm run dev:browser, npm run dev:desktop, npm run build:stitch-web, npm run build:stitch-app 使用 scripts/run-stitch-ui.mjs，这解决了 STITCH_APP_ROOT 或兄弟姐妹 ../stitch-app 只有。看 docs/缝合/MIGRATION.md.

缝合单窗口GUI

规范捆绑流现在从 缝合应用程序 (Stitch.bat 在那里）。需要时，它将此仓库用于后端网桥功能。

1. 构建 里面的Stitch桌面包 缝合应用程序 (npm run build).
2. 跑 Stitch.bat 从 缝合应用程序 根。
3. 保持此仓库可用于网桥运行时(stitch_rag_bridge.py)on 127.0.0.1:8765.

Stitch作为原生桌面应用程序（无需长时间手动命令链）

史迪奇 apps/desktop 包装用途 陶瑞 对于一个真正的窗口应用程序(npm run dev 那里= tauri dev).运行这些从 缝合应用程序:

你需要 节点 上 PATH 以及当地 缝合应用程序 克隆（兄弟姐妹 ../stitch-app 或 STITCH_APP_ROOT).第一次Tauri开发运行可能会编译Rust依赖项（一次性等待）。

快速回归运行

要对本地PDF语料库运行v1提示套件：

python rag_regression.py

这将打印每个响应有效负载和一个小摘要（源计数、回退计数、低置信度计数）。

缝合JSON合约测试

python -m unittest tests.test_rag_stitch_contract -v

确认 rag_stitch_contract._to_stitch_view 形状(answered vs fallback, show_sources，可选 debug_retrieval_cards).

如果MCP安全提示回退，请将MCP横向图添加到 data/:

• 模型上下文协议（MCP）：现状、安全威胁和未来研究方向

🛠️ 项目结构

linkup_mcp/
├── server.py             # MCP entrypoint (stdio) — all MCP tools live here
├── agents.py             # spawn_agent sub-agent system (Ollama)
├── rag.py                # RAGWorkflow (LlamaIndex + Ollama)
├── rag_heuristics.py     # Pure scoring heuristics (unit-tested, no LLM imports)
├── rag_runtime.py        # Lazy shared RAG index (MCP + bridge)
├── rag_stitch_contract.py  # Stitch view JSON contract + guide-grounded help
├── local_whisper_stt.py  # faster-whisper loader/transcribe (MCP + bridge share it)
├── stitch_rag_bridge.py  # HTTP bridge ENTRYPOINT — owns Flask app, registers bridge/
├── bridge/               # Bridge route modules (one per concern)
│   ├── rag_routes.py     #   /api/rag/stitch, /api/rag/stitch-help, /api/stitch-user-guide
│   ├── voice_routes.py   #   /api/voice/transcribe + STT engine selection
│   ├── face_routes.py    #   /api/face/* (DeepFace imports deferred)
│   ├── health.py         #   /health + /api/health (shared payload)
│   ├── spa.py            #   /, /favicon.ico, optional built-SPA serving
│   ├── cors.py           #   STITCH_ALLOWED_ORIGINS handling
│   └── errors.py         #   JSON error handler for /api/face|auth|subscriptions
├── stitch_auth/          # Google OAuth (PKCE), sessions, subscriptions SQLite
├── face_verification/    # Local 1:1 face match + liveness (used by bridge)
├── integrations/stitch/  # Pointer README — UI lives in stitch-app repo
├── docs/                 # e.g. stitch_user_guide.md (bridge Help / Ask Stitch)
├── data/                 # Your documents
├── tests/                # Contract + unit tests (see CI commands below)
├── pyproject.toml        # Dependencies + extras
├── .cursorrules          # AI context for Cursor
└── .env                  # Environment variables (create this)

在哪里添加东西

stitch_rag_bridge.py 必须继续出口 app 和 register_stitch_spa_routes --缝合应用程序 stitch_gui.py 按名称导入它们。

测试矩阵

# Default profile (uv sync):
python -m unittest tests.test_rag_stitch_contract tests.test_rag_heuristics -v

# With stitch-bridge extra:
python -m unittest tests.test_face_storage tests.test_bridge_routes tests.test_stitch_auth_helpers -v

🔧 运作原理

Cursor IDE → MCP Server (server.py)
                 ↓
    ┌────────────┴────────────┐
    │  RAG Tool   │  Web Search│
    │  (rag.py)   │  (Linkup)  │
    └──────┬──────┴────────────┘
           ↓
    Ollama (llama3.2) - runs locally

💰 成本

🐛 故障排除

MCP服务器未加载？

1. 检查Ollama是否正在运行： ollama list
2. 验证路径 mcp.json
3. 检查游标日志： %APPDATA%\Cursor\logs\

奥拉玛的联系被拒绝了？

ollama serve

🔐 隐私

• ✅ RAG工具：100%本地，文档永远不会离开您的机器
• ✅ 奥拉玛：本地运行，无云API调用
• ⚠️ 网络搜索：发送到Linkup服务器的查询

📖 相关项目

🎓 资源

• MCP文件
• API链接
• 骆驼索引
• 奥拉玛

📝 许可证

MIT许可证-请参阅 许可证

🙏 学分

• 原件： patchy631/ai工程中心
• 链接 用于网络搜索
• 骆驼索引 对于RAG
• 奥拉玛 对于本地AI

由...制作❤️ 适用于Cursor IDE用户