AI导哈

模型上下文协议服务器

一个基于TypeScript的模型上下文协议（MCP）服务器，用于评估MCP在RAG（检索增强生成）方法中的能力，适用于Nutrimate和其他AI应用。

  • by samrasugu
  • TypeScript
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 samrasugu/mcp-server

使用说明

MCP服务器

模型上下文协议（MCP）服务器的TypeScript实现，旨在通过RAG（检索增强生成）方法评估MCP的能力 营养品 以及其他人工智能应用。

概述

该项目探索了模型上下文协议作为RAG系统的替代方案，为人工智能应用程序访问外部数据源和工具提供了一种标准化的方式。服务器是用TypeScript、Node.js和 MCP TypeScript SDK.

特性

  • TypeScript优先：完全支持TypeScript，提供更好的开发人员体验
  • MCP协议：通过Anthropic的TypeScript SDK实现模型上下文协议

先决条件

  • Node.js（v18或更高版本）
  • npm或纱线
  • TypeScript知识（推荐）

入门指南

  1. 克隆存储库：

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

  2. 安装依赖项：

    npm install

  3. 开发模式：

    npm run dev

  4. 构建项目：

    npm run build

  5. 启动生产服务器：

    npm run start

环境变量

设置以下环境变量（或在MCP文件中配置它们）：

  • GOOGLE_PUBLIC_API_KEY：您的Google API密钥
  • GOOGLE_CALENDAR_ID：您的谷歌日历ID（例如，您的Gmail地址）

您可以在 .env 文件：

GOOGLE_PUBLIC_API_KEY=your-google-api-key
GOOGLE_CALENDAR_ID=your-calendar-id

用法

获取今天的会议

要在终端中直接打印今天的会议：

node src/index.js today

与Cursor MCP和聊天交互集成

该项目支持与 光标MCP，使您能够通过聊天与服务器交互并自动化工作流程。

1.在游标中配置MCP服务器

  1. 打开光标并转到MCP面板。
  2. 使用以下设置添加新的MCP服务器（示例）：
    • 名字：[你的名字]的日历
    • 命令: node
    • 参数: src/index.ts
    • 主机: localhost
    • 端口: 3000
    • 环境变量：设置 GOOGLE_PUBLIC_API_KEY 和 GOOGLE_CALENDAR_ID 根据需要。

您还可以创建 .cursor/mcp.json 用于快速设置的文件。

的内容 .cursor/mcp.json 文件应该是这样的：

{
  "servers": [
    {
      "name": "[your name]'s Calendar",
      "command": "node",
      "args": ["src/index.ts"],
      "host": "localhost",
      "port": 3000,
      "env": {
        "GOOGLE_PUBLIC_API_KEY": "your-google-api-key",
        "GOOGLE_CALENDAR_ID": "your-calendar-id"
      }
    }
  ]
}

2.启动MCP服务器

在本地运行服务器：

node src/index.ts

或者使用MCP面板的内置控件启动/停止服务器。

3.通过聊天进行互动

  • 在Cursor中打开聊天面板。
  • 从聊天源下拉列表中选择您的MCP服务器（例如“Sam's Calendar”）。
  • 问以下问题：
    • Do I have any meetings today?
    • What is my next event?
    • List all meetings for this week.
  • 服务器将使用您的Google日历中的信息进行响应。

4.定制

您可以扩展服务器以支持更多命令或与其他工具集成。更新 src/index.ts 并重新启动服务器以应用更改。

项目结构

mcp-server/
├── src/
│   └── index.ts          # Main server implementation
├── package.json          # Dependencies and scripts
├── tsconfig.json         # TypeScript configuration
└── README.md            # This file

发展

该项目正在积极开发中，作为MCP与RAG系统比较评估的一部分。实施可能会随着评估的进展而演变。

可用脚本

  • npm run dev -使用热重新加载启动开发服务器
  • npm run build -构建TypeScript项目
  • npm run start -启动生产服务器
  • npm test -运行测试（待实施）

MCP与RAG评估

该服务器的开发是为了评估模型上下文协议与人工智能应用的传统RAG方法相比的有效性，特别关注：

  • 演出：响应时间和资源使用情况
  • 灵活性：易于添加新的数据源和工具
  • 可维护性：代码组织和可扩展性
  • 整合：它与现有人工智能工作流程的配合程度如何

许可证

麻省理工学院

相关 MCP