使用说明
🧠 使用Node.js的简单MCP服务器
这是一个简单的原型 模型上下文协议（MCP） 使用Node.js和Express构建的服务器。
它与OpenAI的API交互，以模拟一个上下文感知助手作为例子，一个帮助撰写故事的助手。
🚀 你能做什么
- 用以下方式构建您的上下文
system,user,steps，以及resources - 调用OpenAI API，使用上下文生成故事情节
- 通过API动态添加字符
- 了解不断变化的上下文如何影响LLM响应
📦 需求
- Node.js v18+
- npm
- OpenAI API密钥(在这里买一个)
🛠 设置
1.克隆此存储库
git clone https://github.com/takehisa10098/plot-mcp-server.git
cd plot-mcp-server
2.安装依赖项
npm install
3.创建 .env 文件
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxx
4.创建 context.json 文件
{
"system": "あなたは小説執筆のサポートAIです。",
"user": {
"goal": "和風ファンタジーの短編小説を書きたい",
"constraints": ["文字数は3000字以内", "テーマは『喪失と再生』"]
},
"steps": [
{ "name": "キャラクター作成", "status": "done" },
{ "name": "プロット生成", "status": "in_progress" }
],
"resources": {
"characters": [
{ "name": "アカネ", "role": "主人公", "trait": "寡黙で芯が強い" }
],
"world": "戦国時代風の異世界。陰陽術が存在する。"
}
}
5.创建 server.js
const express = require('express');
const fs = require('fs');
const dotenv = require('dotenv');
const { getPlotSuggestion } = require('./openai');
dotenv.config();
const app = express();
app.use(express.json());
const PORT = 3000;
const CONTEXT_PATH = './context.json';
const readContext = () => JSON.parse(fs.readFileSync(CONTEXT_PATH, 'utf-8'));
app.get('/context', (req, res) => {
const context = readContext();
res.json(context);
});
app.post('/step/plot', async (req, res) => {
const context = readContext();
const plot = await getPlotSuggestion(context);
res.json({ plot });
});
app.post('/update/characters', (req, res) => {
const context = readContext();
const newCharacter = req.body;
if (!newCharacter.name || !newCharacter.role || !newCharacter.trait) {
return res.status(400).json({ error: 'name, role, and trait are required' });
}
context.resources.characters.push(newCharacter);
fs.writeFileSync(CONTEXT_PATH, JSON.stringify(context, null, 2), 'utf-8');
res.json({ message: 'Character added', character: newCharacter });
});
app.listen(PORT, () => {
console.log(`MCP server running at http://localhost:${PORT}`);
});
6.创建 openai.js
const { OpenAI } = require('openai');
require('dotenv').config();
const openai = new OpenAI({
apiKey: process.env.OPENAI_API_KEY,
});
async function getPlotSuggestion(context) {
const { system, user, resources } = context;
const messages = [
{ role: 'system', content: system },
{
role: 'user',
content: `
目標: ${user.goal}
制約: ${user.constraints.join(', ')}
キャラクター: ${JSON.stringify(resources.characters)}
世界観: ${resources.world}
これを踏まえて、小説のプロット案を出してください。
`
}
];
const res = await openai.chat.completions.create({
model: 'gpt-4-turbo',
messages,
});
return res.choices[0].message.content;
}
module.exports = { getPlotSuggestion };
🧪 如何使用
启动服务器
node server.js
获取当前上下文
curl http://localhost:3000/context
生成绘图
curl -X POST http://localhost:3000/step/plot
添加新角色
curl -X POST http://localhost:3000/update/characters \
-H "Content-Type: application/json" \
-d '{
"name": "ユキ",
"role": "謎の旅人",
"trait": "静かで何かを知っているような雰囲気"
}'
💡 什么是MCP？
模型上下文协议（MCP）是一种用于构建LLM上下文信息的拟议格式。
它允许应用程序定义 system, user, steps，以及 resources 代表对话或项目的持续状态。
本项目展示了如何通过以下方式设计LLM交互 修改结构化上下文，而不是每次都重写提示。