Meta Prompt MCP Server

🚀 元提示MCP

本项目实现了论文 "元提示：通过与任务无关的脚手架增强语言模型" 中的 元提示（Meta-Prompting） 技术。

本质上，这个元提示MCP能将标准的语言模型（LM）转变为一个动态的多智能体系统，且无需复杂的设置。它的工作原理是让语言模型承担两个关键角色：

1. 指挥者：一个高层次的项目管理者，负责分析复杂问题，将其分解为更小的、逻辑清晰的子任务，并进行任务分配。
2. 专家：专业的智能体（例如 “Python程序员”、“代码审查员”、“创意作家”），由指挥者 “咨询” 以执行每个子任务。

神奇之处在于，整个协作工作流程是在 单个语言模型 中模拟完成的。指挥者和专家是由复杂的系统提示引导的不同操作模式，使模型能够进行推理、行动并自我批判，从而得出更可靠、更准确的解决方案。这就好比你拥有了一支由人工智能专家组成的自动化团队，而这一切都由一个模型驱动。

🚀 快速开始

1. 克隆仓库

首先，将本仓库克隆到本地机器。

git clone https://github.com/tisu19021997/meta-prompt-mcp-server.git .
cd meta-prompt-mcp-server

2. 安装 uv

本项目使用 uv，这是Astral推出的一个极快的Python包管理器。如果你还没有安装它，可以使用以下命令之一进行安装。 注意：使用 which uv 可以查看 uv 的安装路径。 macOS / Linux：

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

Windows (PowerShell)：

powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

更多详细信息，请参阅 官方 uv 安装指南。

💻 使用示例

基础用法

要使用这个元提示MCP服务器，你需要配置客户端（例如Cursor、Claude Desktop）以连接到它。请确保将占位符路径替换为你机器上的实际路径。

Cursor

在你的 mcp.json 设置中添加以下配置：

"meta-prompting": {
  "command": "path/to/your/uv",
  "args": [
    "--directory",
    "path/to/your/meta-prompt-mcp",
    "run",
    "mcp-meta-prompt"
  ]
}

Claude Desktop

在你的 claude_desktop_config.json 设置中添加以下配置：

"meta-prompting": {
  "command": "path/to/your/uv",
  "args": [
    "--directory",
    "path/to/your/meta-prompt-mcp",
    "run",
    "mcp-meta-prompt"
  ]
}

高级用法

激活元提示工作流程

⚠️ 重要提示

要充分发挥这个MCP的强大功能，请始终从 meta-prompting 服务器调用 meta_model_prompt 来启动你的请求（然后在查询中填入你的提示，可参考演示视频）。这是激活指挥者/专家工作流程的官方入口。添加提示后，只需提供你的问题陈述即可。

📚 详细文档

与论文的差异

原论文 中的核心方法涉及一个分两步的专家咨询过程：

1. “指挥者” 模型为专家生成指令。
2. 调用一个单独的、独立的语言模型实例（“专家”），仅使用这些指令来提供响应。这确保了专家能够 “以全新的视角” 处理问题。 本实现将该过程简化为一次大语言模型调用。指挥者模型在一次工具调用中生成专家的名称、指令以及 专家的完整输出。这是一个显著的差异，使得该过程更快、成本更低，但偏离了原研究的 “全新视角” 原则。

局限性

此MCP服务器中的 expert_model 工具旨在使用 ctx.sample() 函数，以正确模拟论文中描述的第二次独立专家模型调用。然而，这个函数在大多数MCP客户端（如Cursor和Claude Desktop）中尚未实现。 由于这一限制，服务器包含了一个备用机制。当 ctx.sample() 不可用时，expert_model 工具仅返回指挥者模型在工具调用中生成的 output 内容。这意味着专家的响应是指挥者单次生成的一部分，而不是真正的独立咨询。

对比

以下是我让Claude实现元提示MCP服务器本身的两次对话，一次使用了元提示MCP，另一次未使用。 对话中有些内容缺失，但你可以看到使用元提示MCP的实现要好得多，并且它还通过咨询QA专家进行了某种 “自我审查”。

• Claude对话：
  • 使用元提示MCP的实现
  • 未使用元提示MCP的实现

📖 参考文献

• 论文：元提示：通过与任务无关的脚手架增强语言模型

🎥 演示