Docs MCP Server

🚀 MCP 服务器示例

本仓库提供了一个实现模型上下文协议（MCP）服务器的代码示例。该示例不仅包含了最新文档，还展示了如何构建一个功能性的 MCP 服务器，以便与各种大语言模型（LLM）客户端集成。

🚀 快速开始

系统要求

• Python 3.10 或更高版本
• MCP SDK 1.2.0 或更高版本
• uv 包管理器

安装 uv 包管理器

在 MacOS/Linux 系统下，可使用以下命令进行安装：

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

在 Windows 系统下，使用以下命令安装：

pip install uv

安装完成后，请重新启动终端，以确保 uv 命令生效。

项目设置

1. 克隆并初始化项目：

# 创建新目录用于我们的项目
git clone https://github.com/wolderufael/docs-MCP-server.git
cd docs-mcp-server

# 创建虚拟环境并激活它
uv venv
source .venv/bin/activate  # 在 Windows 上使用：.venv\Scripts\activate

2. 安装依赖项：

uv venv sync 

运行服务器

1. 启动 MCP 服务器：

uv run main.py

2. 服务器启动后即可接受连接。

连接到 Cursor AI

1. 从官方网站安装 Cursor AI。
2. 配置 Cursor 使用您的 MCP 服务器： 编辑 .cursor\mcp.json 文件：

{
  "mcpServers": {
    "mcp-server": {
      "command": "uv",
      "args": [
        "--directory",
        "/ABSOLUTE/PATH/TO/YOUR/mcp-server",
        "run",
        "main.py"
      ]
    }
  }
}

✨ 主要特性

什么是 MCP？

MCP（Model Context Protocol）是一种开放协议，它标准化了应用程序向 LLM 提供上下文的方式。可以将其类比为人工智能应用中的 USB - C 端口，它提供了一种标准方式，让 AI 模型能够连接到不同的数据源和服务工具。

核心优势

• 拥有一个不断增长的预构建集成列表，允许您的 LLM 直接连接。
• 具备灵活性，可在不同 LLM 提供商和供应商之间进行切换。
• 遵循在基础设施内保护数据的最佳实践。

架构概述

MCP 采用客户机 - 服务器架构，主机应用程序可以连接到多个服务器：

• MCP 主机：如 Claude Desktop、IDE 或 AI 工具等，这些程序希望通过 MCP 访问数据。
• MCP 客户端：维护与服务器一对一连接的协议客户端。
• MCP 服务器：提供特定功能的标准轻量级程序。
• 数据源：可以是本地（文件、数据库）或远程服务（API）等，MCP 服务器可访问的数据源。

核心 MCP 概念

MCP 服务器可以提供三种主要类型的功能：

• 资源：类似于文件的可读取数据（如 API 响应或文件内容）。
• 工具：LLM 可以调用的函数（需用户批准）。
• 提示词：预写的模板，帮助用户完成特定任务。

📄 许可证

此项目使用 MIT License。详细信息请参阅 LICENSE 文件。