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，展示了如何构建一个功能性的 MCP 服务器，以实现与各种大语言模型（LLM）客户端的集成。

🚀 快速开始

安装 uv 包管理器

在 MacOS/Linux：

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

在 Windows：

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

✨ 主要特性

什么是MCP？

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

核心优势

• 一个不断增长的预构建集成列表，允许您的 LLM 直接连接
• 灵活性以在不同 LLM 提供商和供应商之间切换
• 针对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

📦 安装指南

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：

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

在 Windows：

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 

💻 使用示例

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"
      ]
    }
  }
}

📄 许可证

此项目使用 MIT License。详细信息请参阅 LICENSE 文件。