mcpField
A
AI Workbench MCP

AI Workbench MCP

本地服务
github.com/alptugharunAI 与智能体12 周前更新
代码仓库

关于 AI Workbench MCP

AI Workbench MCP 是一个只读 MCP 服务，为提示词模板和助手蓝图提供本地目录。它通过 stdio 向 MCP 客户端开放查询与渲染工具，且不执行网络请求或文件写入。

主要功能

  1. 01列出提示词模板与助手蓝图
  2. 02用变量渲染提示词
  3. 03获取多平台助手蓝图
  4. 04只读工具与明确安全边界

适用场景

  1. 01浏览可复用的提示词模板
  2. 02为 ChatGPT 或 Claude 获取助手蓝图
  3. 03将模板变量填入提示词

MCP 相关

通过 Model Context Protocol stdio 暴露三个工具：list_prompts、render_prompt 和 get_assistant，供 MCP 客户端调用。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
  "mcpServers": {
    "alptugharun-ai-workbench": {
      "command": "uvx",
      "args": [
        "alptugharun-ai-workbench-mcp"
      ]
    }
  }
}
启动命令uvx alptugharun-ai-workbench-mcp

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包
pypialptugharun-ai-workbench-mcp0.1.0a2

工具

3

收录的工具列表 · 更新于 2 周前

此工具无需参数。

详细介绍

AI Workbench MCP

CI CodeQL OpenSSF Scorecard PyPI

English Türkçe

一个小巧、只读的 MCP 服务，用于提供可复用的 AI 提示词和助手蓝图。

从未使用过 MCP？ 请从**入门指南**开始：了解什么是 MCP、为何需要这三个工具、准确的安装和诊断步骤、预期结果以及故障处理流程。

只读 MCP Python 3.10+ 运行时无依赖 MIT

AI Workbench MCP 通过 Model Context Protocol stdio 提供一个小型本地目录。它以最好的方式保持简单：不发起网络请求、不执行 shell 命令、不访问账户、不写入文件，也不会暗中向服务提供商发送请求。

它向 MCP 主机提供三个工具：

工具结果
list_prompts列出随附的提示词模板和助手蓝图
render_prompt使用明确指定的字符串变量填充随附的提示词模板
get_assistant返回一个适用于 ChatGPT、Claude、Gemini、Grok 或可移植 Agent Skill 格式的助手蓝图

为什么要开发它

许多 AI 仓库会从“这是一个提示词”直接跳到“这是一个 Agent”。我想要一个更小、更容易检查的边界。

服务将有用的部分保留在本地，并明确说明自身限制：

  • 只读工具契约；
  • 明确的 MCP 信任提示；
  • 有界的输入大小；
  • 严格的顶层架构；
  • 除 Python 标准库外，没有运行时依赖；
  • 真实的 stdio 握手测试；
  • 为每个公开工具提供专门的测试。

快速开始

安装已发布的 alpha 包：

python -m pip install "alptugharun-ai-workbench-mcp==0.1.0a2"

在修改主机配置之前，先确认本地软件包可以加载：

alptugharun-ai-workbench-mcp --doctor

正常结果会报告软件包和 Python 版本、三个工具名称、目录条目数以及只读权限边界。它不会发起网络请求，也不能证明与主机兼容；它只会告诉你本地软件包层是否正常。

然后将支持 stdio 的 MCP 主机指向此服务：

启动命令：

alptugharun-ai-workbench-mcp

此仓库介绍的是 stdio 服务本身。对于我们实际测试过的主机，请使用Cursor 配置和三个工具验证指南，其中提供了可直接复制粘贴的内容。其他 MCP 客户端可能有所不同，因此请参考其当前文档，不要假定 Cursor 的配置可以通用。

安全模型

每个公开工具都声明：

{
  "readOnlyHint": true,
  "destructiveHint": false,
  "idempotentHint": true,
  "openWorldHint": false
}

实现不会导入 HTTP 客户端、子进程模块、文件系统写入辅助工具、浏览器库或服务提供商 SDK。

这并不意味着“信任任何 MCP 服务”。它意味着此仓库将自身的边界保持得狭窄且可测试。

自行验证

python -m unittest discover -s tests -v
python examples/smoke_client.py

CI 会在 Linux 和 Windows 上运行软件包及协议测试。

软件包 / 注册表状态

PyPI： 本项目通过 GitHub OIDC 可信发布进行发布，发布工作流会使用无密钥 Sigstore 为 wheel 签名。版本 0.1.0a2 增加了本地 --doctor / --version 首次运行诊断；安装该确切版本前，请通过上方的 PyPI 徽章确认该版本已发布。

在干净的 Windows 虚拟环境中，成功安装了确切的 PyPI 版本，协商了 MCP 协议 2025-06-18，列出了全部三个工具，成功调用了 render_prompt 和 get_assistant，并针对未知工具返回了有界错误。

官方 MCP 注册表： io.github.alptugharun/ai-workbench-mcp 已发布，目前在生产注册表中的状态为 active。

真实宿主验证： 维护者运行的 Cursor 3.20.21 会话针对已发布的软件包成功调用了 list_prompts、render_prompt 和 get_assistant。这是宿主验证结果，并非独立第三方背书，也不代表普遍兼容性。

请参阅 REGISTRY-PUBLISHING.md、HOST-VERIFICATION.md 和以故障排查为先的 Troubleshooting ladder。

参与贡献

欢迎提交小而可复现的改进。目前最有价值的贡献包括：

  • 真实 MCP 宿主验证；
  • 协议边缘情况测试；
  • 更清晰的失败消息；
  • 文档修正；
  • 范围明确的目录改进。

提交 PR 前，请阅读 CONTRIBUTING.md。如果该服务能在我们尚未独立验证的宿主中运行，可复现的宿主报告比笼统的“在我这里能用”更有价值。

起源

本项目从 AI Social Media Toolkit 中拆分出来，旨在让 MCP 服务作为专注的产品持续发展，而不是埋没在更大的创作者 / AI 仓库中。

由 Alptuğ Harun 构建。

如果该服务为你带来了有用的首次结果，为仓库点星有助于其他 MCP 用户发现它。如果运行失败，请改为提交可复现的报告——附带环境详情的故障比虚荣指标更能加快项目改进。

许可证

MIT — 详见 LICENSE。

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。