AI Autonomous Data Manager MCP

AI 自主数据管理器 MCP

关于

AI 自主数据管理器是一款专用的数据管理系统，旨在让 AI Agent（例如 Cursor、Cline 或其他启用 AI 的编辑器中的 Agent）能够自主控制结构动态变化的数据集合。它使 AI 助手能够在不同对话间保留记忆、整理信息并管理数据，无需人工干预。

该服务是为了学习 MCP 服务而创建的练习项目。它的实用性还有待观察。该项目按原样提供，并采用 MIT 许可证。

主要功能：

• 由 AI 驱动创建集合，并自动验证架构
• AI Agent 自主执行 CRUD 操作
• 持久化存储数据，使其在不同聊天会话间保留
• 支持 STDIO 和 SSE（服务器发送事件）模式

该系统让 AI Agent 能够：

• 在对话期间构建和维护知识库
• 自主跟踪项目和任务
• 整理学习内容并生成测验
• 持久保存重要信息，以供日后参考

查看和监控集合

AI Agent 以编程方式与集合交互，而人类可以通过以下方式监控和检查数据：

1. 在 SSE 模式下运行时，通过内置的 Web 界面（http://localhost:3001）
2. 使用 MCP Inspector 工具（https://modelcontextprotocol.io/docs/tools/inspector）
3. 通过 MCP 服务 API 端点以编程方式访问

要将集合导出为 PDF：

1. 在 SSE 模式下运行时，访问 Web 界面
2. 导航到所需的集合，然后点击 PDF 图标

集合查看器截图

入门

• 确保已安装 Node 和 NPM

  • 开发时使用的是 Node 版本 22.14.0，但其他版本可能也能正常运行

• 运行 npm install 安装依赖项

在 STDIO 模式下运行

• 将 run-example.sh 复制为 run.sh，并设置正确的路径（指向仓库目录）

• 将 .env-example 复制为 .env，并根据需要修改（默认设置应该可以直接使用）

• 使用 docker-compose up 启动 MongoDB，或使用自己的 Mongo 实例

  • 如果使用自己的实例，请记得在 run.sh 文件中相应地更改导出的 MONGO_* 和 RUN_MODE 环境变量

• 配置编辑器/工具以使用 MCP 服务

  Cursor 编辑器示例（mpc.json）：

   {
       "mcpServers": {
           "data_service": {
               // Same repository path as mentioned above
               "command": "/<path>/run.sh",
               "args": []
           }
       }
   }
  

Run in SSE mode

Note: Running in SSE mode seems sketchy at times. While it works fine for the MCP Inspector tool. The server has sometimes crashed when Cursor or Cline was the client. So some improvements should be made to make SSE mode a bit sturdier.

• Start MongoDB using docker-compose up or use your own Mongo instance

  • If using your own instance, remember to change exported MONGO_* and RUN_MODE environment variables in the .env file accordingly

• Start the server: npm start

• Configure your editor/tool to use the MCP server

  Cursor editor example (mpc.json):

   {
       "mcpServers": {
           "data_service": {
               "url": "http://localhost:3001/sse",
           }
       }
   }
  

Start the app using scripts

NPM Scripts

• start

  • Starts the back-end directly from sourcecs using TSX.
  • Serves front-end from dist/public/
  • No hot-reloading is enabled
  • Front- and back-end are both available at port 3001

• dev:back

  • Starts the back-end on port 3001
  • Hot-reloading is enabled

• dev:front

  • Starts the front-end on port 5173 (default Vite port)
  • Hot-reloading is enabled

• dev

  • Runs dev:back and dev:front concurrently
  • Front- and back-end are served from ports 5173 and 3001 respectively
  • Hot-reloading is enabled for both

• start:prod

  • Run this script when providing the MCP server in SSE mode to an LLM
  • Builds the app
  • Runs the app from dist/, making available on port 3001
  • No hot-reloading (obviously)

Shell script

• run.sh
  • You are not supposed to run this shell script. Instead you will provide it for the LLM to run.
  • Sets environment variables (NPM scripts above uses dotenv)
  • Runs the app directly from dist/ in STDIO mode
  • Note that it will not compile the app for you, so make sure to do that beforehand

Available resources

• data://server-description

  Server Description: Description of the data service and its use cases.

• data://collections

  Metadata about available collections

Available tools

Note: This section will not explain each tool in detail. Fot that please check src/back-end/mcp/tools/_tools-schema.yml where you can see the descriptions provided for the LLM.

• add_collection_type

  Create a new collection type in the database

• add_batch_to_collection

  Add one or more entries to a collection

• get_from_collection

  Perform a query to retrieve entries from a collection

• delete_from_collection

  Delete a collection entry

• collection_summary

  Get a summary of a collection (returns all entries but only includes the _id and summary fields)

• get_resource_data

  Provides the same information as the data://server-description and data://collections resources. The reason for incuding it, is that not all MCP clients support resources.