mcpField
M
mcp-persona-sessions

mcp-persona-sessions

本地服务
github.com/mattjoyceAI 与智能体1334 周前更新

关于 mcp-persona-sessions

为 AI 助手提供角色驱动的结构化对话框架,适用于面试练习、个人反思和辅导式交流。可配置角色与会话模板,并配有计时和会后反馈工具。

主要功能

  1. 01加载自定义角色设定
  2. 02结构化会话模板
  3. 03自适应对话流程
  4. 04计时器管理
  5. 05会话表现反馈

适用场景

  1. 01练习求职面试
  2. 02排练演讲或重要会议
  3. 03角色扮演棘手的职场对话
  4. 04开展引导式自我反思

MCP 相关

MCP 服务向 AI 助手提供角色与会话框架查询、会话初始化、计时和反馈工具。角色文件和会话类型可通过配置文件自定义。

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。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

mcp-persona-sessions

一个 Model Context Protocol(MCP)服务,可让 AI 助手开展结构化、由角色驱动的会话,包括面试准备、自我反思和辅导对话。

概览

通过真实的角色驱动会话,提升 AI 交互体验。这个 MCP 服务最初是为模拟面试准备而设计的(在重要会议前与“新老板”练习),如今已发展为一个灵活的框架,可用于各种引导式对话。

无论你是在准备重要演讲、寻求有结构的自我反思,还是想在安全的环境中练习困难的对话,这个服务都能为有意义的引导式交流提供框架。

主要功能

  • 🎭 角色驱动的会话:加载详细的角色档案,全面改变 AI 的行为和专业能力
  • ⏱️ 内置计时器管理:通过开始、停止和状态检查来跟踪会话时长
  • 📋 结构化框架:预定义的会话模板,包含明确的目标和预期结果
  • 🔄 自适应流程:根据对话中自然出现的内容调整会话
  • 📊 会话评估:获取有关表现和沟通效果的详细反馈
  • 🔒 安全运行:通过路径验证和错误处理实现安全的文件操作

会话类型

会议准备

与真实的角色练习对话:

  • 医疗保健 CIO:从使命驱动的领导视角进行技术讨论
  • 董事会成员:高层战略对话
  • 团队负责人:协作规划和决策会话
自我反思

可在以下内容间自然推进的自适应日志记录会话:

  • 梳理日常经历
  • 创意探索与灵感激发
  • 感恩练习与表达感激
  • 识别生活模式并规划成长
自定义会话

根据具体需求创建自己的角色和会话框架。

快速开始

先决条件
  • Python 3.8+
  • 兼容 MCP 的 AI 助手(Claude Desktop 等)
安装
  1. 克隆代码仓库:
git clone https://github.com/mattjoyce/mcp-persona-sessions.git
cd mcp-persona-sessions
  1. 安装依赖项:
pip install fastmcp
  1. 设置配置:
cp config.yaml.example config.yaml
# Edit config.yaml with your preferences
MCP 客户端配置

将以下内容添加到 MCP 客户端配置中(例如 Claude Desktop):

{
  "mcpServers": {
    "persona-sessions": {
      "command": "/path/to/venv/python",
      "args": ["/path/to/mcp-persona-sessions/mcp-persona-sessions.py"],
      "cwd": "/path/to/mcp-persona-sessions"
    }
  }
}

用法

基本会话流程

我使用 Claude 作为 MCP 客户端,你也可以使用其他客户端。 只需让 Claude 开始一个会话。

“Claude,使用你的工具模拟一场会议。会议对象是 XXX,主题是 YYY,时长为 10 分钟。” 如果有有用的文档,请在请求中附上。

配置

config.yaml
persona_path: "roles"                           # Directory containing persona files
session_types_file: "session_types.yaml"       # Session framework definitions
default_persona_file: "Role-Interviewer-mcp.md" # Fallback persona
evaluator_persona_file: "Role-Interview-Evaluator.md" # Feedback persona
添加自定义角色

在 roles/ 目录中创建一个新的 .md 文件,内容包括:

# Your Persona Name

## Identity and Purpose
[Define who this persona is and their role]

## Communication Style
[How they speak and interact]

## Expertise Areas
[What they know and focus on]

## Goals
[What they aim to achieve in sessions]

[Additional sections as needed...]
添加自定义会话类型

编辑 session_types.yaml,添加新的会话框架:

session_types:
  - name: "Your Custom Session"
    persona: "Your Persona"
    persona_file: "Role-Your-Persona.md"
    description: "What this session accomplishes"
    prerequisites: ["What's needed to start"]
    duration: 20
    topics: ["Key areas to explore"]
    goals: ["Session outcomes"]

项目结构

mcp-persona-sessions/
├── mcp-persona-sessions.py    # Main MCP server
├── timer.py                   # Timer management utilities
├── config.yaml               # Server configuration
├── session_types.yaml        # Available session frameworks
├── roles/                     # Persona definition files
│   ├── Role-CIO.md
│   ├── Role-Reflective-Companion.md
│   ├── Role-Interview-Evaluator.md
│   └── ...
├── requirements.txt
└── README.md

可用工具

工具用途
list_session_frameworks浏览可用的会话类型和模板
list_session_personas查看所有可用角色
get_persona_details获取特定角色的完整详情
assess_session_readiness检查是否已准备好开始会话
initialize_session开始结构化会话
start_timer启动会话计时器,可选设置时长
check_timer_status查看正在运行的计时器进度
stop_timer停止计时器并结束会话
get_session_feedback分析会话记录并提供反馈

使用场景

  • 求职面试准备:与逼真的面试官角色进行练习
  • 演讲彩排:获取有关表达内容和演讲表现的反馈
  • 棘手对话:角色扮演具有挑战性的职场讨论
  • 个人发展:进行结构化自我反思并明确目标
  • 创意探索:通过引导式交流激发艺术与创新思维
  • 决策制定:通过有针对性的对话梳理复杂选择
  • 每日反思:通过适应性指导坚持日记练习

贡献

欢迎贡献!我们感兴趣的方向:

  • 为不同职位/行业新增角色定义
  • 针对特定使用场景添加会话框架
  • 增强计时器和会话管理功能
  • 改进与不同 MCP 客户端的集成

许可证

GPL-3.0 许可证——详情请参阅 LICENSE 文件。

致谢

基于 Model Context Protocol 框架构建,以扩展 AI 助手的能力。

更新日志

请参阅 CHANGELOG.md。

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。