mcpField
M
MCP Server

MCP Server

本地服务
github.com/dimahike开发工具086 周前更新

关于 MCP Server

MCP Server 是面向 Cursor IDE 的中间件,利用项目上下文和 Gemini 验证 AI 响应,适合需要结合项目背景检查响应并在本地部署的团队。

主要功能

  1. 01项目上下文管理
  2. 02AI 响应验证
  3. 03Gemini API 集成
  4. 04实时上下文更新
  5. 05完整日志记录

适用场景

  1. 01初始化或刷新项目上下文
  2. 02依据项目上下文验证 AI 响应
  3. 03检查 Cursor 专用响应
  4. 04在本地运行服务

MCP 相关

项目将自身描述为 MCP 服务,也是 Cursor IDE 与 AI 模型之间的桥梁。它提供上下文管理和响应验证的 HTTP 端点;README 未说明 MCP 工具或资源。

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 服务

一个中间件服务,充当 Cursor IDE 与 AI 模型之间的桥梁,利用项目上下文和 Gemini 验证 AI 响应。

功能

  • 项目上下文管理
  • AI 响应验证
  • 与 Gemini API 集成
  • 实时上下文更新
  • 全面的日志系统
  • 轻松进行本地部署

先决条件

  • Node.js(建议使用 v14+)
  • npm 或 yarn
  • Google Cloud 账号(用于访问 Gemini API)
  • Gemini API 密钥
  • Cursor IDE

开始使用

  1. 克隆代码库

  2. 安装依赖项:

    npm install
    
  3. 根据提供的 .env.example 在根目录中创建 .env 文件:

    cp .env.example .env
    

    然后编辑该文件,添加 Gemini API 密钥和其他配置选项。

  4. 构建项目:

    npm run build
    
  5. 启动服务:

    npm start
    

    如需在开发过程中启用热重载:

    npm run dev
    

部署

本地部署

使用提供的部署脚本,简化设置流程:

./scripts/deploy-local.sh

此脚本将:

  • 检查 .env 文件是否存在
  • 安装依赖项
  • 构建项目
  • 以生产模式启动服务

如需了解更详细的部署说明,请参阅 USAGE.md。

API 端点

  • GET /api/health - 健康检查端点
  • POST /api/context/initialize - 初始化项目上下文
  • POST /api/context/refresh - 刷新项目上下文
  • POST /api/validate - 验证 AI 响应
  • POST /api/cursor/validate - Cursor IDE 专用验证端点

如需查看详细的 API 文档,请参阅 USAGE.md。

项目结构

mcp-server/
├── src/
│   ├── api/
│   │   ├── controllers/
│   │   ├── middleware/
│   │   └── routes/
│   ├── config/
│   ├── context/
│   ├── models/
│   ├── services/
│   ├── types/
│   ├── utils/
│   └── index.ts
├── logs/           # Log files directory
├── scripts/        # Deployment and utility scripts
├── docs/           # Documentation
├── .env
├── .env.example
├── .gitignore
├── package.json
├── tsconfig.json
└── README.md

文档

许可证

ISC

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。