mcpField
M
mcp_prompt_mapper

mcp_prompt_mapper

本地服务
github.com/Sumedh1599AI 与智能体078 周前更新

关于 mcp_prompt_mapper

mcp_prompt_mapper 是一个 Python 库,可将分析器输入转换为用于构建 MCP 服务资源、工具和提示词的结构化提示词。它兼容 Claude、Grok 和 OpenAI API,并支持 JSON 或 YAML 输出。

主要功能

  1. 01资源和工具提示词模板
  2. 02JSON 与 YAML 输出
  3. 03兼容 Claude、Grok 和 OpenAI
  4. 04基于架构的提示词补全
  5. 05流式输入解析

适用场景

  1. 01根据分析器数据生成 MCP 资源和工具提示词
  2. 02生成 JSON 或 YAML 格式的架构适配提示词
  3. 03解析供 Claude Desktop 使用的流式输入

MCP 相关

该库用于生成创建 MCP 服务资源、工具和提示词所需的提示词;它本身不向外提供 MCP 服务。

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_prompt_mapper

简介

mcp_prompt_mapper 是一个开源库,旨在为 Claude、Grok 和 OpenAI API 生成量身定制的最优提示词。它会将 mcp_input_analyzer 的输入转换为结构化、高效的提示词,可用于构建 MCP 服务的各个部分,包括资源、工具和其他提示词。

功能

  • 提示词模板:生成用于创建资源和工具的自定义模板。
  • 自定义输出格式:支持针对 Claude 优化的 YAML 和 JSON 格式输出。
  • 跨 API 兼容性:可与 Claude、Grok 和 OpenAI API 无缝协作。
  • 支持架构的自动补全提示词:使用自动补全功能,确保提示词符合架构要求。
  • 流式输入解析:直接在 Claude Desktop 中高效解析流式输入。

安装说明

如需安装 mcp_prompt_mapper,可以使用 pip:

pip install mcp_prompt_mapper

或者,如果你更倾向于从源代码安装,可以克隆此仓库并运行 setup.py:

git clone https://github.com/your-repo/mcp_prompt_mapper.git
cd mcp_prompt_mapper
python setup.py install

使用示例

基本示例

以下是一个简单示例,展示如何使用默认设置来使用 mcp_prompt_mapper。

from mcp_prompt_mapper import PromptMapper

# Initialize the PromptMapper
prompt_mapper = PromptMapper()

# Sample input from mcp_input_analyzer
input_data = {
    "resource_type": "database",
    "tool_name": "sql_query_tool"
}

# Generate prompts
prompts = prompt_mapper.generate_prompts(input_data)

print(prompts)
使用自定义输出格式的高级示例

此示例演示如何以 YAML 格式生成提示词。

from mcp_prompt_mapper import PromptMapper

# Initialize the PromptMapper with YAML output format
prompt_mapper = PromptMapper(output_format='yaml')

# Sample input from mcp_input_analyzer
input_data = {
    "resource_type": "api_gateway",
    "tool_name": "http_request_tool"
}

# Generate prompts
prompts = prompt_mapper.generate_prompts(input_data)

print(prompts)
流式输入示例

以下示例展示如何处理 Claude Desktop 的流式输入。

from mcp_prompt_mapper import PromptMapper

# Initialize the PromptMapper with YAML output format
prompt_mapper = PromptMapper(output_format='yaml')

# Simulate streaming input
streaming_input = [
    {"resource_type": "database", "tool_name": "sql_query_tool"},
    {"resource_type": "api_gateway", "tool_name": "http_request_tool"}
]

for data in streaming_input:
    prompts = prompt_mapper.generate_prompts(data)
    print(prompts)

API 文档

类 PromptMapper
  • 初始化

    • __init__(self, output_format='json'):初始化 PromptMapper 实例。接受一个可选的 output_format 参数,默认值为 'json'。支持的值为 'json' 和 'yaml'。
  • 方法 generate_prompts

    • generate_prompts(self, input_data):接收一个输入数据字典,并根据提供的架构生成提示词。返回指定输出格式的生成提示词。

许可证

本项目采用 MIT 许可证授权,详情请参阅 LICENSE 文件。


Ensure you replace `"https://github.com/your-repo/mcp_prompt_mapper.git"` with the actual URL of your repository if it's different. Additionally, ensure that any other paths or references are correctly updated to match your project setup.


## ⚠️ Development Status

This library is currently in early development. Some tests may be failing with the following issues:


Contributions to fix these issues are welcome! Please submit a pull request if you have a solution.

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。