Metis MCP Tools

Metis MCP 工具

此代码库包含一组 Model Context Protocol (MCP) 工具，旨在增强 Metis RAG 应用。这些工具提供数据库管理、向量存储操作、文档处理和 LLM 交互功能。

什么是 MCP？

Model Context Protocol (MCP) 是一种标准化方式，可让语言模型与外部工具和资源交互。借助它，模型能够访问数据、执行操作，并使用超出其训练数据范围的专用能力。

工具概览

此代码库包含以下 MCP 工具：

1. 数据库管理工具

数据库管理工具提供了在 Metis 应用中与 PostgreSQL 数据库交互的功能。

功能：

• 初始化数据库连接
• 执行 SQL 查询
• 获取表结构
• 列出数据库表

使用示例：

// Initialize a database connection
const dbResult = await useMcpTool({
  serverName: 'database-tool',
  toolName: 'init_database_connection',
  arguments: {
    host: 'localhost',
    port: 5432,
    database: 'metis_db',
    user: 'metis_user',
    password: 'password123'
  }
});

// Execute a query
const queryResult = await useMcpTool({
  serverName: 'database-tool',
  toolName: 'execute_query',
  arguments: {
    query: 'SELECT * FROM documents LIMIT 10'
  }
});

2. 向量存储工具

向量存储工具提供了在 Metis 应用中与 Chroma 等向量数据库交互的功能。

功能：

• 初始化向量存储连接
• 创建和管理集合
• 向集合添加文档
• 查询集合以查找相似文档
• 从集合中删除文档

使用示例：

// Initialize a vector store connection
const vsResult = await useMcpTool({
  serverName: 'vector-store-tool',
  toolName: 'init_vector_store',
  arguments: {
    host: 'localhost',
    port: 8000
  }
});

// Create a collection
const collectionResult = await useMcpTool({
  serverName: 'vector-store-tool',
  toolName: 'get_or_create_collection',
  arguments: {
    name: 'metis_documents'
  }
});

// Query the collection
const queryResult = await useMcpTool({
  serverName: 'vector-store-tool',
  toolName: 'query_collection',
  arguments: {
    queryTexts: ['How does quantum computing work?'],
    nResults: 5
  }
});

3. 文档处理工具

文档处理工具提供了在 Metis 应用中加载、处理和分块文档的功能。

功能：

• 加载各种文件格式的文档（PDF、DOCX、TXT、MD）
• 将文档拆分为多个块以供处理
• 从文档中提取代码块
• 分析文档结构

使用示例：

// Load a document
const docResult = await useMcpTool({
  serverName: 'document-processing-tool',
  toolName: 'load_document',
  arguments: {
    filePath: '/path/to/document.pdf'
  }
});

// Chunk the document
const chunkResult = await useMcpTool({
  serverName: 'document-processing-tool',
  toolName: 'chunk_document',
  arguments: {
    text: docResult.document.pageContent,
    chunkSize: 1000,
    chunkOverlap: 200,
    metadata: docResult.document.metadata
  }
});

4. LLM 交互工具

LLM 交互工具提供了在 Metis 应用中与语言模型交互的功能。

功能：

• 初始化来自各种提供商（OpenAI、Anthropic）的 LLM 模型
• 使用 LLM 生成文本
• 使用提示词模板进行结构化生成
• 为文本生成嵌入

使用示例：

// Initialize an LLM model
const llmResult = await useMcpTool({
  serverName: 'llm-interaction-tool',
  toolName: 'init_llm_model',
  arguments: {
    modelId: 'gpt4',
    provider: 'openai',
    modelName: 'gpt-4',
    apiKey: 'your-api-key',
    temperature: 0.7
  }
});

// Generate text with a prompt template
const genResult = await useMcpTool({
  serverName: 'llm-interaction-tool',
  toolName: 'use_prompt_template',
  arguments: {
    modelId: 'gpt4',
    template: 'Summarize the following text: {text}',
    variables: {
      text: 'Long document content here...'
    }
  }
});

安装和设置

要在 Metis 应用中使用这些 MCP 工具：

1. 克隆此代码库：

   git clone https://github.com/dagron78/metis-mcp-demo.git
   

2. 安装依赖项：

   cd metis-mcp-demo
   npm install
   

3. 启动所需的 MCP 服务：

   node tools/database-tool.js
   node tools/vector-store-tool.js
   node tools/document-processing-tool.js
   node tools/llm-interaction-tool.js
   

4. 使用 MCP 客户端从应用连接到 MCP 服务。

贡献

欢迎贡献！欢迎提交拉取请求或提出问题，以改进这些工具或添加新工具。

许可证

MIT