Prompt Gen Mcp

PromptGen MCP - 本地服务

使用从 PromptGen API 获取的高级提示词工程技术以及本地代码上下文，将简单问题转化为全面且具备上下文感知能力的提示词。

🚀 快速开始

1. 获取 PromptGen API 密钥

1. 访问：https://promptgenmcp-production.up.railway.app
2. 注册并生成 API 密钥
3. 复制以 pg_sk_ 开头的 API 密钥

2. 获取其他必需的 API 密钥

• GROQ API 密钥：从 https://console.groq.com/ 获取
• Tavily API 密钥：从 https://tavily.com/ 获取

3. 安装依赖项

# Navigate to the directory
cd prompt-gen-mcp

# Install dependencies
pip install mcp sentence-transformers httpx groq

4. 配置 Cursor

将配置复制到 Cursor MCP 设置文件（~/.cursor/mcp_servers.json）：

{
  "mcpServers": {
    "prompt-gen": {
      "command": "python",
      "args": ["/full/path/to/prompt-gen-mcp/src/prompt_gen_mcp/server.py"],
      "env": {
        "PROMPTGEN_API_KEY": "pg_sk_your_key_here",
        "GROQ_API_KEY": "gsk_your_groq_key_here", 
        "TAVILY_API_KEY": "tvly_your_tavily_key_here"
      }
    }
  }
}

重要提示：将 /full/path/to/prompt-gen-mcp/ 替换为此目录的实际完整路径。

5. 重启 Cursor

完全重启 Cursor（不只是重新加载），以便识别 MCP 服务。

6. 开始使用

1. 在 Cursor 中打开任意项目
2. 按 Cmd+Shift+P（Mac）或 Ctrl+Shift+P（Windows/Linux）
3. 输入：“MCP: enhance_prompt”
4. 提问：“如何优化这个 React 组件？”

💡 你将获得

🔄 转换示例

转换前	转换后
"如何优化这个 React 组件？"	全面增强的提示词

增强后的输出：

# 🚀 Enhanced Prompt for: How do I optimize this React component?

## 🔍 Question Analysis
- **Types**: optimization, implementation  
- **Complexity**: medium
- **Domain**: frontend
- **Intent**: optimize performance

## 🎯 Selected Prompt Engineering Techniques

### 1. 📋 Plan and Solve (Score: 0.847)
**Description**: Break down complex problems into structured planning and systematic solving phases

**Application**: Plan: Identify optimization targets. Solve: Apply specific React patterns.

### 2. 📚 Few-Shot Learning (Score: 0.823)
**Description**: Provide examples to guide the response

**Application**: Here are optimization examples: useMemo, React.memo, useCallback...

## 📁 Relevant Code Context

### File 1: `src/components/UserProfile.tsx` (Relevance: 0.892)
```typescript
const UserProfile = ({ userId }) => {
  const [user, setUser] = useState(null);
  useEffect(() => {
    fetchUser(userId).then(setUser);
  }, [userId]);
  return <div>{user?.name}</div>;
};

✨ 增强分析请求

[包含结构化指令的全面响应，并提供具备上下文感知能力的建议...]

📊 功能对比

功能	基础提示词	增强提示词
上下文感知	❌ 无	✅ 完整代码库上下文
技术选择	❌ 手动	✅ AI 驱动的最优选择
隐私	⚠️ 因情况而异	✅ 代码保留在本地
结构化输出	❌ 基础	✅ 全面分析
代码示例	❌ 通用示例	✅ 来自你的实际项目
相关性评分	❌ 无	✅ 语义相似度匹配

🔒 架构与隐私

• 🏠 本地处理：所有代码扫描都在你的设备上进行
• 🌐 API 集成：只有技术选择会使用 PromptGen API
• 🔢 不共享代码：你的代码绝不会离开你的设备
• 🎯 智能选择：AI 从托管数据库中选择最优技术
• 📁 上下文感知：自动纳入项目中的相关代码

⚙️ 工作原理

架构概览

flowchart TD
    A[User Question] --> B[Local MCP Server]
    B --> C[Code Context Scanner]
    B --> D[PromptGen API]
    C --> E[Local Code Analysis]
    D --> F[Technique Selection]
    E --> G[Enhanced Prompt]
    F --> G
    G --> H[User Receives Enhanced Prompt]
    
    style A fill:#e1f5fe
    style B fill:#f3e5f5
    style C fill:#e8f5e8
    style D fill:#fff3e0
    style G fill:#fce4ec
    style H fill:#e0f2f1

交互流程

sequenceDiagram
    participant U as User
    participant M as MCP Server
    participant C as Code Scanner
    participant P as PromptGen API
    participant Q as Qdrant DB
    
    U->>M: Ask question
    M->>C: Scan local workspace
    M->>P: Request techniques for question
    P->>Q: Query vectorized techniques
    Q-->>P: Return relevant techniques
    C-->>M: Local code context
    P-->>M: Optimal techniques
    M->>M: Combine context + techniques
    M->>U: Enhanced prompt with context
    
    Note over C,M: Code never leaves your machine
    Note over P,Q: Only question text sent to API

隐私优先流程：

1. 本地 MCP 在你的设备上私密地扫描代码
2. PromptGen API 从托管的 Qdrant 数据库提供最优技术
3. 本地处理 将所有内容整合为增强提示词
4. 代码不会离开你的设备——只有问题文本会被发送以获取技术

🎯 使用场景

• 代码优化：结合相关代码上下文获取结构化分析
• 架构决策：获取附带示例的全面比较
• 调试帮助：获取系统化的调试方法和代码片段
• 学习：通过实际代码库中的示例理解概念

🔧 故障排除

MCP 服务无法运行：

# Test the server directly
python src/prompt_gen_mcp/server.py

# Check dependencies
pip install mcp sentence-transformers httpx groq

API 密钥问题：

• 确保 PROMPTGEN_API_KEY 以 pg_sk_ 开头
• 从 https://console.groq.com/ 获取有效的 GROQ 密钥
• 从 https://tavily.com/ 获取有效的 Tavily 密钥

Cursor 找不到 MCP：

• 确保已完全重启 Cursor（不只是重新加载）
• 检查 ~/.cursor/mcp_servers.json 语法
• 确认文件路径为绝对路径
• 查看 Cursor 底部状态栏中的 MCP 状态

没有代码上下文：

• 确保当前位于项目目录中
• 检查文件权限
• 确认文件类型受支持（.py、.js、.ts、.tsx、.jsx、.md、.txt）

📊 功能

• ✅ PromptGen API 集成（托管的技术数据库）
• ✅ 本地代码上下文扫描（100% 私密）
• ✅ 保护隐私的架构
• ✅ 智能技术选择
• ✅ 大模型驱动的问题分析
• ✅ 真正的 MCP 架构（自包含）
• ✅ 故障回退支持（离线也能使用）

🏗️ 架构优势

规范的 MCP 设计：

• ✅ 单个独立的服务进程
• ✅ Cursor 自动管理服务生命周期
• ✅ 无需手动管理后台服务
• ✅ 与 Cursor 协同实现干净的启动和关闭

API 集成：

• ✅ 使用 PromptGen API 获取技术（无需本地 llms.txt）
• ✅ 托管的 Qdrant 数据库，存储向量化的技术
• ✅ 通过 API 密钥进行用户身份验证
• ✅ 支持使用情况跟踪和计费

🤝 参与贡献

1. Fork 此仓库
2. 创建功能分支
3. 提交更改
4. 将分支推送到远程
5. 创建 Pull Request

📄 许可证

MIT 许可证 - 详情请参阅 LICENSE 文件。