mcpField
S
Sleeek MCP Server - Production Ready

Sleeek MCP Server - Production Ready

本地服务
github.com/ShhhShaq媒体与设计073 周前更新

关于 Sleeek MCP Server - Production Ready

这是为 SleeekApp 提供照片评估的 MCP 服务,可在多次尝试间保留上下文。它会跟踪拍摄角度变化和限制条件,并逐步给出反馈。

主要功能

  1. 01跨评估保留上下文
  2. 02避免重复先前反馈
  3. 03跟踪物理限制条件
  4. 04检测拍摄角度变化
  5. 05最多三次尝试的渐进反馈

适用场景

  1. 01结合先前上下文评估连续拍摄结果
  2. 02改变拍摄角度后重新评估

MCP 相关

该 MCP 服务通过 `/assess` 端点为 SleeekApp 提供照片评估,返回反馈、尝试次数、角度重置状态、评分、是否可接受及限制条件。

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

Sleeek MCP 服务 - 生产就绪

此 MCP 服务为 SleeekApp 提供上下文感知的照片评估功能,包括:

  • ✅ 跨多次尝试的上下文记忆
  • ✅ 角度变化检测
  • ✅ 约束学习
  • ✅ 渐进式反馈
  • ✅ 未来的 Agentic 功能

快速部署到 Railway

1. 推送到 GitHub
cd ~/Desktop/sleeek-mcp-deploy
git init
git add .
git commit -m "Initial MCP server"
git branch -M main
git remote add origin YOUR_GITHUB_REPO_URL
git push -u origin main
2. 部署到 Railway
  1. 前往 railway.app
  2. 点击“New Project” → “Deploy from GitHub repo”
  3. 选择你的仓库
  4. 添加环境变量:OPENAI_API_KEY
  5. 部署!

Railway 会提供一个 URL,例如:https://sleeek-mcp.up.railway.app

3. 更新你的 iOS 应用

在 MCPClient.swift 中,更改:

private let bridgeURL = "https://sleeek-mcp.up.railway.app"

本地开发

npm install
cp .env.example .env
# Add your OpenAI API key to .env
npm start

功能

上下文感知
  • 记住之前的评估结果
  • 不会重复提供相同的反馈
  • 跟踪身体约束
  • 渐进式接受(最多尝试 3 次)
角度检测
  • 检测超过 30° 的相机移动
  • 为新角度重置上下文
  • 从新位置重新进行评估
未来的 Agentic 功能

此 MCP 架构支持:

  • 多步骤规划
  • 跨房间优化
  • 从所有用户的使用中学习
  • 个性化风格适配
  • 与其他工具集成

API 端点

POST /assess
{
  "imageBase64": "...",
  "roomType": "living",
  "shootId": "uuid",
  "currentAngle": {
    "pitch": 0,
    "yaw": 0,
    "roll": 90
  }
}

响应:

{
  "feedback": "Move left to include the fireplace. The sofa is well-framed.",
  "attemptNumber": 1,
  "angleReset": false,
  "score": 75,
  "isAcceptable": false,
  "constraints": []
}

生产环境注意事项

  1. 数据库:将内存存储替换为 PostgreSQL
  2. 身份验证:添加 API 密钥以确保安全
  3. 速率限制:防止滥用
  4. 监控:添加日志服务
  5. 缓存:缓存相似的评估

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。