# MCP Assistant Server

[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT) [![Node.js Version](https://img.shields.io/badge/node-%3E%3D%2016.0.0-brightgreen)](https://nodejs.org) [![TypeScript](https://img.shields.io/badge/TypeScript-5.0-blue)](https://www.typescriptlang.org/) [![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg)](CONTRIBUTING.md) _🤖 一个强大的 MCP 服务器，提供智能任务分析和工具推荐功能_ [English](./README_EN.md) | 简体中文

## ✨ 特性 - 🎯 **智能任务分析** - 自动分析用户任务，提取关键信息 - 🔍 **工具推荐** - 基于任务特点智能推荐最适合的 MCP 工具 - 🧠 **LLM 集成** - 集成大语言模型进行高级分析 - 🔄 **上下文管理** - 智能维护任务执行过程中的上下文信息 - 🔌 **工具发现** - 自动发现和集成可用的 MCP 工具 - 🚀 **高性能** - 异步处理，快速响应 - 📦 **易扩展** - 模块化设计，便于扩展 ## 🚀 快速开始 ### 环境要求 - Node.js >= 16.0.0 - npm >= 7.0.0 ### 安装 ```bash # 克隆仓库 git clone https://github.com/Lutra23/mcp-assistant-server.git # 进入项目目录 cd mcp-assistant-server # 安装依赖 npm install ``` ### 配置 1. 复制配置文件模板： ```bash cp mcp-config.json.example mcp-config.json ``` 2. 根据需要修改 `mcp-config.json` 配置，现在只支持硅基流动api调用： ```json { "port": 3000, "logLevel": "info", "llm": { "apiKey": "your-api-key" } } ``` ### 运行 ```bash # 开发模式 npm run dev # 生产模式 npm run build npm start ``` ## 📚 在 Cline 中使用 ### 配置 MCP 服务器 1. 打开 Cline 的 MCP 设置文件： ```bash # Linux/WSL ~/.vscode-server/data/User/globalStorage/rooveterinaryinc.roo-cline/settings/cline_mcp_settings.json # macOS ~/Library/Application Support/Code/User/globalStorage/rooveterinaryinc.roo-cline/settings/cline_mcp_settings.json # Windows %APPDATA%\Code\User\globalStorage\rooveterinaryinc.roo-cline\settings\cline_mcp_settings.json ``` 2. 添加服务器配置： ```json { "mcpServers": { "assistant": { "command": "node", "args": ["/path/to/mcp-assistant-server/build/index.js"], "env": { "PORT": "3000", "LOG_LEVEL": "info" } } } } ``` ### 使用示例在 Cline 中，你可以使用以下工具： ```typescript // 分析任务 assistant analyze_task { "description": "获取天气信息并保存到文件", "context": { "location": "上海", "format": "json" } } // 推荐工具 assistant recommend_tools { "taskId": "task-123", "useHybridRecommendation": true } ``` ## 📚 在 Cursor 中使用 ### 配置 MCP 服务器 1. 打开 Cursor 的配置文件： ```bash # Linux ~/.cursor/cursor_config.json # macOS ~/Library/Application Support/Cursor/cursor_config.json # Windows %APPDATA%\Cursor\cursor_config.json ``` 2. 添加 MCP 服务器配置： ```json { "mcpServers": { "assistant": { "command": "node", "args": ["/path/to/mcp-assistant-server/build/index.js"], "env": { "PORT": "3000", "LOG_LEVEL": "info" } } } } ``` ### 使用方式在 Cursor 中，你可以通过命令面板（Cmd/Ctrl + Shift + P）使用以下命令： 1. `MCP: 分析任务` - 分析当前选中的代码或文本 2. `MCP: 推荐工具` - 获取针对当前任务的工具推荐 3. `MCP: 更新上下文` - 更新任务上下文信息也可以通过 Cursor API 在插件中使用： ```typescript import { workspace } from 'cursor'; // 分析任务 const analysis = await workspace.mcp.callTool('assistant', 'analyze_task', { description: '当前任务描述', context: { // 上下文信息 } }); // 获取工具推荐 const recommendations = await workspace.mcp.callTool('assistant', 'recommend_tools', { taskId: 'current-task-id' }); ``` ## 🎯 核心功能 ### 任务分析器分析用户输入的任务描述，提取关键信息： - 任务类型识别 - 参数提取 - 上下文关联 - 依赖分析 ### 工具推荐系统根据任务特点智能推荐工具： - 基于规则的推荐 - 混合推荐算法 - 上下文感知 - 历史数据分析 ### 上下文管理器维护任务执行过程中的上下文信息： - 状态追踪 - 数据持久化 - 会话管理 - 错误恢复 ## 📦 项目结构 ``` src/ ├── controllers/ # 控制器层 │ └── LLMApiController.ts ├── core/ # 核心功能实现 │ ├── TaskAnalyzer.ts │ ├── ToolRecommender.ts │ └── ContextManager.ts ├── services/ # 服务层 │ ├── LLMService.ts │ └── MCPDiscoveryService.ts ├── routes/ # 路由定义 │ └── llmApiRoutes.ts └── types/ # 类型定义 └── interfaces.ts ``` ## 🔌 API 文档详细的 API 文档请查看 [API 文档](./docs/api.md)。 ## 🤝 贡献指南我们欢迎所有形式的贡献，无论是新功能、文档改进还是问题反馈。详情请查看 [贡献指南](CONTRIBUTING.md)。 ## 📄 更新日志查看 [CHANGELOG.md](CHANGELOG.md) 了解详细的更新历史。 ## 📝 开源协议本项目采用 MIT 许可证 - 查看 [LICENSE](LICENSE) 了解详情。 ## 🙏 致谢感谢所有为这个项目做出贡献的开发者们！

Made with ❤️ by [Lutra23](https://github.com/Lutra23)

Task Analysis

MCP Assistant Server