Layer Prompt Manager
这可以帮助你创建一个 MCP 服务器,你的 IDE 可以访问该服务器,从而为你的代码库创建和保存提示。
vivek100
README
Layer Prompt 管理器
保存、版本控制和管理代码仓库的自定义 AI Prompt。与 Cursor 和 GitHub Copilot 等 AI 驱动的 IDE 无缝集成。
功能
1. 从 IDE 保存 Prompt
直接从 AI 驱动的 IDE 创建和保存自定义 Prompt。MCP 服务器将您的开发环境连接到 Layer,使您可以构建特定于您的代码库的有效 Prompt 库。
2. Prompt 的版本控制
跟踪 Prompt 随时间的演变。比较不同的版本,看看哪个版本产生最佳结果。需要时轻松回滚到以前的版本。
3. Layer Prompts
- 访问所有 Layer Prompts
- 编辑现有 Prompts
- 为 AI 驱动的编码助手创建新的 Prompts
- 管理 Prompt 版本
4. 模板
- 使用预先存在的模板
- 创建您自己的模板
- 在您的开发团队中标准化 AI 交互
- 共享和重用常见的 Prompt 模式
5. 现代 UI
- 矩阵风格的设计
- 深色模式界面
- 响应式布局
- 交互式组件
项目结构
├── frontend/
│ ├── app/
│ │ ├── prompts/ # Prompt 管理页面
│ │ ├── templates/ # 模板管理页面
│ │ ├── tools/ # 工具相关组件
│ │ └── docs/ # 文档页面
│ ├── components/ # 可重用的 UI 组件
│ └── lib/ # API 和实用函数
├── backend/
│ └── main.py # FastAPI 后端服务器
安装说明
前提条件
- Node.js (v16 或更高版本)
- Python 3.8+
- pip
- SQLite
后端设置
- 创建一个虚拟环境:
python -m venv venv
source venv/bin/activate # 在 Windows 上:venv\Scripts\activate
- 安装依赖项:
pip install -r requirements.txt
- 在根目录中创建一个
.env
文件:
LAYER_API_KEY=your_layer_api_key
LAYER_BASE_URL=https://api.buildwithlayer.com
- 启动后端服务器:
uvicorn main:app --reload
前端设置
- 安装依赖项:
cd frontend
npm install
- 创建一个
.env.local
文件:
NEXT_PUBLIC_API_URL=http://localhost:8000
- 启动开发服务器:
npm run dev
用法
-
创建 Prompts
- 导航到 "Layer Prompts"
- 点击 "Create New Prompt"
- 填写 Prompt 详细信息、步骤和参数
- 保存并版本控制您的 Prompt
-
管理模板
- 转到 "Templates"
- 创建新模板或使用现有模板
- 编辑和自定义团队的模板
-
版本控制
- 每个 Prompt 可以有多个版本
- 为版本跟踪添加更改说明
- 比较和恢复以前的版本
环境变量
后端 (.env
):
LAYER_API_KEY=your_layer_api_key
LAYER_BASE_URL=https://api.buildwithlayer.com
前端 (.env.local
):
NEXT_PUBLIC_API_URL=http://localhost:8000
.gitignore
# 依赖项
node_modules/
venv/
__pycache__/
# 环境变量
.env
.env.local
.env.development.local
.env.test.local
.env.production.local
# 构建输出
.next/
build/
dist/
# IDE
.vscode/
.idea/
# 数据库
*.db
*.sqlite3
# 日志
*.log
npm-debug.log*
yarn-debug.log*
yarn-error.log*
# 系统文件
.DS_Store
Thumbs.db
贡献
- Fork 仓库
- 创建一个功能分支
- 提交您的更改
- 推送到分支
- 创建一个 Pull Request
许可证
MIT 许可证 - 随意使用此项目用于您自己的目的。
推荐服务器
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
MCP Package Docs Server
促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。
Claude Code MCP
一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。
@kazuph/mcp-taskmanager
用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。
mermaid-mcp-server
一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。
Jira-Context-MCP
MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

Linear MCP Server
一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

Sequential Thinking MCP Server
这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。
Curri MCP Server
通过管理文本笔记、提供笔记创建工具以及使用结构化提示生成摘要,从而实现与 Curri API 的交互。