LLM Responses MCP Server

LLM Responses MCP Server

一个模型上下文协议服务器,支持多个 AI 代理之间的协作辩论,使它们能够讨论用户提示并达成共识。

Category
访问服务器

README

LLM 响应 MCP 服务器

一个模型上下文协议 (MCP) 服务器,支持多个 AI 代理之间的协作辩论,允许它们讨论用户提示并达成共识。

概述

本项目实现了一个 MCP 服务器,它促进了 LLM 之间的多轮对话,具有以下关键特性:

  1. 基于会话的协作 - LLM 可以注册为辩论会话的参与者
  2. 审议性共识 - LLM 可以进行深入讨论以达成一致
  3. 实时响应共享 - 所有参与者都可以查看和响应彼此的贡献

该服务器提供四个主要工具调用:

  1. register-participant:允许 LLM 加入协作会话并提供其初始响应
  2. submit-response:允许 LLM 在辩论期间提交后续响应
  3. get-responses:允许 LLM 检索会话中其他 LLM 的所有响应
  4. get-session-status:允许 LLM 检查注册等待期是否已完成

这使得多个 AI 代理(如“Ephors 委员会”)可以就用户的问题进行深入审议,相互辩论直到达成坚实的共识。

安装

# 安装依赖
bun install

开发

# 构建 TypeScript 代码
bun run build

# 在开发模式下启动服务器
bun run dev

使用 MCP Inspector 进行测试

该项目包括对 MCP Inspector 的支持,它是一个用于测试和调试 MCP 服务器的工具。

# 使用 MCP Inspector 运行服务器
bun run inspect

inspect 脚本使用 npx 运行 MCP Inspector,它将在您的浏览器中启动一个 Web 界面,用于与您的 MCP 服务器交互。

这将允许您:

  • 探索可用的工具和资源
  • 使用不同的参数测试工具调用
  • 查看服务器的响应
  • 调试您的 MCP 服务器实现

用法

服务器公开两个端点:

  • /sse - 用于 MCP 客户端连接的服务器发送事件端点
  • /messages - 用于 MCP 客户端发送消息的 HTTP 端点

MCP 工具

register-participant

注册为协作会话的参与者:

// 工具调用示例
const result = await client.callTool({
  name: 'register-participant',
  arguments: {
    name: 'Socrates',
    prompt: '生命的意义是什么?',
    initial_response: '生命的意义是通过质疑来寻求智慧...',
    persona_metadata: {
      style: 'socratic',
      era: 'ancient greece'
    } // 可选
  }
});

服务器在最后一个参与者加入后等待 3 秒的注册期,然后才响应。该响应包括所有参与者的初始响应,使每个 LLM 能够在注册期结束后立即响应其他参与者的观点。

submit-response

在辩论期间提交后续响应:

// 工具调用示例
const result = await client.callTool({
  name: 'submit-response',
  arguments: {
    sessionId: 'EPH4721R-Socrates', // 注册后收到的会话 ID
    prompt: '生命的意义是什么?',
    response: '为了回应柏拉图,我认为...'
  }
});

get-responses

检索辩论会话中的所有响应:

// 工具调用示例
const result = await client.callTool({
  name: 'get-responses',
  arguments: {
    sessionId: 'EPH4721R-Socrates', // 注册后收到的会话 ID
    prompt: '生命的意义是什么?' // 可选
  }
});

该响应包括所有参与者的贡献,按时间顺序排列。

get-session-status

检查注册等待期是否已过去:

// 工具调用示例
const result = await client.callTool({
  name: 'get-session-status',
  arguments: {
    prompt: '生命的意义是什么?'
  }
});

协作辩论流程

  1. LLM 注册为参与者,并提供对提示的初始响应
  2. 服务器在最后一次注册后等待 3 秒钟,然后发送响应
  3. 注册期结束后,所有参与者都会收到所有参与者的初始响应摘要
  4. 然后,参与者可以提交后续响应,回应彼此的观点
  5. 辩论持续进行,直到参与者达成共识或达到最大轮数

许可证

MIT

部署到 EC2

本项目包含 Docker 配置,可轻松部署到 EC2 或任何其他服务器环境。

前提条件

  • 运行 Amazon Linux 2 或 Ubuntu 的 EC2 实例
  • 安全组配置为允许端口 62887 上的入站流量
  • 对实例的 SSH 访问

部署步骤

  1. 将存储库克隆到您的 EC2 实例:

    git clone <your-repository-url>
    cd <repository-directory>
    
  2. 使部署脚本可执行:

    chmod +x deploy.sh
    
  3. 运行部署脚本:

    ./deploy.sh
    

该脚本将:

  • 安装 Docker 和 Docker Compose(如果尚未安装)
  • 构建 Docker 镜像
  • 在分离模式下启动容器
  • 显示您的 MCP 服务器可访问的公共 URL

手动部署

如果您更喜欢手动部署:

  1. 构建 Docker 镜像:

    docker-compose build
    
  2. 启动容器:

    docker-compose up -d
    
  3. 验证容器是否正在运行:

    docker-compose ps
    

访问服务器

部署后,您的 MCP 服务器将在以下位置可访问:

  • http://<ec2-public-ip>:62887/sse - SSE 端点
  • http://<ec2-public-ip>:62887/messages - 消息端点

确保端口 62887 在您的 EC2 安全组中打开!

推荐服务器

Baidu Map

Baidu Map

百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。

官方
精选
JavaScript
Playwright MCP Server

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。

官方
精选
TypeScript
Magic Component Platform (MCP)

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。

官方
精选
本地
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

官方
精选
本地
TypeScript
VeyraX

VeyraX

一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。

官方
精选
本地
graphlit-mcp-server

graphlit-mcp-server

模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。

官方
精选
TypeScript
Kagi MCP Server

Kagi MCP Server

一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

官方
精选
Python
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

Exa MCP Server

模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。

官方
精选