MCP 测试服务器

这是一个使用模型上下文协议 (MCP) 的 Python 服务器，它利用 OpenAI 的向量存储功能提供 RAG（检索增强生成）系统。

功能

此 MCP 服务器提供以下功能：

1. 创建向量数据库: 从指定目录中的文件（文本、PDF、DOCX、Markdown）构建 OpenAI 的向量存储。
2. 搜索向量数据库: 对构建的向量数据库执行查询，并检索相关性高的信息。

必要条件

• Python 3.11 或更高版本
• OpenAI API 密钥

安装方法

1. 项目初始化和创建虚拟环境

# 初始化项目
uv init mcp-test-server
cd mcp-test-server

# 创建并激活虚拟环境
uv venv .venv
source .venv/bin/activate

2. 安装所需的包

# 安装所需的包
uv sync

3. 设置环境变量

创建一个 .env 文件并设置 OpenAI API 密钥：

OPENAI_API_KEY="your-api-key"

MCP 服务器测试（可选）

使用 MCP Inspector 进行测试

您可以使用 MCP Inspector 来验证服务器的运行情况：

# 启动 MCP Inspector
npx @modelcontextprotocol/inspector uv run server.py

MCP Inspector 操作步骤：

1. 在左侧窗格中选择 "Connect"
2. 在中央选项卡中选择 "Tools"
3. 执行 "List Tools"
4. 选择要验证的工具
5. 在右侧窗格中设置参数并执行 "Run Tool"
6. 响应内容将显示在 Result 中（由于会进行 unicode 转义，请适当地进行解码以进行确认）
7. 完成后，在 CLI 中结束 Inspector 的执行以释放端口

集成到 Claude 应用

将以下配置添加到 Claude 桌面应用的配置文件中：

"test_calc": {
  "command": "uv",
  "args": [
      "--directory",
      "/abs/path/to/your/mcp-test-server",
      "run",
      "server.py"
  ]
}

将 /abs/path/to/your/mcp-test-server 替换为您的实际项目路径。

配置完成后，重新启动 Claude 应用，MCP 服务器即可使用。

提供的工具

此 MCP 服务器提供以下工具：

1. create_vector_db_from_directory

从指定目录中的文件创建向量数据库。

参数:

• directory_path: 要搜索文件的目录路径（必需）
• vector_store_name: 向量存储的名称（默认值: "local_knowledge"）
• file_patterns: 要处理的文件模式（默认值: [".txt", ".pdf", ".docx", ".md"]）

返回值:

• 处理结果的信息（状态、消息、统计信息等）

2. query_vector_db

搜索构建的向量数据库以检索相关信息。

参数:

• query: 搜索查询（必需）
• vector_store_id: 向量存储的 ID（必需）
• n_results: 返回的结果数量（默认值: 10）

返回值:

• 搜索结果（状态、查询、结果列表等）