MCP 服务器

MCP Prompts Server

通过简化的SOLID架构，实现提示词的创建、管理和模板化，允许用户按类别组织提示词，并在运行时填充模板。

AI集成系统

Git管理工具

访问服务器

Tools

add_prompt

Add a new prompt

get_prompt

Get a prompt by ID

update_prompt

Update an existing prompt

list_prompts

List all prompts

apply_template

Apply variables to a prompt template

delete_prompt

Delete a prompt

README

MCP Prompts Server

一个用于管理提示词和模板的 MCP 服务器，具有项目编排能力。是模型上下文协议生态系统的一部分。

该服务器提供了一种简单的方法来存储、检索和应用 AI 提示词的模板，从而更容易在您的 AI 应用程序中保持一致的提示模式。

实现更新

MCP Prompts Server 已被重构为使用 MCP SDK 1.6.1 版本中的新注册方法：

server.resource 用于定义资源端点（例如，用于提示词和模板）。
server.tool 用于注册工具操作（例如，add、get、update、list、delete 和 apply_template）。
server.prompt 用于特定于提示词的操作（例如，“review-code”）。

这些更改简化了代码库，提高了可维护性，并确保与最新的 MCP SDK 更好地兼容。

特性

存储和检索提示词
创建和使用带有变量的模板
列出带有标签过滤的提示词
将变量应用于模板
多种存储后端（文件系统、PostgreSQL 和 MDC 格式）
易于与 Claude 和其他 AI 助手一起使用
项目编排能力
健康检查端点

安装

使用 npx (推荐)

npx -y @sparesparrow/mcp-prompts

全局安装

npm install -g @sparesparrow/mcp-prompts

使用 Docker

docker run -p 3003:3003 -v ~/mcp/data:/app/data sparesparrow/mcp-prompts:latest

验证安装

安装后，您可以通过以下方式验证服务器是否正常工作：

打开 Claude Desktop
在聊天输入中键入“/”，查看服务器中的提示词是否出现

使用一个简单的工具调用进行测试：

use_mcp_tool({
  server_name: "prompt-manager",
  tool_name: "list_prompts",
  arguments: {}
});

配置

可以使用环境变量配置服务器：

环境变量	描述	默认值
SERVER_NAME	服务器名称	MCP Prompts Server
SERVER_VERSION	服务器版本	package.json 版本
STORAGE_TYPE	存储类型：'file'、'postgres' 或 'mdc'	file
PROMPTS_DIR	用于存储提示词的目录	~/mcp/data/prompts
BACKUPS_DIR	用于备份的目录	~/mcp/data/backups
PORT	HTTP 服务器的端口	3003
LOG_LEVEL	日志级别	info
HTTP_SERVER	启用 HTTP 服务器	false
HOST	HTTP 服务器的主机	0.0.0.0

PostgreSQL 设置（如果 STORAGE_TYPE=postgres 则为必需）

环境变量	描述	默认值
PG_HOST	PostgreSQL 主机	localhost
PG_PORT	PostgreSQL 端口	5432
PG_DATABASE	PostgreSQL 数据库名称	mcp_prompts
PG_USER	PostgreSQL 用户名	postgres
PG_PASSWORD	PostgreSQL 密码
PG_SSL	使用 SSL 进行 PostgreSQL 连接	false
POSTGRES_CONNECTION_STRING	完整的 PostgreSQL 连接字符串（覆盖单个设置）

MDC 设置（如果 STORAGE_TYPE=mdc 则为必需）

环境变量	描述	默认值
MDC_RULES_DIR	MDC 规则的目录	./.cursor/rules

使用

与 Claude 一起使用

在 Claude 3 Desktop 应用程序中，您可以在 claude_desktop_config.json 中配置 MCP Prompts 服务器：

{
  "mcpServers": {
    "prompts": {
      "command": "npx",
      "args": [
        "-y",
        "@sparesparrow/mcp-prompts"
      ],
      "env": {
        "STORAGE_TYPE": "file",
        "PROMPTS_DIR": "/path/to/your/prompts/directory",
        "LOG_LEVEL": "debug"
      }
    }
  }
}

可用工具

MCP Prompts 服务器提供以下工具：

add_prompt: 添加新的提示词
get_prompt: 按 ID 获取提示词
update_prompt: 更新现有提示词
list_prompts: 列出所有提示词
delete_prompt: 按 ID 删除提示词
apply_template: 将变量应用于提示词模板

API 使用示例

列出可用提示词

要查看有哪些可用的提示词：

use_mcp_tool({
  server_name: "prompt-manager",
  tool_name: "list_prompts",
  arguments: {}
});

要按标签过滤：

use_mcp_tool({
  server_name: "prompt-manager",
  tool_name: "list_prompts",
  arguments: {
    tags: ["development"]
  }
});

获取特定提示词

要按 ID 检索特定提示词：

use_mcp_tool({
  server_name: "prompt-manager",
  tool_name: "get_prompt",
  arguments: {
    id: "development-workflow"
  }
});

使用模板提示词

要将变量应用于模板提示词：

use_mcp_tool({
  server_name: "prompt-manager",
  tool_name: "apply_template",
  arguments: {
    id: "development-system-prompt",
    variables: {
      "project_type": "web frontend",
      "language": "JavaScript/React",
      "project_name": "TaskManager",
      "project_goal": "create a task management application with drag-and-drop functionality",
      "technical_context": "Using React 18, TypeScript, and Material UI"
    }
  }
});

管理提示词

添加新的提示词

要添加新的提示词：

use_mcp_tool({
  server_name: "prompt-manager",
  tool_name: "add_prompt",
  arguments: {
    name: "Bug Report Template",
    description: "Template for submitting bug reports",
    content: "## Bug Report\n\n### Description\n{{description}}\n\n### Steps to Reproduce\n{{steps}}\n\n### Expected Behavior\n{{expected}}\n\n### Actual Behavior\n{{actual}}\n\n### Environment\n{{environment}}",
    isTemplate: true,
    variables: ["description", "steps", "expected", "actual", "environment"],
    tags: ["bug", "template", "documentation"]
  }
});

编辑现有提示词

要编辑现有提示词：

use_mcp_tool({
  server_name: "prompt-manager",
  tool_name: "edit_prompt",
  arguments: {
    id: "development-workflow",
    content: "Updated workflow content here...",
    tags: ["development", "workflow", "python", "updated"]
  }
});

在您的工作流程中使用提示词

开发工作流程示例

在开始处理新功能时：

请求开发系统提示词模板
使用您的项目详细信息填写模板
使用生成的系统提示词来指导 Claude 的帮助

代码审查示例

在审查代码时：

请求代码审查模板
提供要审查的代码
Claude 将提供结构化的审查

提示词格式

提示词具有以下结构：

{
  "id": "unique-id",
  "name": "Prompt Name",
  "description": "Optional description",
  "content": "The prompt content with {{variables}}",
  "tags": ["tag1", "tag2"],
  "isTemplate": true,
  "variables": ["variable1", "variable2"],
  "metadata": {
    "author": "Your Name",
    "version": "1.0.0"
  }
}

多格式提示词支持

MCP Prompts Server 包含一个强大的 MutablePrompt 接口，允许在多种格式之间转换提示词：

JSON 格式: 服务器使用的标准内部格式
MDC 格式: Cursor Rules Markdown 格式 (.mdc 文件)
PGAI 格式: 支持 PostgreSQL AI 嵌入的格式
模板格式: 带有变量占位符的动态格式

格式之间的转换

MutablePrompt 接口提供了在这些格式之间转换提示词的方法：

// 创建一个可变提示词
const factory = new MutablePromptFactoryImpl();
const prompt = factory.create({
  name: "API Design Guide",
  description: "Template for designing RESTful APIs",
  content: "# API Design for {{service_name}}\n\n## Endpoints\n\n{{endpoints}}\n\n## Authentication\n\n{{auth_method}}",
  isTemplate: true,
  variables: ["service_name", "endpoints", "auth_method"],
  tags: ["api", "design", "rest", "glob:*.md"]
});

// 转换为 MDC 格式
const mdcContent = prompt.toMdc({
  includeVariables: true
});

// 转换为带有嵌入的 PGAI 格式
const pgaiData = prompt.toPgai({
  generateEmbeddings: true,
  collection: "prompts",
  vectorConfig: {
    dimension: 1536,
    metric: "cosine"
  }
});

// 转换为带有美元符号变量的模板格式
const templateContent = prompt.toTemplate({
  delimiterStyle: "dollar"
});

应用模板

您可以轻松地将变量应用于模板提示词：

const result = prompt.applyVariables({
  service_name: "User Management API",
  endpoints: "GET /users, POST /users, GET /users/{id}, PUT /users/{id}, DELETE /users/{id}",
  auth_method: "JWT Bearer Token"
});

提取变量

从模板内容中提取变量：

const variables = prompt.extractVariables();
// 返回 ["service_name", "endpoints", "auth_method"]

从不同格式创建

您还可以从各种格式创建提示词：

// 从 MDC 格式
const mdcContent = `---
description: Template for code reviews
globs: ["*.js", "*.ts"]
---

# Code Review Template

## Context
{{context}}

## Patterns
{{patterns}}

## Variables

- \`context\`: Description of the code being reviewed
- \`patterns\`: Common patterns to look for
`;

const promptFromMdc = factory.fromMdc(mdcContent);

// 从 PGAI 格式
const pgaiData = {
  id: "api-design",
  name: "API Design Guide",
  content: "# API Design Guide\n\nUse this guide...",
  metadata: {
    description: "Comprehensive API design guide",
    tags: ["api", "rest"],
    isTemplate": false
  }
};

const promptFromPgai = factory.fromPgai(pgaiData);

与存储适配器集成

MutablePrompt 接口与现有的存储适配器无缝协作：

// 以 MDC 格式保存提示词
const mdcPrompt = factory.fromMdc(mdcContent);
await fileAdapter.savePrompt(mdcPrompt);

// 将提示词以 PGAI 格式保存到 PostgreSQL
const pgaiPrompt = factory.fromPgai(pgaiData);
await postgresAdapter.savePrompt(pgaiPrompt);

这种灵活的格式处理能够：

跨平台兼容性: 在不同的工具和平台上使用提示词
向量搜索: 使用 PGAI 格式进行语义搜索
IDE 集成: 直接与 Cursor Rules 兼容
模板系统: 导出模板以用于各种编程语言

存储适配器

服务器支持三种类型的存储适配器：

文件适配器: 将提示词存储为目录中的单个 JSON 文件。
PostgreSQL 适配器: 将提示词存储在 PostgreSQL 数据库中。
MDC 适配器: 将提示词存储在 Cursor Rules MDC 格式中。

可以使用 STORAGE_TYPE 环境变量配置存储类型：

STORAGE_TYPE=file      # 默认
STORAGE_TYPE=postgres  # 需要 PostgreSQL 配置
STORAGE_TYPE=mdc       # 用于 Cursor Rules 格式

PostgreSQL 设置

使用 PostgreSQL 存储时，配置以下环境变量：

PG_HOST=localhost
PG_PORT=5432
PG_DATABASE=mcp_prompts
PG_USER=postgres
PG_PASSWORD=your_password
PG_SSL=false

或者，使用连接字符串：

POSTGRES_CONNECTION_STRING=postgresql://user:password@host:port/database

Docker 部署

MCP Prompts 服务器可以使用 Docker 以各种配置进行部署，具体取决于您的需求。

使用 Docker Compose Manager

我们提供了一个方便的脚本来管理 Docker Compose 配置，可以轻松地使用不同的配置文件和环境启动服务器：

# 使用文件存储启动 MCP Prompts
./docker/scripts/docker-compose-manager.sh up

# 使用 PostgreSQL 数据库启动
./docker/scripts/docker-compose-manager.sh up -p postgres

# 使用 PostgreSQL 启动开发环境
./docker/scripts/docker-compose-manager.sh up -e development -p postgres

# 启动 SSE 支持（用于服务器发送事件）
./docker/scripts/docker-compose-manager.sh up -p sse

# 启动多个 MCP 服务器集成
./docker/scripts/docker-compose-manager.sh up -p integration

目标驱动的容器架构

我们的 Docker 架构围绕特定用例设计：

生产环境: 针对性能和安全性进行了优化
开发环境: 包括热重载和调试工具
测试环境: 用于运行自动化测试
PostgreSQL 集成: 添加 PostgreSQL 存储后端
多个 MCP 服务器集成: 与其他 MCP 服务器连接

可用 Docker 镜像

官方 MCP Prompts Docker 镜像可在 Docker Hub 上找到：

生产: sparesparrow/mcp-prompts:latest
开发: sparesparrow/mcp-prompts:dev
测试: sparesparrow/mcp-prompts:test

Docker Compose 配置

我们提供几种可以组合的 Docker Compose 配置：

基本部署

docker compose -f docker/compose/docker-compose.base.yml up -d

这提供了一个基本的 MCP Prompts 服务器，带有基于文件的存储。

开发环境

docker compose -f docker/compose/docker-compose.base.yml -f docker/compose/docker-compose.development.yml up -d

包括热重载、源代码挂载和 Node.js 检查器以进行调试。

PostgreSQL 集成

docker compose -f docker/compose/docker-compose.base.yml -f docker/compose/docker-compose.postgres.yml up -d

添加 PostgreSQL 数据库和 Adminer 以进行数据库管理。

测试环境

docker compose -f docker/compose/docker-compose.base.yml -f docker/compose/docker-compose.test.yml up -d

设置一个针对运行测试优化的环境。

多个 MCP 服务器集成

MCP Prompts Server 旨在与生态系统中的其他 MCP 服务器无缝集成，从而为 AI 上下文需求提供全面的解决方案。这种集成通过专用服务器的组合功能实现高级功能。

graph TD
    classDef mainServer fill:#f96,stroke:#333,stroke-width:2px;
    classDef serverNode fill:#9cf,stroke:#333,stroke-width:1px;
    classDef dataStore fill:#fcf,stroke:#333,stroke-width:1px;
    classDef client fill:#cfc,stroke:#333,stroke-width:1px;
    
    Client[AI Client/Claude Desktop] --> |Requests| MCP[MCP Prompts Server]
    
    MCP:::mainServer --> |Template Variables| Memory[MCP Memory Server]
    MCP --> |File Operations| FS[MCP Filesystem Server]
    MCP --> |Repository Access| GitHub[MCP GitHub Server]
    MCP --> |Thought Process| Thinking[MCP Sequential Thinking]
    MCP --> |Voice Output| ElevenLabs[MCP ElevenLabs Server]
    MCP --> |Vector Search| PGAI[PostgreSQL AI Server]
    
    Memory:::serverNode --> |Stores| MemoryCache[(In-Memory Cache)]:::dataStore
    FS:::serverNode --> |Accesses| FileSystem[(Local Files)]:::dataStore
    GitHub:::serverNode --> |Connects to| GitHubAPI[(GitHub Repositories)]:::dataStore
    Thinking:::serverNode --> |Processes| ThoughtFlow[(Thought Chains)]:::dataStore
    ElevenLabs:::serverNode --> |Generates| Audio[(Voice Output)]:::dataStore
    PGAI:::serverNode --> |Queries| VectorDB[(Vector Database)]:::dataStore
    
    Client:::client

数据流架构

sequenceDiagram
    participant Client as AI Client/Claude
    participant MCP as MCP Prompts Server
    participant Mem as Memory Server
    participant FS as Filesystem Server
    participant GH as GitHub Server
    participant PGAI as PostgreSQL AI
    
    Client->>MCP: Request prompt by name
    Note over MCP: Lookup prompt source
    
    alt Filesystem Storage
        MCP->>FS: Fetch prompt file
        FS-->>MCP: Return prompt content
    else Database Storage
        MCP->>PGAI: Query prompt by name
        PGAI-->>MCP: Return prompt with embeddings
    end
    
    MCP->>Mem: Get template variables
    Mem-->>MCP: Return variable values
    
    alt GitHub Sync Enabled
        MCP->>GH: Sync prompt changes
        GH-->>MCP: Confirmation
    end
    
    MCP->>Client: Return processed prompt
    
    Note over Client,MCP: Additional resource requests
    
    Client->>MCP: Request related resources
    MCP->>Client: Return linked resources

多服务器设置的配置

要启用与多个 MCP 服务器的集成，您需要：

使用 Docker Compose 启动所需的 MCP 服务器：

docker compose -f docker/compose/docker-compose.base.yml -f docker/compose/docker-compose.integration.yml up -d

使用适当的服务器 URL 配置您的 MCP 客户端（例如 Claude Desktop）：

{
  "mcpServers": {
    "prompts": {
      "transport": "http",
      "url": "http://localhost:3003"
    },
    "memory": {
      "transport": "http",
      "url": "http://localhost:3020"
    },
    "filesystem": {
      "transport": "http",
      "url": "http://localhost:3021"
    },
    "github": {
      "transport": "http",
      "url": "http://localhost:3022"
    },
    "sequential-thinking": {
      "transport": "http",
      "url": "http://localhost:3023"
    },
    "elevenlabs": {
      "transport": "http",
      "url": "http://localhost:3024"
    }
  }
}

服务器特定的环境变量

与其他服务器集成时，可以设置以下环境变量：

变量	描述	默认值
`MCP_INTEGRATION`	启用与其他 MCP 服务器的集成	`false`
`MCP_MEMORY_URL`	MCP Memory Server 的 URL	`http://mcp-memory:3000`
`MCP_FILESYSTEM_URL`	MCP Filesystem Server 的 URL	`http://mcp-filesystem:3000`
`MCP_GITHUB_URL`	MCP GitHub Server 的 URL	`http://mcp-github:3000`
`MCP_THINKING_URL`	MCP Sequential Thinking Server 的 URL	`http://mcp-sequential-thinking:3000`
`MCP_ELEVENLABS_URL`	MCP ElevenLabs Server 的 URL	`http://mcp-elevenlabs:3000`

集成用例

带有 Memory Server 的模板变量:
- 将常用变量存储在 Memory Server 中
- 在应用模板时动态检索它们
与 GitHub Server 的提示词同步:
- 维护提示词的版本控制存储库
- 在本地和远程存储库之间同步更改
文件系统管理:
- 访问和管理文件系统中的提示词文件
- 从不同位置导入/导出提示词
使用 Sequential Thinking 进行高级推理:
- 将复杂的提示词处理分解为顺序步骤
- 利用思维链进行逐步推理
使用 ElevenLabs 进行语音反馈:
- 将提示词描述转换为语音
- 提供基于语音的提示词选择反馈
使用 PostgreSQL AI 进行向量搜索:
- 查找语义上相似的提示词
- 存储和检索带有向量嵌入的提示词

构建和发布 Docker 镜像

要构建和发布 Docker 镜像：

# 使用特定标签构建所有镜像
./docker/scripts/build-and-publish.sh 1.0.0

# 仅构建生产镜像
./docker/scripts/docker-compose-manager.sh image -e production -t 1.0.0

数据持久性

默认情况下，Docker 卷用于持久性：

mcp-prompts-data: 用于提示词存储
mcp-prompts-postgres-data: 用于 PostgreSQL 数据

要改用本地目录：

docker run -p 3003:3003 -v /path/to/local/data:/app/data sparesparrow/mcp-prompts:latest

开发

开发工作流程

设置开发环境

克隆存储库

git clone https://github.com/user/mcp-prompt-manager.git
cd mcp-prompt-manager

安装依赖项
```
npm install
```
设置环境变量 创建一个包含必要配置的 .env 文件。

开发命令

启动带有热重载的开发服务器
```
npm run dev
```
构建项目
```
npm run build
```
运行单元测试
```
npm test
```
运行集成测试
```
npm run test:integration
```
测试构建过程
```
npm run test:build
```
测试 Docker 构建
```
npm run test:docker
```
构建 Docker 镜像
```
npm run docker:build
```

构建过程

构建过程包括几个重要步骤：

TypeScript 编译
```
npm run build
```
使入口点可执行
```
chmod +x dist/index.js
```

测试

运行测试：

npm test

运行 MCP Inspector 进行测试：

npm run test:inspector

综合测试脚本

对于更高级的测试选项，请使用提供的测试脚本：

# 运行所有测试（单元测试和集成测试）
./scripts/run-tests.sh

# 仅运行单元测试
./scripts/run-tests.sh --unit

# 仅运行集成测试
./scripts/run-tests.sh --integration

# 生成测试覆盖率报告
./scripts/run-tests.sh --coverage

# 在 Docker 中运行测试
./scripts/run-tests.sh --docker

# 在测试后清理 Docker 资源
./scripts/run-tests.sh --docker --clean

Docker 容器健康状况测试

要测试 Docker 容器的健康状况：

# 运行 Docker 健康状况检查测试
TEST_DOCKER_HEALTH=true npm test -- tests/integration/docker-health.integration.test.ts

此测试验证当 MCP-Prompts 服务器在 Docker 容器中运行时，健康状况检查端点是否正常工作。

目录结构

该项目遵循结构化的组织，以保持关注点的清晰分离：

mcp-prompt-manager/
├── .github/workflows/    # CI/CD 工作流程配置
├── dist/                 # 构建的文件
├── src/                  # 源代码
│   ├── adapters.ts       # 存储适配器
│   ├── interfaces.ts     # 核心类型和接口
│   └── index.ts          # 主要入口点
├── scripts/              # 维护和实用程序脚本
├── package.json          # 项目元数据和脚本
└── README.md             # 项目文档

发布过程

发布前检查清单

所有 TypeScript 错误都已解决
代码 linting 通过，没有错误
代码已根据项目标准正确格式化
单元测试通过
集成测试通过
构建测试通过
Docker 构建测试通过
包安装测试通过
README 已更新为最新的特性和更改
CHANGELOG 已更新为所有值得注意的更改

版本更新

根据语义版本控制更新 package.json 中的版本
确保依赖项是最新的
更新文档中的任何版本引用

发布

为新版本创建一个 git 标签
将更改和标签推送到 GitHub
发布到 npm (npm publish)
构建并推送 Docker 镜像

发布后验证

验证从 npm 的安装
验证包可以使用 npx 运行
验证 Docker 镜像是否按预期工作
验证与 Claude Desktop 的集成

变更日志

[1.2.20] - 2025-03-14

自动版本提升

[1.2.19] - 2024-03-16

已修复

修复了 PostgresAdapter 实现中的 TypeScript 错误
增强了 savePrompt 方法以正确返回创建的提示词
向 PostgresAdapter 添加了 updatePrompt 方法
修复了 StorageAdapter 接口以包含 listPrompts 和 clearAll 方法
改进了 database-tools.ts 中 clearAll 方法的错误处理
增强了健康状况检查端点，提供了更详细的信息

已添加

为健康状况检查端点添加了更好的文档和错误处理

[1.2.18] - 2024-03-14

已添加

添加了带有健康状况检查端点的 HTTP 服务器
添加了 Docker 容器健康状况检查
为 Node.js 18-23+ 添加了 ESM 模块兼容性
使用更好的错误处理增强了数据库工具

已更改

使用多阶段构建改进了 Docker 构建过程
简化了配置管理
优化了 PostgreSQL 适配器连接处理
将依赖项更新到最新版本

已修复

修复了某些文件系统上文件适配器的问题
改进了错误消息以进行更好的调试
修复了模板变量提取

[1.2.0] - 2025-03-14

已更改

重新组织了代码库结构以提高可维护性
将 Docker 相关文件移动到 docker/ 目录
将构建脚本移动到 scripts/build/ 目录
将测试脚本移动到 scripts/test/ 目录
更新了 GitHub 工作流程以使用新的文件路径
更新了 Docker Compose 配置以使用新的文件路径
添加了全面的开发文档

已添加

创建了包含详细说明的开发文档
创建了发布准备的发布检查清单
添加了 CHANGELOG.md 以跟踪更改

已删除

删除了重复和冗余文件
删除了不完整的脚本

[1.1.0] - 2024-03-01

已添加

用于语义提示词发现的 PGAI 向量搜索
支持 PostgreSQL 中的嵌入
使用专业模板改进了提示词集合
提示词集合的批处理功能

已更改

增强了提示词处理管道
改进了带有更多选项的命令行界面
更好的错误处理和验证

[1.0.0] - 2024-02-15

已添加

MCP Prompts Server 的初始版本
基本提示词管理功能（添加、编辑、获取、列出、删除）
模板变量替换
基于标签的组织
基于文件的存储
导入/导出功能
MCP 协议兼容性

最佳实践

使用标签组织: 使用标签对提示词进行分类，以便更轻松地检索
使用模板: 创建带有变量的可重用模板，以实现一致的提示
包含元数据: 添加作者、版本和其他元数据以进行更好的组织
定期备份: 如果管理关键提示词，请使用备份功能
优化大型集合: 检索大型提示词集合时使用分页
使用一致的命名: 清晰且一致地命名提示词，以便于发现
有效地标记: 使用标签按目的、项目或上下文组织提示词
模板化可重用的提示词: 为带有变量的常用提示词创建模板
定期更新: 随着需求的更改，保持提示词的最新状态
与团队分享: 与您的团队分享有效的提示词，以实现一致的交互

许可证

MIT

架构

MCP Prompts Server 旨在与其他 MCP 服务器无缝集成，以提供用于 AI 提示词管理的全面生态系统。以下是说明各种集成场景的图表：

核心架构

graph TD
    Client[Client Application] -->|API Requests| MCP[MCP Prompts Server]
    MCP -->|File Storage| FileSystem[(File Storage)]
    MCP -->|PostgreSQL Storage| Postgres[(PostgreSQL)]
    MCP -->|MDC Format| MDC[(MDC Rules)]
    
    subgraph Storage Adapters
        FileSystem
        Postgres
        MDC
    end
    
    MCP -->|Templates| Templates[Template Processing]
    MCP -->|Variables| Variables[Variable Substitution]
    MCP -->|Health Check| Health[Health Check Endpoint]

多个 MCP 服务器集成

graph LR
    Claude[Claude Desktop/AI Client] --> |Requests| MCP[MCP Prompts Server]
    
    subgraph MCP Ecosystem
        MCP -->|Resource Lists| FileServer[MCP Filesystem Server]
        MCP -->|Memory Storage| MemoryServer[MCP Memory Server]
        MCP -->|Database Operations| PostgresServer[MCP PostgreSQL Server]
        MCP -->|Web Browsing| PuppeteerServer[MCP Puppeteer Server]
        MCP -->|GitHub Integration| GitHubServer[MCP GitHub Server]
        MCP -->|Search| BraveServer[MCP Brave Search Server]
        MCP -->|Voice| ElevenLabsServer[MCP ElevenLabs Server]