mcp-server-python
镜子 (jìng zi)
MCP-Mirror
README
mcp-server-python
Inkeep MCP 服务器,由您的文档和产品内容驱动。
依赖
本地设置
git clone https://github.com/inkeep/mcp-server-python.git
cd mcp-server-python
uv venv
uv pip install -r pyproject.toml
请注意项目的完整路径,在后续步骤中将其称为 <YOUR_INKEEP_MCP_SERVER_ABSOLUTE_PATH>
。
获取 API 密钥
- 登录到 Inkeep 仪表板
- 导航到 项目 部分并选择您的项目
- 打开 集成 选项卡
- 点击 创建集成 并从选项中选择 API
- 为您的新 API 集成输入一个名称。
- 点击 创建
- 将出现一个生成的 API 密钥,您可以使用它来验证 API 请求。
在后续步骤中,我们将此 API 密钥称为 <YOUR_INKEEP_API_KEY>
。
添加到您的 MCP 客户端
按照 此 指南中的步骤设置 Claude Desktop。
在您的 claude_desktop_config.json
文件中,将以下条目添加到 mcpServers
。
{
"mcpServers": {
"inkeep-mcp-server": {
"command": "uv",
"args": [
"--directory",
"<YOUR_INKEEP_MCP_SERVER_ABSOLUTE_PATH>",
"run",
"-m",
"inkeep_mcp_server"
],
"env": {
"INKEEP_API_BASE_URL": "https://api.inkeep.com/v1",
"INKEEP_API_KEY": "<YOUR_INKEEP_API_KEY>",
"INKEEP_API_MODEL": "inkeep-rag",
"INKEEP_MCP_TOOL_NAME": "search-product-content",
"INKEEP_MCP_TOOL_DESCRIPTION": "检索关于 Inkeep 的产品文档。该查询应被构建为关于 Inkeep 的对话式问题。"
}
},
}
}
您可能需要在 command 字段中放入 uv
可执行文件的完整路径。 您可以通过在 MacOS/Linux 上运行 which uv
或在 Windows 上运行 where uv
来获取此路径。
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。