MCP 服务器

Prompt Optimizer MCP Server

An AI server that provides intelligent prompt optimization capabilities, enhancing prompts for clarity, specificity, structure, and other attributes to improve AI interactions.

README

提示词优化 MCP 服务器

一个模型上下文协议 (MCP) 服务器，为 AI 交互提供智能能提示词优化功能。此服务器在提供实用的提示词增强功的同时，展示了 MCP 的核心概念。

🎯 展示的核心 MCP 概念

此服务器展示了模型上下文协议的基本概念：

1. 服务器架构

服务器实例: 处理客户端请求的主要 MCP 服务器
传输层: 使用 StdioServerTransport 实现命令行兼容性
能力: 向 MCP 客户端声明提供工具的能力

2. 工具系统

工具定义: 基于 JSON Schema 的工具规范
输入验证: 使用模式进行结构化参数验证
响应格式化: 标准化的 MCP 响应格式

3. 通信协议

请求处理器: 实现 ListToolsRequestSchema 和 CallToolRequestSchema
错误处理: 正确的 MCP 错误响应格式化
异步操作: 非阻塞工具执行

🚀 功能特性

提示词优化器通过多种优化策略提供全面的提示词增强：

优化目标

清晰度 (Clarity): 移除模糊语言，提高具体性
具体性 (Specificity): 添加具体细节和约束条件
结构 (Structure): 用逻辑流程组织内容
上下文 (Context): 融入相关背景信息
可执行性 (Actionable): 使指令更具体和可执行
简洁性 (Conciseness): 在保持清晰度的同时去除冗余
示例 (Examples): 添加说明性示例
格式 (Format): 指定清晰的输出格式要求

分析能力

提示词长度分析
清晰度和具体性评分
上下文和约束检测
示例和格式识别

📦 安装

使用 npm 全局安装

npm install -g @zhaixiaowei/mcp-prompt-optimizer

使用 npx (推荐用于 Cursor)

npx @zhaixiaowei/mcp-prompt-optimizer

本地项目安装

npm install @zhaixiaowei/mcp-prompt-optimizer

🔧 配置

在 Cursor 中使用

要在 Cursor 中使用此 MCP 服务器，请将以下配置添加到你的 cursor的mcp配置中文件中：

方法 1: 使用 npx (推荐)

{
  "mcpServers": {
    "prompt-optimizer": {
      "command": "npx",
      "args": [
        "-y",
        "@zhaixiaowei/mcp-prompt-optimizer"
      ]
    }
  }
}

🛠️ 使用方法

配置完成后，你可以在 Cursor 中通过调用 optimize_prompt 工具来使用提示词优化器：

基本使用

请优化这个提示词: "写一些关于 AI 的内容"

带参数的高级使用

使用 optimize_prompt 工具，参数如下:
- originalPrompt: "写一些关于 AI 的内容"
- context: "这是为技术博客文章准备的"
- targetAudience: "软件开发者"
- optimizationGoals: ["clarity", "specificity", "examples"]
- style: "technical"

示例工具调用

{
  "originalPrompt": "写一些关于 AI 的内容",
  "context": "面向开发者的技术博客文章",
  "targetAudience": "软件开发者",
  "optimizationGoals": ["clarity", "specificity", "structure", "examples"],
  "style": "technical"
}

📊 响应格式

工具返回全面的优化结果：

{
  "optimizedPrompt": "你的提示词的增强版本...",
  "improvements": [
    "通过移除模糊语言增强了清晰度",
    "添加了具体的约束条件和要求",
    "重新组织内容，使其具有清晰的章节"
  ],
  "reasoning": "所做更改的详细分析...",
  "originalLength": 25,
  "optimizedLength": 150,
  "score": 8.5
}