PromptLab MCP Server

PromptLab MCP Server

通过标准化协议提供提示模板,用于将基本用户查询转换为针对 AI 系统的优化提示。

Category
访问服务器

README

PromptLab:AI 查询增强引擎

PromptLab 将基本用户查询转换为针对 AI 系统的优化提示。它自动检测内容类型(文章、电子邮件、技术解释、创意写作),应用定制模板,并验证增强的提示是否保持了原始意图。

🔍 概述

PromptLab 构建于模块化架构之上,采用基于 YAML 的模板系统,使任何人无需编码知识即可创建和管理提示模板。该系统最终通过更结构化的输入产生更高质量的 AI 响应。

🏗️ 架构

PromptLab 由三个主要组件组成:

  1. 模板系统 (prompt_templates.yaml) - 针对不同内容类型的结构化模板
  2. MCP 服务器 (promptlab_server.py) - 通过带有 LangGraph 工作流的标准化协议提供模板
  3. 处理客户端 (promptlab_client.py) - 处理用户查询的轻量级客户端

工作流程

  1. 查询输入:用户提交自然语言查询
  2. 分类:系统确定内容类型(文章、电子邮件等)
  3. 参数提取:识别关键参数(主题、受众等)
  4. 模板应用:检索并填充相应的模板
  5. 验证:根据原始意图检查增强的提示
  6. 调整:自动进行任何必要的改进
  7. 响应生成:优化的提示产生高质量的响应

alt text

📋 功能

  • 内容类型检测 - 自动将用户查询分类为文章、电子邮件、技术或创意写作请求
  • 参数提取 - 智能提取关键参数,如主题、收件人和受众级别
  • 模板库 - 针对常见内容类型的预配置模板,带有结构化指导
  • 验证系统 - 确保增强的提示保持原始用户意图
  • 反馈循环 - 当验证识别出不一致时,调整提示
  • 模块化设计 - MCP 服务器可以插入任何 LLM 系统
  • 非技术管理 - 无需编码知识即可更新模板

🚀 快速开始

前提条件

  • Python 3.8+
  • 依赖项:
    • mcp[cli]
    • langchain-openai
    • langgraph>=0.0.20
    • python-dotenv
    • pyyaml

安装

# 克隆存储库
git clone https://github.com/iRahulPandey/PromptLab.git
cd PromptLab

# 安装依赖项
pip install -r requirements.txt

# 设置环境变量
cp .env
# 编辑 .env 以添加您的 OpenAI API 密钥

用法

  1. 首先运行服务器:
# 服务器从 prompt_templates.yaml 加载模板
python promptlab_server.py
  1. 使用您的查询运行客户端:
python promptlab_client.py "写一篇关于气候变化的文章"
  1. 系统将输出:
    • 原始查询
    • 分类的内容类型
    • 增强的提示
    • 验证结果
    • 最终响应

📝 模板系统

模板在 prompt_templates.yaml 中使用结构化格式定义:

templates:
  essay_prompt:
    description: "生成用于撰写文章的优化提示模板。"
    template: |
      撰写一篇结构良好的关于 {topic} 的文章,包括:
      - 一个引人入胜的介绍,提供背景信息并陈述您的论点
      ...
    parameters:
      - name: topic
        type: string
        description: 文章的主题
        required: true

添加新模板

  1. 打开 prompt_templates.yaml
  2. 按照现有格式添加新模板
  3. 定义参数和转换
  4. 在服务器端定义一个工具并加载模板
  5. 服务器将在重启时自动加载新模板

🛠️ 高级配置

环境变量

  • TEMPLATES_FILE - 模板 YAML 文件的路径(默认:prompt_templates.yaml
  • OPENAI_API_KEY - 您的 OpenAI API 密钥,用于 LLM 访问
  • MODEL_NAME - 要使用的 OpenAI 模型(默认:gpt-3.5-turbo
  • PERSONA_SERVER_SCRIPT - 服务器脚本的路径(默认:promptlab_server.py

自定义转换

模板可以包括动态调整参数的转换:

transformations:
  - name: formality
    value: "如果 recipient_type.lower() 在 ['boss', 'client'] 中,则为 'formal',否则为 'semi-formal'"

📊 示例输出

输入查询

"为我的教授写一些关于可再生能源的东西"

增强的提示

撰写一篇结构良好的关于可再生能源的文章,包括:
- 一个引人入胜的介绍,提供背景信息并陈述您的论点
- 2-3 个正文段落,每个段落都有一个清晰的主题句和支持性证据
- 段落之间有逻辑过渡,引导读者
- 一个总结您的主要观点并提供最终想法的结论

这篇文章应该具有信息性、论证充分并展示批判性思维。

📄 许可证

MIT 许可证 - 有关详细信息,请参阅 LICENSE 文件

🤝 贡献

欢迎贡献!请随时提交 Pull Request。

  1. Fork 存储库
  2. 创建您的功能分支 (git checkout -b feature/amazing-feature)
  3. 提交您的更改 (git commit -m 'Add some amazing feature')
  4. 将分支推送到远程仓库 (git push origin feature/amazing-feature)
  5. 打开一个 Pull Request

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