Questionnaire Component Governance MCP Demo
Enables AI agents to query component governance rules, validate component props, and generate development prompts for questionnaire editors.
README
Questionnaire Component Governance MCP Demo
一个面向问卷编辑器场景的 MCP 小 demo,用来演示如何把组件治理能力结构化为 Resources、Tools 和 Prompts,并让 AI Agent 在组件使用、规则查询和开发约束场景里复用这套能力。
项目目标
这个 demo 主要解决两个问题:
- 把组件规范从零散文档沉淀为机器可读的结构化规则。
- 让 AI Agent 在生成或修改问卷组件时,先读取规范、再执行校验,最后给出建议或约束结果。
能力设计
Resources
governance://component-guidelines- 暴露组件治理文档,提供职责边界、状态管理约束、AI 使用约束等通用规则。
governance://component-rules- 暴露完整组件规则 JSON,提供组件名称、必传属性、允许属性、禁止模式、使用示例等结构化数据。
Tools
list_component_rules- 列出当前已注册的问卷组件规范。
get_component_rule- 查询某个组件的详细规范。
validate_component_usage- 校验组件
props是否符合治理规则。
- 校验组件
build_component_prompt- 根据任务和组件规则生成给 AI Agent 使用的开发提示。
Prompts
create-question-component- 给 Agent 一个标准化的新增题型组件工作流,要求其遵守现有治理规范完成组件设计与接入。
目录结构
.
|-- rules/
| |-- components.json
| `-- guideLines.md
|-- src/
| |-- index.ts
| |-- loadRules.ts
| |-- schemas.ts
| `-- validateRules.ts
`-- dist/
本地运行
npm install
npm run ci
npm run dev
说明
这个 demo 更偏“治理能力建模”而不是完整业务系统,重点在于:
- 如何把组件规范做成可读的 MCP Resources
- 如何把组件校验做成可执行的 MCP Tools
- 如何把 AI 开发流程固化为可复用的 Prompt 模板
推荐服务器
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。
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。
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。
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。
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。
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。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
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。