StickyNotes-MCP

一个简单的基于 Python 的 MCP (模型上下文协议) 服务器项目 – Sticky Notes – 演示了如何创建自定义工具、资源和提示，以便与 Claude Desktop App 等 AI 助手集成。

概述

大型语言模型 (LLM)，如 Claude 和 GPT-4，擅长生成文本，但在需要与外部数据交互或执行实际操作时会遇到困难。模型上下文协议 (MCP) 通过定义一种标准的、模块化的方式，让 LLM 应用程序与外部工具、数据源和服务进行通信，从而解决了这个问题。MCP 遵循客户端-主机-服务器模式，并使用有状态的、基于 JSON-RPC 的消息，以确保只交换必要的上下文——从而提高可伸缩性、安全性和灵活性。

本项目是使用官方 Python SDK 实现的 MCP 服务器的入门示例。它被设计为一个概念验证，展示了如何创建和公开简单的功能——在本例中是管理便利贴——这些功能稍后可以连接到 MCP 客户端（如 Claude Desktop）。

关于模型上下文协议 (MCP)

MCP 是 Anthropic 推出的一项新兴开放标准，旨在简化 LLM 与外部工具和数据交互的方式。其主要优势包括：

统一集成：

通过标准化应用程序调用外部服务的方式，减少了对自定义集成的需求。

模块化和可扩展性：

允许开发人员构建一次并在多个应用程序中使用——创建一个庞大的即插即用组件生态系统。

有状态会话和上下文管理：

支持多轮对话，在多次交互中保持上下文。

增强的安全性：

确保每个工具只接收必要的上下文，通过沙箱和能力协商来保护敏感数据。

通过利用 MCP，AI 应用程序可以动态地扩展其功能，无论是检索最新的客户数据还是执行特定的操作，如管理便利贴。

功能

• 工具: add_note(message: str) -> str 将新笔记附加到本地文件 (notes.txt) 并返回确认消息。

• 工具: read_notes() -> str 从便利贴文件中读取所有笔记，并将它们作为连接的字符串返回。如果不存在任何笔记，则返回默认消息。

• 资源: get_latest_note() -> str 检索并仅返回文件中的最新笔记。

• 提示: note_summary_prompt() -> str 生成一个提示，供 AI 总结所有当前的笔记。

贡献

欢迎贡献！请随意 fork 此存储库并提交 pull request 以进行改进。请确保您的代码遵循已建立的 MCP 集成模式。