MCP テストサーバー

基本能力

产品定位

mcp-test-server是一个基于MCP协议的Python服务器，专注于提供检索增强生成(RAG)系统，利用OpenAI的向量存储功能进行文档处理和查询。

核心功能

1. 向量数据库创建：从指定目录中的文件（如文本、PDF、DOCX、Markdown）创建OpenAI向量存储。
2. 向量数据库查询：对已构建的向量数据库执行查询，获取相关性高的信息。

适用场景

1. 文档检索：快速从大量文档中检索相关信息。
2. 知识管理：构建和管理知识库，支持高效查询。
3. 开发工具：为开发者提供基于向量存储的文档处理能力。

工具列表

1. create_vector_db_from_directory：
2. 能力：从指定目录中的文件创建向量数据库。
3. 参数：directory_path（目录路径）、vector_store_name（向量存储名称）、file_patterns（文件模式）。

4. 返回值：处理结果信息（状态、消息、统计信息等）。

5. query_vector_db：

6. 能力：查询已构建的向量数据库。
7. 参数：query（查询内容）、vector_store_id（向量存储ID）、n_results（返回结果数量）。
8. 返回值：查询结果（状态、查询内容、结果列表等）。

常见问题解答

1. 如何设置OpenAI API密钥？

2. 在.env文件中设置OPENAI_API_KEY环境变量。

3. 如何测试MCP服务器？

4. 使用MCP Inspector工具进行测试，具体步骤见安装教程。

使用教程

使用依赖

• Python 3.11及以上版本
• OpenAI API密钥

安装教程

1. 初始化项目并创建虚拟环境 bash uv init mcp-test-server cd mcp-test-server uv venv .venv source .venv/bin/activate

2. 安装必要包 bash uv sync

3. 设置环境变量

4. 创建.env文件并添加OpenAI API密钥： OPENAI_API_KEY="your-api-key"

调试方式

1. 使用MCP Inspector测试 bash npx @modelcontextprotocol/inspector uv run server.py

2. 操作步骤：

   1. 在左面板选择"Connect"。
   2. 在中央标签页选择"Tools"。
   3. 执行"List Tools"。
   4. 选择要验证的工具。
   5. 在右面板设置参数并执行"Run Tool"。
   6. 响应内容将在Result中显示。
   7. 完成后，在CLI中终止Inspector以释放端口。

3. 集成到Claude应用

4. 在Claude桌面应用的配置文件中添加以下设置： json "test_calc": { "command": "uv", "args": [ "--directory", "/abs/path/to/your/mcp-test-server", "run", "server.py" ] }
5. 替换/abs/path/to/your/mcp-test-server为实际项目路径。
6. 重启Claude应用后，MCP服务器即可使用。

许可证

None