🚀 構建寶庫MCP服務器
本項目是一個 模型上下文協議(MCP)服務器,它藉助先進的混合搜索技術,將 The Build Podcast 轉化為一個擁有數千條人工智能見解的可搜索知識庫。該服務器結合了向量語義相似度和全文搜索,幫助用戶發現商業創意、框架和產品策略。用戶可以通過自然語言查詢獲取創作者和企業家的集體智慧,使播客知識能夠立即付諸實踐。
🚀 快速開始
本項目提供了便捷的配置方式,以幫助用戶快速開始使用MCP服務器。以下是不同客戶端的配置示例:
已知客戶端兼容性
- Claude桌面版
- Claude代碼版
- Goose
- OpenAI ChatGPT (chat.openai.com)
- OpenAI Playground
Claude桌面版
{
"mcpServers": {
"build-vault": {
"command": "npx",
"args": ["-y", "mcp-remote", "https://mcp.buildaipod.com/mcp"]
}
}
}
Claude代碼版
claude mcp add build-vault -s user --transport http https://mcp.buildaipod.com/mcp
✨ 主要特性
- 強大的搜索功能:結合向量語義相似度和全文搜索,幫助用戶快速發現商業創意、框架和產品策略。
- 豐富的數據源:信息來源於 The Build Vault,這是一個從The Build Podcast劇集裡提取的專注於人工智能見解、產品、創意和新聞的智能存檔。
- 智能內容提取:通過大語言模型(LLM)驅動的內容提取,提供150 - 250字的摘要、跨多個領域的見解提取、產品提取和鏈接處理。
- 高級搜索與發現:支持向量嵌入和混合搜索,提供語義搜索功能。
- 廣泛的客戶端兼容性:與Claude Desktop、Claude Code、Goose、OpenAI ChatGPT等客戶端兼容。
- 增強的兼容性:與OpenAI的Deep Research Custom Connectors兼容。
- 智能引導提示:提供智能的後續建議,如類別分析、發言人分析、工具推薦和語義搜索指導。
📦 安裝指南
暫未提供相關安裝步驟,若有需要請持續關注後續更新。
💻 使用示例
基礎用法
以下是一些使用示例,幫助你快速上手:
發現人工智能產品
- 瀏覽類別:使用
search_by_category 並指定 "products",查看334條產品見解。
- 語義搜索:嘗試使用
search_products 搜索 "AI agents" 或 "LangChain"。
- 熱門內容:訪問
vault://trending_insights 資源,獲取前20條高置信度見解。
- 遵循建議:查看 "What's Next?" 部分,獲取智能推薦。
示例搜索
你可以嘗試以下搜索來開始使用:
- "What frameworks exist for prompt engineering?"
- "Business ideas in the healthcare AI space"
- "What did Tom Spencer say about LangChain?"
- "Insights about AI safety and alignment"
- "Products for building chatbots"
高級用法
以下是一些實際工作示例,展示瞭如何在不同場景下使用本服務器:
示例1:開發者的人工智能代理研究
場景:開發者希望研究人工智能代理和自主系統,以構建自己的代理框架。
使用工具:search, fetch, search_by_speaker
- 初始搜索:搜索 "AI agents and autonomous systems"。
- 獲取詳細內容:通過特定見解ID獲取完整內容。
- 查找專家觀點:搜索發言人 "Tom Spencer" 的見解。
預期結果:關於代理架構的框架討論、實際應用和專家意見。
示例2:企業家的商業創意發現
場景:企業家希望在人工智能領域找到行業專家討論過的經過驗證的商業創意。
使用工具:search_by_category, find_similar_products, get_speaker_summary
- 瀏覽商業創意:使用
search_by_category 搜索 "business_ideas"。
- 查找相似概念:查找與有趣結果相似的產品。
- 專家分析:獲取發言人 "Cameron Rohn" 的綜合摘要。
預期結果:軟件即服務(SaaS)機會、人工智能產品概念和市場驗證見解。
示例3:產品經理的框架研究
場景:產品經理需要用於構建人工智能產品和管理開發過程的成熟框架。
使用工具:search_by_category, get_timeline_insights, search_by_date_range
- 查找框架:使用
search_by_category 搜索 "frameworks_and_exercises"。
- 查看隨時間的演變:獲取2024年的時間線見解。
- 近期最佳實踐:按近期日期範圍搜索。
預期結果:產品開發方法、人工智能實施策略和團隊管理方法。
📚 詳細文檔
MCP版本兼容性
MCP 2025 - 06 - 18合規性
- 協議版本:2025 - 06 - 18,完全符合規範。
- 結構化輸出:通過
outputSchema 和 structuredContent 增強工具。
- 引導支持:聲明具備智能後續建議的能力。
- 標題字段:所有工具、資源和提示都包含描述性標題。
- 資源鏈接:相關內容之間的交叉引用。
- 傳輸方式:stdio + 可流式傳輸的HTTP。
增強兼容性
- OpenAI深度研究:與OpenAI的Deep Research Custom Connectors兼容。
寶庫發現工具(共12個)
- 列出產品:通過過濾和分頁瀏覽人工智能產品。
- 搜索產品:對所有產品進行語義搜索。
- 獲取產品詳情:獲取特定產品的詳細信息。
- 查找相似產品:查找與給定產品相似的產品。
- 按發言人搜索:按播客發言人過濾見解。
- 按日期範圍搜索:查找特定日期範圍內的產品。
- 按類別搜索:按內容類別過濾。
- 按時間範圍搜索:查找劇集時間戳內的見解。
- 獲取發言人摘要:獲取發言人的綜合統計信息。
- 獲取時間線見解:獲取按時間順序排列的見解。
- 搜索:為ChatGPT Connectors提供自然語言搜索。
- 獲取:為ChatGPT Connectors獲取帶有元數據的完整內容。
分析資源與引導(共4個)
- 熱門見解:提供高置信度見解和智能後續建議。
- 類別分佈:即時分析內容按類別的細分情況。
- 劇集時間線:按時間順序排列的劇集數據,包含見解計數。
- 發言人分析:即時發言人統計和內容分析。
引導提示(共4個)
- 查找商業創意:發現商業見解和機會。
- 探索框架:結構化探索框架和練習。
- 時間線分析:按時間順序探索主題和主題。
- 比較內容類型:比較不同類別的見解和內容。
可用工具
| 工具 |
名稱 |
描述 |
參數 |
| 列出產品 |
list_products |
通過過濾和分頁瀏覽人工智能產品 |
limit, offset, category, approved_only |
| 搜索產品 |
search_products |
對所有產品進行語義搜索 |
query, limit, category |
| 獲取產品詳情 |
get_product_details |
獲取特定產品的詳細信息 |
product_id |
| 查找相似產品 |
find_similar_products |
查找與給定產品相似的產品 |
product_id, limit |
| 按發言人搜索 |
search_by_speaker |
按播客發言人過濾見解 |
speaker_name, limit |
| 按日期範圍搜索 |
search_by_date_range |
查找特定日期範圍內的產品 |
start_date, end_date, limit |
| 按類別搜索 |
search_by_category |
按內容類別過濾 |
category, limit |
| 按時間範圍搜索 |
search_by_timeframe |
查找劇集時間戳內的見解 |
start_time, end_time, episode_id |
| 獲取發言人摘要 |
get_speaker_summary |
獲取發言人的綜合統計信息 |
speaker_name |
| 獲取時間線見解 |
get_timeline_insights |
獲取按時間順序排列的見解 |
limit, start_date, end_date |
| 搜索 |
search |
為ChatGPT Connectors提供自然語言搜索 |
query |
| 獲取 |
fetch |
為ChatGPT Connectors獲取帶有元數據的完整內容 |
id |
可用資源
| 資源 |
URI |
描述 |
| 熱門見解 |
vault://trending_insights |
最新和最受歡迎的見解,包含參與度指標 |
| 類別分佈 |
vault://category_distribution |
內容按類別的分析 |
| 劇集時間線 |
vault://episode_timeline |
按時間順序排列的劇集數據,包含時長和元數據 |
| 發言人分析 |
vault://speaker_analytics |
發言人特定的統計和內容細分 |
| 發現指南 |
vault://guide/discovery |
如何查找和評估人工智能產品 |
| 產品目錄 |
vault://product_catalog |
所有產品的概述,包含類別和批准狀態 |
| 技術領域 |
vault://technical_domains |
技術領域和工具類別的分析 |
| 劇集 - 見解映射 |
vault://episode_insights_map |
劇集到其見解和產品的全面映射 |
可用提示
| 提示 |
名稱 |
描述 |
參數 |
| 查找商業創意 |
find_business_ideas |
引導式工作流程,用於發現商業見解和機會 |
industry (可選), focus (可選) |
| 探索框架 |
explore_frameworks |
結構化探索框架和練習 |
domain (可選), purpose (可選) |
| 時間線分析 |
timeline_analysis |
按時間順序探索主題和主題 |
speaker_focus (可選), theme (可選) |
| 比較內容類型 |
compare_content_types |
比較不同類別的見解和內容 |
categories (可選), criteria (可選) |
🔧 技術細節
關鍵技術特性
- 三重傳輸設計:支持stdio、HTTP和Cloudflare Workers。
- 類型安全:使用TypeScript和Zod運行時驗證。
- 向量搜索:支持即時語義相似度搜索。
- 引導:基於內容分析提供智能後續建議。
- 健康監測:內置健康檢查端點。
- 深度研究兼容:實現了用於OpenAI集成的搜索/獲取工具。
數據概述
主要數據源:The Build Vault數據庫
- 數據庫表:帶有向量嵌入的索引。
- 內容:來自 vault.buildaipod.com 的數千條人工智能見解。
- 類別:6種類型(business_ideas, frameworks_and_exercises, products, points_of_view)。
- 嵌入:來自text - embedding - 3 - large的3072維向量。
📄 許可證
暫未提供相關許可證信息,若有需要請持續關注後續更新。
版本信息
- 版本:0.2.0
- 協議:MCP 2025 - 06 - 18
- SDK:@modelcontextprotocol/sdk 1.16.0
- 特性:完全符合規範,具備引導、結構化輸出、資源鏈接和深度研究兼容性。
- stdio:默認MCP傳輸方式,用於直接客戶端集成。
- http:MCP 2025 - 06 - 18可流式傳輸的HTTP,帶有頭部驗證。
測試
你可以在 MCP Central Lab 上交互式地測試該服務器。
MCP註冊表
本服務器已發佈在官方 Model Context Protocol Registry 中。註冊表配置在 server.json 中定義,指定了以下內容:
- 服務器元數據:名稱、描述和倉庫信息。
- 遠程端點:HTTP傳輸端點為
https://mcp.buildaipod.com/mcp 和 https://mcp.demos.build/mcp。
- 包分發:可在npm上作為
build-vault-mcp-server 使用。
- 客戶端兼容性:支持Claude Desktop、Claude Code、Goose和OpenAI ChatGPT。
- 功能聲明:12個工具、8個資源、4個提示,具備語義搜索和深度研究能力。
註冊表支持在兼容客戶端上自動發現和安裝此MCP服務器。
支持
- GitHub問題:用於報告錯誤和提出功能請求。
- 健康檢查:使用
GET /health 端點進行狀態監控。