MCP Assistant Server

🚀 MCP Assistant

MCP Assistant 項目致力於為開發者提供任務分析、工具推薦和上下文管理等核心功能，有效提升開發效率，優化開發流程。

🚀 快速開始

安裝依賴

npm install

啟動服務

npm run dev

✨ 主要特性

核心功能

• 任務分析器：精準分析用戶輸入的任務描述，提取關鍵信息。
• 工具推薦系統：依據任務特點，智能推薦合適的工具。
• 上下文管理器：維護任務執行過程中的上下文信息。

技術架構

src/
├── controllers/     # 控制器層
│   └── LLMApiController.ts
├── core/           # 核心功能實現
│   ├── TaskAnalyzer.ts
│   ├── ToolRecommender.ts
│   └── ContextManager.ts
├── services/       # 服務層
│   ├── LLMService.ts
│   └── MCPDiscoveryService.ts
├── routes/         # 路由定義
│   └── llmApiRoutes.ts
└── types/          # 類型定義
    └── interfaces.ts

💻 使用示例

在 Cline 中使用

配置文件修改

在項目根目錄下創建或修改 settings.json 文件，添加以下內容：

{
  "mcpServers": {
    "assistant": {
      "command": "node",
      "args": ["./path/to/mcp-assistant-server/build/index.js"],
      "env": {
        "PORT": "3000",
        "LOG_LEVEL": "info"
      }
    }
  }
}

使用方法

在 Cline 中，可通過命令面板（Cmd/Ctrl + Shift + P）使用以下命令：

1. MCP: 分析任務 - 分析當前選中的代碼或文本。
2. MCP: 推薦工具 - 獲取針對當前任務的工具推薦。
3. MCP: 更新上下文 - 更新任務上下文信息。

在 Cursor 中使用

配置文件修改

在項目根目錄下創建或修改 cursor/settings.json 文件，添加以下內容：

{
  "mcpServers": {
    "assistant": {
      "command": "node",
      "args": ["./path/to/mcp-assistant-server/build/index.js"],
      "env": {
        "PORT": "3000",
        "LOG_LEVEL": "info"
      }
    }
  }
}

使用方式

在 Cursor 中，可通過命令面板（Cmd/Ctrl + Shift + P）使用以下命令：

1. MCP: 分析任務 - 分析當前選中的代碼或文本。
2. MCP: 推薦工具 - 獲取針對當前任務的工具推薦。
3. MCP: 更新上下文 - 更新任務上下文信息。

也可通過 Cursor API 在插件中使用：

import { workspace } from 'cursor';

// 分析任務
const analysis = await workspace.mcp.callTool('assistant', 'analyze_task', {
  description: '當前任務描述',
  context: {
    // 上下文信息
  }
});

// 獲取工具推薦
const recommendations = await workspace.mcp.callTool('assistant', 'recommend_tools', {
  taskId: 'current-task-id'
});

🔧 技術細節

任務分析器

分析用戶輸入的任務描述，提取關鍵信息：

• 任務類型識別
• 參數提取
• 上下文關聯
• 依賴分析

工具推薦系統

根據任務特點智能推薦工具：

• 基於規則的推薦
• 混合推薦算法
• 上下文感知
• 歷史數據分析

上下文管理器

維護任務執行過程中的上下文信息：

• 狀態追蹤
• 數據持久化
• 會話管理
• 錯誤恢復

項目結構

src/
├── controllers/     # 控制器層
│   └── LLMApiController.ts
├── core/           # 核心功能實現
│   ├── TaskAnalyzer.ts
│   ├── ToolRecommender.ts
│   └── ContextManager.ts
├── services/       # 服務層
│   ├── LLMService.ts
│   └── MCPDiscoveryService.ts
├── routes/         # 路由定義
│   └── llmApiRoutes.ts
└── types/          # 類型定義
    └── interfaces.ts

📚 詳細文檔

接口文檔

• LLM API：提供與大語言模型交互的接口。
• Task Analysis：分析任務描述並返回結構化結果。
• Tool Recommendations：根據任務需求推薦工具。

配置選項

🤝 貢獻指南

歡迎貢獻代碼！請參考 CONTRIBUTING.md 文件瞭解如何參與開發。

📄 許可證

本項目遵循 MIT 協議。