MCP Test Server

🚀 MCP 測試服務器

本項目是一個使用 Model Context Protocol (MCP) 的 Python 服務器，旨在構建一個基於 OpenAI 向量存儲功能的檢索增強生成（RAG）系統，為用戶提供高效的信息檢索和處理能力。

✨ 主要特性

此 MCP 服務器具備以下實用功能：

1. 向量數據庫創建：能夠從指定目錄中的各類文件（如文本、PDF、DOCX 和 Markdown 文件）構建 OpenAI 向量存儲，方便用戶對不同格式的文檔進行統一管理和處理。
2. 向量數據庫搜索：可對已構建的向量數據庫執行查詢操作，精準獲取相關性高的信息，滿足用戶的信息檢索需求。

📦 安裝指南

1. 初始化項目並創建虛擬環境

# 初始化項目
uv init mcp-test-server
cd mcp-test-server

# 創建並激活虛擬環境
uv venv .venv
source .venv/bin/activate

2. 安裝必要的包

# 安裝所需包
uv sync

3. 設置環境變量

創建 .env 文件並添加 OpenAI API 密鑰：

OPENAI_API_KEY="your-api-key"

💻 使用示例

MCP 服務器測試（可選）

使用 MCP Inspector 進行測試

啟動 MCP Inspector 來驗證服務器功能：

# 啟動 MCP Inspector
npx @modelcontextprotocol/inspector uv run server.py

在 MCP Inspector 中的操作步驟如下：

1. 左側窗格中選擇"Connect"。
2. 中間標籤頁選擇"Tools"。
3. 執行"List Tools"。
4. 選擇要驗證的工具。
5. 在右側窗格中設置參數後執行"Run Tool"。
6. 應答內容會在 Result 區域顯示（由於 unicode 轉義，需適當解碼查看）。
7. 完成後，在 CLI 中終止 Inspector 的運行以釋放端口。

與 Claude 應用程序集成

在 Claude 桌面應用的配置文件中添加以下設置：

"test_calc": {
  "command": "uv",
  "args": [
      "--directory",
      "/abs/path/to/your/mcp-test-server",
      "run",
      "server.py"
  ]
}

將 /abs/path/to/your/mcp-test-server 替換為實際項目路徑。添加配置後，重新啟動 Claude 應用程序即可使用 MCP 服務器功能。

提供的工具

1. create_vector_db_from_directory

從指定目錄中的文件創建向量數據庫。 參數：

• directory_path：需要處理文件的目錄路徑（必填）。
• vector_store_name：向量存儲名稱（默認值："local_knowledge"）。
• file_patterns：處理文件的模式（默認值：["*.txt", "*.pdf", "*.docx", "*.md"]）。 返回值：處理結果信息（狀態、消息、統計信息等）。

2. query_vector_db

對已構建的向量數據庫進行搜索，獲取相關結果。 參數：

• query：搜索查詢（必填）。
• vector_store_name：要查詢的向量存儲名稱（默認值："local_knowledge"）。 返回值：包含查詢結果的相關文檔列表。

🔧 技術細節

系統要求

• Python 3.11 或更高版本。
• OpenAI API 密鑰。