Contextual MCP Server

🚀 上下文MCP服務器

這是一個具備檢索增強生成（RAG）功能的Model Context Protocol（MCP）服務器，藉助Contextual AI實現。該服務器能夠與多種MCP客戶端集成，本說明文檔將著重展示其與Cursor IDE和Claude Desktop的集成方式。

🚀 快速開始

此MCP服務器在AI接口（如Cursor IDE或Claude Desktop）和專門的Contextual AI代理之間搭建了橋樑，主要實現以下功能：

1. 查詢處理：將您的領域特定問題直接發送到專用的Contextual AI代理。
2. 智能檢索：在知識庫中通過全面的信息進行搜索。
3. 上下文感知響應：生成的回答根基於源文檔，包含引用和attribution，並且維持對話上下文。

集成流程

Cursor/Claude Desktop → MCP Server → Contextual AI RAG Agent
        ↑                  ↓             ↓                         
        └──────────────────┴─────────────┴───────────────帶引用的響應

✨ 主要特性

• 作為AI接口與Contextual AI代理的橋樑，實現高效交互。
• 具備查詢處理、智能檢索和上下文感知響應等核心功能。
• 可與Cursor IDE和Claude Desktop等多種MCP客戶端集成。

📦 安裝指南

先決條件

• Python 3.10或更高版本
• Cursor IDE和/或Claude Desktop
• Contextual AI API密鑰
• MCP兼容環境

安裝步驟

1. 克隆倉庫：

git clone https://github.com/ContextualAI/contextual-mcp-server.git
cd contextual-mcp-server

2. 創建並激活虛擬環境：

python -m venv .venv
source .venv/bin/activate  # Windows上使用`.venv\Scripts\activate`

3. 安裝依賴項：

pip install -r requirements.txt

📚 詳細文檔

配置

要修改服務器設置，可按以下步驟操作：

1. 在config.py中添加或修改以下內容：

   # 示例配置
   API_KEY = "your_api_key"
   AGENT_ID = "your_agent_id"
   

2. 使用.env文件存儲API密鑰和AGENT_ID：

   export API_KEY=your_api_key
   export AGENT_ID=your_agent_id
   

AI接口集成

要為Cursor IDE或Claude Desktop配置服務器，可按以下步驟操作：

1. 找到uv路徑：

which uv  # 或者 locate uv

2. 創建並編輯config.json文件，添加以下內容：

   {
     "server": {
       "host": "localhost",
       "port": 8000
     },
     "tools": {
       "tool1": {
         "command": "python tool.py"
       }
     }
   }
   

環境設置

使用uv進行依賴管理：

uv init --python
uv run myapp

💻 使用示例

基礎用法

在Cursor中提問示例：

# 示例問題
server.get_current_time()

服務器處理流程

1. 收到查詢請求。
2. 解析並執行工具函數。
3. 返回結果。

🔧 技術細節

修改服務器

要添加新功能，可按以下步驟操作：

1. 添加新工具，通過創建額外函數並使用@mcp.tool()裝飾器：

   @mcp.tool()
   def new_tool(param: str) -> str:
       """描述工具的功能"""
       # 實現代碼
       return 結果
   

📄 許可證

有關Contextual AI的所有功能，請參考官方文檔。

⚠️ 重要提示

• 服務器在本地運行，可能無法在遠程開發環境中使用。
• 工具響應受Contextual AI API限制和配額影響。
• 當前僅支持stdio傳輸模式。