Stickynotes MCP

🚀 粘性筆記 - MCP

本項目是一個基於Python的MCP（模型上下文協議）服務器項目，名為“粘性筆記”。它展示瞭如何創建自定義工具、資源和提示，以便與AI助手（如Claude桌面應用程序）集成，為AI應用擴展功能提供了有效途徑。

🚀 快速開始

本項目是一個使用官方Python SDK實現的MCP服務器的起點實施，旨在作為概念證明，展示如何創建和暴露簡單的功能（在此例中為管理粘性筆記），以便以後連接到MCP客戶端（如Claude桌面）。

✨ 主要特性

MCP的優勢

大型語言模型（LLMs）如Claude和GPT - 4在生成文本方面表現出色，但當需要與外部數據交互或執行現實世界操作時則表現不足。MCP通過定義標準的、模塊化的ExternalNLP工具與應用進行通信的方式解決了這一問題。MCP遵循客戶機 - 服務器模式，並使用基於狀態的JSON - RPC消息，確保僅交換必要的上下文，從而提高可擴展性、安全性和靈活性。其主要優勢如下：

• 統一集成：通過減少定製集成的需求來標準化應用調用外部服務的方式。
• 模塊化及可擴展性：允許開發者一次構建即可用於多種應用程序，創建一個龐大且互操作性良好的組件生態系統。
• 基於狀態的會話及上下文管理：支持多輪對話，保持多次交互中的上下文。
• 增強安全性：確保每個工具僅接收必要的上下文信息，並通過沙盒化和能力協商保護敏感數據。

藉助MCP，AI應用可以動態擴展其功能，無論是檢索最新客戶數據還是執行特定操作（如管理粘性筆記）。

項目功能

• 工具：add_note(message: str) -> str
  將新筆記追加到本地文件（notes.txt）並返回確認消息。
• 工具：read_notes() -> str
  從粘性筆記文件中讀取所有筆記並將其作為字符串返回。如果沒有筆記存在，將返回默認消息。
• 資源：get_latest_note() -> str
  檢索並返回文件中的最新筆記。
• 提示：note_summary_prompt() -> str
  生成一個提示，供AI總結所有當前筆記。

🤝 貢獻

歡迎貢獻！隨意叉取此倉庫並提交改進的pull請求。請確保您的代碼遵循MCP集成的現有模式。