Stickynotes MCP

🚀 粘性笔记 - MCP

本项目是一个基于Python的MCP（模型上下文协议）服务器项目，名为“粘性笔记”。它展示了如何创建自定义工具、资源和提示，以便与AI助手（如Claude桌面应用程序）集成，为AI应用扩展功能提供了有效途径。

🚀 快速开始

本项目是一个使用官方Python SDK实现的MCP服务器的起点实施，旨在作为概念证明，展示如何创建和暴露简单的功能（在此例中为管理粘性笔记），以便以后连接到MCP客户端（如Claude桌面）。

✨ 主要特性

MCP的优势

大型语言模型（LLMs）如Claude和GPT - 4在生成文本方面表现出色，但当需要与外部数据交互或执行现实世界操作时则表现不足。MCP通过定义标准的、模块化的ExternalNLP工具与应用进行通信的方式解决了这一问题。MCP遵循客户机 - 服务器模式，并使用基于状态的JSON - RPC消息，确保仅交换必要的上下文，从而提高可扩展性、安全性和灵活性。其主要优势如下：

• 统一集成：通过减少定制集成的需求来标准化应用调用外部服务的方式。
• 模块化及可扩展性：允许开发者一次构建即可用于多种应用程序，创建一个庞大且互操作性良好的组件生态系统。
• 基于状态的会话及上下文管理：支持多轮对话，保持多次交互中的上下文。
• 增强安全性：确保每个工具仅接收必要的上下文信息，并通过沙盒化和能力协商保护敏感数据。

借助MCP，AI应用可以动态扩展其功能，无论是检索最新客户数据还是执行特定操作（如管理粘性笔记）。

项目功能

• 工具：add_note(message: str) -> str
  将新笔记追加到本地文件（notes.txt）并返回确认消息。
• 工具：read_notes() -> str
  从粘性笔记文件中读取所有笔记并将其作为字符串返回。如果没有笔记存在，将返回默认消息。
• 资源：get_latest_note() -> str
  检索并返回文件中的最新笔记。
• 提示：note_summary_prompt() -> str
  生成一个提示，供AI总结所有当前笔记。

🤝 贡献

欢迎贡献！随意叉取此仓库并提交改进的pull请求。请确保您的代码遵循MCP集成的现有模式。