AI Dataset Radar MCP Server

关键词

Claude Desktop 集成JSON-RPC 服务端Stdio 传输Tools 调用MCP 服务端

使用说明（Markdown 格式）

  • 项目简介

    • 这是一个 MCP 服务器实现，用于 Claude Desktop 等 MCP 客户端，通过 JSON-RPC 暴露一组后端工具，允许 LLM 客户端按需读取资源、调用工具、获取 Prompts 等。服务器通过标准输入输出（stdio）等传输，与客户端建立会话并响应请求。

  • 主要功能点

    • MCP 核心功能实现：实现服务器端入口、工具列表、工具调用、返回文本内容等，遵循 MCP 的基本约定。
    • 工具注册与执行：定义并暴露 7 个 MCP 工具（radar_scan、radar_summary、radar_datasets、radar_github、radar_papers、radar_blogs、radar_config），客户端可通过 tool 调用触发对应逻辑。
    • 服务器传输模式：使用 stdio_transport 等方式与 Claude Desktop 等 MCP 客户端对接，确保在本地或集成环境中可通过 MCP 客户端连接。
    • 异步执行与外部调用：部分工具会在服务器端启动子进程执行数据抓取/分析任务，完成后将结果整合回 MCP 客户端。
    • 资源与上下文：提供对数据集、GitHub、论文、博客等资源的统一入口，LLM 客户端可以通过工具调用获取最新分析结果摘要等。

  • 安装步骤（简要且可操作）

      1. 安装依赖：确保已安装 Python 环境和 MCP 客户端所需的依赖包（请按 Claude Desktop 及 MCP 官方文档安装所需依赖）。
      1. 安装 MCP 支持包：pip install mcp
      1. 准备并运行 MCP 服务器：在项目中直接执行 mcp_server/server.py 即可启动，服务器将以 MCP 服务端模式监听客户端连接。
      1. 验证运行状态：在 Claude Desktop 的 MCP 配置中指向该服务器进程（使用下方的配置示例），确保可以通过工具调用交互。

  • 服务器配置（MCP 客户端需要的最小对接信息，JSON 格式，含 server name、command、args） 注：下面给出依据仓库结构与 README 暴露的常用对接信息的准确示意，实际路径请按你本地环境替换。 { "server_name": "ai-dataset-radar", "command": "/path/to/.venv/bin/python", "args": ["/path/to/mcp_server/server.py"] } 说明：

    • server_name: MCP 客户端在本地配置中要显示的服务器名称，与代码中设定的名称一致，即 ai-dataset-radar。
    • command: 启动服务器的解释器路径，通常为虚拟环境中的 Python 路径。
    • args: 启动服务器脚本的参数，指向 mcp_server/server.py 的完整路径。 该配置用于 Claude Desktop 等 MCP 客户端在启动时连接到服务器，建立 JSON-RPC 的对话。

  • 基本使用方法

    • 启动服务器：在命令行执行 python mcp_server/server.py（需确保工作目录为仓库根，且依赖已安装）。
    • 连接客户端：在 Claude Desktop 的 MCP 配置中添加名为 ai-dataset-radar 的 MCP 服务器，使用上面的启动命令和参数。
    • 调用工具：
      • 通过 MCP 客户端请求工具清单（list_tools）获取可用工具信息。
      • 通过调用工具名（如 radar_scan、radar_summary 等）及相应参数，向服务器提交请求，服务器执行后返回文本内容或列表数据。
    • 查看输出：工具执行完成后，服务器会返回文本内容（TextContent）或数据结构，客户端展示对应的结果。

  • 运行与调试提示

    • 确保本地安装了 Claude Desktop 的 MCP 客户端，以及 mcp-pkg 的版本与服务器实现兼容。
    • 某些工具在执行时可能需要外部脚本或系统调用，确保相关依赖（如 Python 子进程、外部扫描脚本等）在执行环境中可用。
    • 如需修改工具集，请在服务器端的工具注册处添加/调整 Tool 定义，确保与 MCP 客户端的请求/响应格式保持一致。

  • 设计与扩展

    • 服务器已实现 7 个工具，未来可扩展更多工具、支持多传输协议（如 SSE、WebSocket）以及增强的安全策略（鉴权、沙箱执行等）。
    • 可以接入更丰富的资源源与 Prompt 模板，进一步丰富 LLM 的上下文能力。

服务器信息

访问项目