项目简介

这是一个专门为大型语言模型（LLM）客户端设计的AI规划MCP服务器。它严格遵循Model Context Protocol (MCP) 标准，提供了一个核心功能：智能任务规划。通过调用其提供的 'plan' 工具，LLM可以生成详细的、可操作的步骤，以解决复杂的任务或问题。该服务器支持通过标准输入输出 (STDIO) 和 HTTP 协议与客户端进行通信，方便在不同部署环境下使用。

主要功能点

任务规划 (Plan Tool)：接收LLM客户端发送的任务描述，并利用先进的AI模型（Grok-4 AI）生成详细的、分步的任务执行计划。这使得LLM能够处理需要多步骤思考和策略的任务。
MCP协议支持：完全符合Model Context Protocol (MCP) 规范。服务器能够正确处理 MCP 客户端发送的 'mcp_listTools' (列出可用工具) 和 'mcp_callTool' (调用工具) 等 JSON-RPC 请求，并返回相应的 MCP 格式响应。
多传输协议：为了适应不同的部署场景，该服务器支持两种主要的通信方式：
- HTTP 模式：通过标准的HTTP请求/响应进行通信，适用于需要通过网络进行远程连接的MCP客户端。
- STDIO 模式：通过标准输入输出流进行通信，适合于本地进程间通信或与通过管道连接的客户端（如某些本地LLM运行时）集成。
环境配置：服务器的端口和运行模式可以通过环境变量或命令行参数灵活配置，便于部署和管理。

安装步骤

请按照以下步骤安装和准备AI规划MCP服务器：

克隆仓库：首先，将Discerio仓库克隆到您的本地机器上，然后进入MCP服务器的目录：

git clone https://github.com/RomanSlack/Discerio.git
cd Discerio/mcp-server

安装依赖：使用npm安装项目所需的所有依赖项：
```
npm install
```
构建项目：运行构建命令以编译TypeScript代码到JavaScript，生成可执行的 'dist' 目录：
```
npm run build
```
配置环境变量：在 'mcp-server' 目录下创建一个名为 '.env' 的文件，并添加以下内容：
```
NODE_ENV=development
PORT=3001
```
- 'NODE_ENV': 设置为 'development' (开发环境) 或 'production' (生产环境)。
- 'PORT': 指定HTTP服务器监听的端口号，默认为 '3001'。如果您计划使用HTTP模式，请确保此端口未被占用。

服务器配置 (供MCP客户端参考)

MCP客户端需要配置MCP服务器的启动命令 (command) 及其参数 (args) 才能与MCP服务器建立连接。以下是一个JSON格式的配置示例，您需要根据实际的部署环境和选择的传输协议进行调整：

{
  "mcpServers": {
    "ai-planning": {
      "url": "http://localhost:3001/mcp",  
      "command": "node",                   
      "args": ["dist/index.js", "--port", "3001"]
    }
  }
}

配置参数说明:

'mcpServers.ai-planning.url': MCP服务器的HTTP访问URL。请将 'localhost:3001' 替换为MCP服务器实际部署的IP地址或域名，以及其监听的端口号。
'mcpServers.ai-planning.command': 启动MCP服务器进程的命令。对于基于Node.js的项目，通常是 'node'。
'mcpServers.ai-planning.args': 传递给 'command' 的参数列表。
- '"dist/index.js"': 这是项目构建后服务器的入口文件路径。
- '"--port", "3001"': 这两个参数用于指示服务器以HTTP模式启动，并监听 '3001' 端口。请确保此端口与 'url' 中的端口一致。
- 如果您希望使用 STDIO 模式（即通过标准输入输出进行通信，通常用于本地集成），则 'args' 参数应修改为：'["dist/index.js", "--stdio"]'。在此模式下，'url' 参数通常可以忽略或设置为任意值，因为客户端将通过进程管道直接通信。

基本使用方法

一旦服务器安装和配置完毕，您就可以启动它并开始通过MCP客户端进行交互。

启动服务器：
- HTTP模式 (推荐用于MCP客户端连接)：在 'mcp-server' 目录下运行以下命令：
```
npm start
# 或者直接运行构建后的文件并指定端口
node dist/index.js --port 3001
```
  服务器将启动并监听 '3001' 端口（或您在 '.env' 或命令行中指定的端口）。您会看到类似 'AI Planning MCP Server listening on http://localhost:3001' 的提示。
- STDIO模式：如果您需要通过标准输入输出进行通信，请运行：
```
node dist/index.js --stdio
```
  服务器将通过标准输入和输出来交换消息。您会看到类似 'Ticketmaster MCP server running on stdio' 的提示（尽管名称提及Ticketmaster，但实际功能是规划）。

通过MCP客户端调用：一旦服务器启动，您的MCP客户端即可通过 JSON-RPC 协议发送请求。

获取工具列表：客户端可以首先发送 'mcp_listTools' 请求来发现服务器提供的工具：
```
{"jsonrpc": "2.0", "id": 1, "method": "mcp_listTools", "params": {}}
```
服务器将返回一个响应，其中包含 'plan' 工具的定义，包括其名称、描述和输入参数（'prompt'）。

调用规划工具：客户端可以发送 'mcp_callTool' 请求来调用 'plan' 工具，并提供一个 'prompt' 参数来描述需要规划的任务：

{"jsonrpc": "2.0", "id": 2, "method": "mcp_callTool", "params": {"name": "plan", "arguments": {"prompt": "如何创建一个成功的在线课程？"}}}

服务器将处理此请求，并返回一个包含生成计划的响应。例如：

{
  "jsonrpc": "2.0",
  "id": 2,
  "result": {
    "content": [
      {"type": "text", "text": "要创建一个成功的在线课程，请遵循以下步骤：\n1. 确定目标受众和课程主题...\n"}
    ]
  }
}

关键词

项目简介

主要功能点

安装步骤

服务器配置 (供MCP客户端参考)

基本使用方法

信息