Cognithor MCP 服务器

使用说明（简明要点，方便快速落地）

• 项目简介 Cognithor 的 MCP 服务器提供一个标准化的后端服务，用来向本地或离线的 LLM 客户端提供资源数据、可调用的工具接口，以及可定制的提示模板。通过 MCP 协议，LLM 可以请求资源、执行工具、获取并渲染提示，以实现可扩展、可控的上下文服务。

• 主要功能点

  • 资源管控：托管与访问可读写的资源集合，便于上下文构建时检索与管理。
  • 工具注册与执行：注册多种工具，LLM 客户端可通过 MCP 调用执行外部功能。
  • 提示模板管理：定义与渲染 Prompt 模板，支持自定义的 LLM 交互模式。
  • JSON-RPC 通信：通过标准的 JSON-RPC 进行请求/响应，便于前后端解耦与跨语言实现。
  • 会话与能力声明：服务器端维护会话、声明服务器能力，便于客户端动态适配。
  • 多传输协议支持：标准化传输层设计，未来可扩展到 Stdio、SSE、WebSocket 等通道。
  • 安全与扩展性：内置会话隔离、能力控制与扩展点，便于在本地环境中安全地使用 LLM。

• 安装步骤（简化版指南）

  • 克隆仓库并安装依赖（示例性步骤，需按实际环境执行）:
    • 安装 Python 版本要求（建议 Python 3.12 及以上）。
    • 安装基础依赖并获取 MCP 相关组件。
  • 启动 MCP 服务器：
    • 运行命令：python -m jarvis.mcp.server
    • 或使用部署脚本/容器化方式启动，对应配置文件放在 ~/.jarvis/mcp/config.yaml。
  • 启动后端服务后，MCP 客户端即可通过配置的服务器启动命令与参数连接。

• 服务器配置（给 MCP 客户端的配置信息，使用 JSON 格式，描述服务器启动命令及参数） 注意：MCP 客户端仅需读取以下信息来连接与启动服务器，不需要实际执行服务器端代码。示例配置如下（字段含义在后述注释中说明）： { "server_name": "Cognithor-MCP-Server", "command": "python3", "args": ["-m", "jarvis.mcp.server", "--config", "~/.jarvis/mcp/config.yaml"] } 说明：

  • server_name：MCP 服务器的唯一标识名称，便于在多服务器场景中区分。
  • command：启动服务器所使用的命令解释，一般为 Python 解释器。
  • args：启动命令的参数列表，包含模块名、配置文件路径等必要信息，确保客户端能够正确启动并连接服务器。

• 基本使用方法（简易流程）

  1. 在本地配置 MCP 服务器（如上 JSON 配置），确保服务器配置文件路径正确且可访问。
  2. 启动 MCP 服务器进程，确保服务器输出正常且监听端口或提供正确的通讯端点。
  3. 在 LLM 客户端中引用该 MCP 服务器，使用 MCP 协议发起对“资源、工具、提示”的请求，获取 JSON-RPC 形式的响应。
  4. 根据需要继续扩展资源、工具与提示，以适应具体的 LLM 工作流与安全策略。

• 重要说明

  • 该仓库实现了 MCP 服务器端应用与相关工具，结合 Cognithor 的整个生态，能够对接本地化的 LLM 客户端，提供上下文与能力服务。
  • 客户端侧配置仅用于连接与启动，实际的资源/工具/ prompts/安全策略的管理在服务器端实现中已经完整覆盖。