使用说明

项目简介

Contextual MCP Server 是一个基于 Model Context Protocol (MCP) 的服务器实现，它利用 Contextual AI 平台的能力，为 Cursor IDE 和 Claude Desktop 等 MCP 客户端提供增强的 RAG (Retrieval-Augmented Generation) 功能。该服务器充当 AI 界面和 Contextual AI 智能体之间的桥梁，支持用户通过客户端向指定的 Contextual AI 智能体提问，并从知识库中检索相关信息，生成包含引用的、基于上下文的回答。

主要功能点

知识库问答: 连接 Contextual AI 智能体，针对特定知识库进行提问和解答。
智能检索: 在全面的知识库中搜索相关信息，为回答提供依据。
上下文感知: 生成的回答基于检索到的文档，包含来源引用，并能维护对话上下文。
易于集成: 可与 Cursor IDE 和 Claude Desktop 等 MCP 客户端无缝集成。

安装步骤

克隆仓库:

git clone https://github.com/ContextualAI/contextual-mcp-server.git
cd contextual-mcp-server

创建并激活虚拟环境:

python -m venv .venv
source .venv/bin/activate   # Linux/macOS
.venv\Scripts\activate  # Windows

安装依赖:
```
pip install -e .
```

服务器配置

Contextual MCP Server 需要通过环境变量进行配置，您需要设置 Contextual AI 的 API 密钥和 Agent ID。

环境变量配置

'API_KEY': 您的 Contextual AI API 密钥
'AGENT_ID': 您的 Contextual AI Agent ID (仅 single_agent/server.py 需要)

您可以将这些变量配置在 '.env' 文件中。

MCP 客户端配置 MCP 客户端（如 Cursor 或 Claude Desktop）需要配置 'mcp.json' 文件以连接到 Contextual MCP Server。以下是配置示例，您需要根据实际情况修改 'command' 和 'args' 字段。

'mcp.json' 配置示例

{
 "mcpServers": {
   "ContextualAI-TechDocs": {
     "command": "/your/path/to/uv",  //  请替换为您的 uv 可执行文件的完整路径，例如 /Users/username/miniconda3/bin/uv
     "args": [
       "--directory",
       "${workspaceFolder}",  //  此为占位符，客户端会自动替换为当前工作区目录
       "run",
       "single_agent/server.py"  //  或 "multi_agent/server.py"，根据您的需求选择
     ]
   }
 }
}

配置说明:

'"ContextualAI-TechDocs"': 服务器名称，您可以自定义。
'"command"': 启动服务器的命令。这里假设您使用 'uv' 运行 Python 脚本，请替换为 'uv' 的实际路径。
'"args"': 传递给 'uv' 命令的参数列表。
- '"--directory", "${workspaceFolder}"': 指定工作目录为客户端的工作区根目录。
- '"run", "single_agent/server.py"': 运行 'single_agent/server.py' 脚本，启动 MCP 服务器。您可以根据需要选择 'multi_agent/server.py'。

配置文件位置:

Cursor:
- 项目级别: '.cursor/mcp.json' (在您的项目根目录下)
- 全局级别: '~/.cursor/mcp.json' (用户主目录下)
Claude Desktop:
- 请参考 Claude Desktop 的 MCP 客户端配置文档，将 'mcp.json' 放置在相应的配置目录下。

基本使用方法

确保已配置好环境变量和 MCP 客户端的 'mcp.json' 文件。
启动 MCP 服务器：在仓库根目录下，根据 'mcp.json' 中的配置，客户端会自动启动服务器。您也可以手动在虚拟环境中运行 'uv run single_agent/server.py' 或 'uv run multi_agent/server.py' 启动服务器。
在 Cursor IDE 或 Claude Desktop 等 MCP 客户端中，您可以向配置的 "ContextualAI-TechDocs" 服务器发送 MCP 请求，例如在 IDE 中提问 "Show me the code for initiating the RF345 microchip?"。
服务器会将查询路由到 Contextual AI Agent，检索相关文档，并生成带有引用的回答返回给客户端。

注意: 请确保您已拥有 Contextual AI API 密钥和 Agent ID，并在环境变量中正确配置。

关键词