使用说明

• 项目简介
  • Dingo 公开实现了一个实验性的小型MCP服务器，核心职责是以规范化的JSON-RPC方式向LLM客户端暴露资源、工具、以及提示模板等功能，便于在LLM对话中提供上下文信息、执行外部任务、渲染自定义的提示模板等能力。
• 主要功能点
  • 资源管理与数据访问：提供对资源/数据的托管、查询和管理接口，便于LLM客户端获取背景数据。
  • 工具注册与调用：允许注册并执行外部工具，LLM可通过RPC请求调用工具以完成复杂任务。
  • Prompt模板定义与渲染：支持Prompts的查询、渲染与注册，帮助定义可定制化的LLM交互模板。
  • 跨传输协议支持：默认通过 SSE（Server-Sent Events）等传输方案与客户端通信，理论上可扩展为 STDIO、WebSocket 等。
  • 会话管理与能力声明：服务器端负责会话管理、能力声明以及对客户端能力的适配。
• 安装步骤
  • 需要的环境：Python 3.10 及以上。
  • 安装依赖：从仓库获取代码后，安装运行时依赖（如 requirements/runtime.txt 等）。确保安装环境具备所需的LLM调用能力（如OpenAI API Key等）。
  • 启动服务器：在仓库根目录执行 python mcp_server.py 即可启动服务器。若环境变量或设置不同，启动方式可在源码内通过 LOCAL_DEPLOYMENT_MODE 与传输选项调整。
  • 测试与调试：确保 OpenAI、Anthropic 等LLM服务的密钥与地址可用；在容器/云环境中运行时注意网络连通性和Key的有效性。
• 服务器配置（MCP客户端使用的配置示例） 为便于MCP客户端接入，请使用如下JSON格式的服务器配置信息，填写正确的启动命令与参数。该配置描述服务器名称、启动命令、参数以及传输方式等信息，客户端不需要额外实现，仅通过该配置对接服务器。 { "server_name": "Dingo Evaluator MCP Server", "command": "python", "args": ["mcp_server.py"], "transport": "sse", "notes": "默认通过 SSE 传输与客户端通信；若需其他传输，请在源码中修改启动参数。启动前请确保OPENAI_API_KEY等环境变量正确设置（如使用OpenAI模型）。" }
• 基本使用方法
  1. 启动服务器：在项目根目录执行启动命令，确保依赖就绪与环境变量配置完毕。服务器启动后将监听并通过JSON-RPC与客户端交互。
  2. 与客户端对接：MCP客户端（如Cursor等）通过上述配置连接到Dingo的MCP服务端，发送请求以获取资源、执行工具、查询Prompts等。
  3. 使用示例场景：
     • 评估任务：通过 run_dingo_evaluation 接口提交评估任务（规则或LLM评估），服务器将按配置执行并返回结果路径或结果内容。
     • 组件查询：使用 list_dingo_components 获取已注册的规则组、LLM模型和Prompts 的信息。
  4. 运行时注意事项：若使用LLM进行评估，请确保外部LLM服务可用，且API Key、Base URL等环境变量已配置清晰。若在本地化部署，确保LOCAL_DEPLOYMENT_MODE环境变量合适以匹配期望的返回形式。