使用说明

项目简介

本项目 'mcp-officer' 是一个基于 Model Context Protocol (MCP) 的后端服务器，旨在模拟警察审讯过程。它利用 OpenAI 的 GPT-3.5-turbo 模型，根据设定的压力等级、犯罪类型和证据等信息，生成警官的审讯策略和对话，以及模拟嫌疑人的回应。该服务器通过 HTTP 协议提供资源访问和功能调用，可以作为 LLM 客户端的上下文信息提供者，用于构建交互式的审讯模拟应用。

主要功能点

警官信息管理 (Resource)：提供警官个人资料查询功能，例如警徽编号、姓名、部门等。
智能审讯模拟 (Resource)：根据嫌疑人信息、案件详情和压力等级，生成警官的审讯话术。
嫌疑人回应模拟 (Tool - 仓库中未明确作为Tool定义，但功能上可以被LLM客户端作为Tool调用)：根据警官的话术、嫌疑人性格和负罪感等因素，模拟嫌疑人的回答。
数据验证：使用 Zod 库对请求数据进行强类型检查和验证，确保数据格式的正确性。
配置灵活：允许通过 '.env' 文件和 'config.ts' 文件配置 OpenAI API 密钥、模型选择、Token 数量和温度参数等。

安装步骤

克隆仓库：

git clone https://github.com/ziyacivan/mcp-officer.git
cd mcp-officer

安装依赖：
```
pnpm install
```

配置环境变量：复制 '.env.example' 文件并重命名为 '.env'，然后修改 '.env' 文件，填入你的 OpenAI API Key。

cp .env.example .env
# 编辑 .env 文件，填入 OPENAI_API_KEY=your_api_key_here

启动服务器：
```
pnpm start
```
服务器默认运行在 'http://localhost:3000'。

服务器配置 (MCP 客户端配置)

MCP 客户端需要配置以下信息以连接到 'mcp-officer' 服务器。请注意，以下配置信息为 JSON 格式，用于 MCP 客户端进行配置，不是直接在服务器端执行的命令。

{
  "serverName": "LSPD Interrogation Server",
  "command": "node",
  "args": ["src/server.ts"],
  "transports": ["http"],
  "httpEndpoint": "http://localhost:3000"
}

配置参数注释:

'serverName': 服务器名称，用于标识服务器，例如 "LSPD Interrogation Server"。
'command': 启动服务器的命令，这里使用 'node' 运行 Node.js 服务器。
'args': 启动命令的参数，指向服务器入口文件 'src/server.ts'。
'transports': 服务器支持的传输协议，这里配置为 'http'。
'httpEndpoint': HTTP 传输协议的端点地址，默认为 'http://localhost:3000'。MCP客户端将通过此地址与服务器进行通信。

基本使用方法

获取警官信息 (Resource: 'officer-profile')：使用 GET 请求访问 '/profile/{badgeNumber}' 端点，例如获取警徽编号为 '1234' 的警官信息：
```
curl http://localhost:3000/profile/1234
```
或者使用 MCP 客户端，通过资源 URI 'lapd://officers/1234' 获取。

开始审讯 (Resource: 'conduct-interrogation')：使用 POST 请求访问 '/interrogations/{suspectId}' 端点，并提供 JSON 格式的请求体，例如：

curl -X POST http://localhost:3000/interrogations/suspect_01 \
  -H "Content-Type: application/json" \
  -d '{
    "suspectName": "John Doe",
    "pressureLevel": 80,
    "crime": "Drug trafficking",
    "evidence": ["Search records", "Confidential witness statement"]
  }'

或者使用 MCP 客户端，通过资源 URI 'lapd://interrogations/suspect_01' 发起 POST 请求，并传递请求体。

模拟嫌疑人回应 (Tool - HTTP POST 请求模拟)：使用 POST 请求访问 '/interrogations/{suspectId}/respond' 端点，并提供 JSON 格式的请求体，模拟嫌疑人对警官话语的回应：

curl -X POST http://localhost:3000/interrogations/suspect_01/respond \
  -H "Content-Type": "application/json" \
  -d '{
    "suspectName": "John Doe",
    "officerStatement": "Your fingerprints were found at the crime scene!",
    "guilt": 85,
    "personality": "cowardly",
    "previousResponses": ["I'm innocent!"]
  }'

虽然 'generateSuspectResponse' 功能在代码中没有被显式声明为 MCP Tool，但 LLM 客户端可以将其视为需要调用的外部功能，通过 HTTP POST 请求触发。在更完善的 MCP 实现中，应该将类似 'generateSuspectResponse' 这样的功能注册为 Tool，以便 MCP 客户端可以更规范地调用。

注意: 本项目示例主要通过 HTTP 接口提供 MCP 服务器的功能，虽然使用了 '@modelcontextprotocol/sdk/server/mcp.js' SDK，但在实际的 MCP 客户端交互中，可能需要根据 MCP 协议的具体规范进行请求和响应处理。例如，更标准的 MCP 实现可能需要处理 JSON-RPC 格式的请求，并支持 WebSocket 或 SSE 等传输协议。当前示例更侧重于通过 HTTP API 提供资源和功能。

关键词