项目简介

Prompt Saver MCP服务器是一个专为LLM应用设计的后端服务，旨在帮助用户高效地管理和优化其与LLM的交互。它能够自动将成功的对话会话提炼、分类并保存为结构化的提示词模板，支持通过向量搜索和文本搜索快速检索，并允许手动或AI辅助更新提示词，从而极大地提升LLM交互的效率和质量。

主要功能点

保存提示词: 将成功的对话历史转化为结构化的提示词模板，并进行总结和分类。这有助于您积累高质量的LLM交互经验。
使用提示词: 通过语义或文本搜索，根据您的需求快速检索最相关的提示词模板，避免重复劳动。
获取提示词详情: 查看特定提示词的完整内容，包括其模板、历史和元数据，以便您在应用前进行全面了解。
更新提示词: 手动修改现有提示词的总结、模板、使用案例或历史，以适应不断变化的需求。
AI改进提示词: 根据用户反馈和对话上下文，利用AI自动分析并优化提示词模板，持续提升其效果。
按用例搜索: 针对特定任务类型（如代码生成、文本生成、数据分析、创意写作等）查找相关提示词，实现精准查找。

安装步骤

克隆仓库: 打开您的终端或命令行工具，执行以下命令克隆项目仓库：

git clone https://github.com/davidhou17/prompt-saver-mcp
cd prompt-saver-mcp

安装依赖: 推荐使用 'uv' 工具进行依赖管理（如果未安装 'uv'，请先安装 'pip install uv'）：
```
uv sync
```
或者，您也可以使用 'pip' 进行安装：
```
pip install -e .
```
设置MongoDB Atlas:
- 访问 MongoDB Atlas 创建一个免费集群。
- 在您的集群中，创建一个名为 'prompt_saver' 的数据库。
- 在 'prompt_saver' 数据库的 'prompts' 集合上，创建一个向量搜索索引。在Atlas UI中，导航到“Search” > “Create Search Index”，选择“Vector Search”模板，并将 'embedding' 字段的维度设置为 '2048'，相似度选择 'dotProduct'。
配置环境变量:
- 在项目根目录找到 '.env.example' 文件，将其复制一份并重命名为 '.env'。
- 编辑 '.env' 文件，填入您的API密钥和MongoDB Atlas连接字符串。
- 所有配置必填项:
  - 'MONGODB_URI': 您的MongoDB Atlas连接字符串。
  - 'VOYAGE_AI_API_KEY': 您的Voyage AI API密钥（用于生成向量嵌入，以实现语义搜索）。
- 选择一个LLM提供商并配置相应密钥和模型：
  - Azure OpenAI: 配置 'AZURE_OPENAI_API_KEY' 和 'AZURE_OPENAI_ENDPOINT'。
  - OpenAI: 配置 'OPENAI_API_KEY'。
  - Anthropic: 配置 'ANTHROPIC_API_KEY'（请确保已安装 'anthropic' 包，'pip install anthropic'）。

服务器配置（供MCP客户端集成）

要将Prompt Saver MCP服务器与您的MCP客户端（例如Claude Desktop或其他兼容MCP的LLM应用程序）集成，请根据您选择的LLM提供商，将以下JSON配置示例之一添加到客户端的配置文件中。

使用Azure OpenAI 的配置示例:

{
  "mcpServers": {
    "prompt-saver": {
      "command": "uv",
      "args": ["run", "python", "-m", "prompt_saver_mcp.server", "stdio"],
      "cwd": "/path/to/your/prompt-saver-mcp",
      "env": {
        "MONGODB_URI": "mongodb+srv://username:[email protected]/",
        "MONGODB_DATABASE": "prompt_saver",
        "VOYAGE_AI_API_KEY": "your_voyage_ai_api_key_here",
        "LLM_PROVIDER": "azure_openai",
        "AZURE_OPENAI_API_KEY": "your_azure_openai_api_key_here",
        "AZURE_OPENAI_ENDPOINT": "https://your-resource.openai.azure.com/",
        "AZURE_OPENAI_MODEL": "gpt-4o"
      }
    }
  }
}

请将 'command' 中的 'uv' 和 'args' 中的 '-m prompt_saver_mcp.server stdio' 配置为服务器启动命令，'cwd' 设置为项目所在目录的绝对路径，并在 'env' 中填入您实际的环境变量值。

使用OpenAI 的配置示例:

{
  "mcpServers": {
    "prompt-saver": {
      "command": "uv",
      "args": ["run", "python", "-m", "prompt_saver_mcp.server", "stdio"],
      "cwd": "/path/to/your/prompt-saver-mcp",
      "env": {
        "MONGODB_URI": "mongodb+srv://username:[email protected]/",
        "MONGODB_DATABASE": "prompt_saver",
        "VOYAGE_AI_API_KEY": "your_voyage_ai_api_key_here",
        "LLM_PROVIDER": "openai",
        "OPENAI_API_KEY": "your_openai_api_key_here",
        "OPENAI_MODEL": "gpt-4o"
      }
    }
  }
}

使用Anthropic 的配置示例:

{
  "mcpServers": {
    "prompt-saver": {
      "command": "uv",
      "args": ["run", "python", "-m", "prompt_saver_mcp.server", "stdio"],
      "cwd": "/path/to/your/prompt-saver-mcp",
      "env": {
        "MONGODB_URI": "mongodb+srv://username:[email protected]/",
        "MONGODB_DATABASE": "prompt_saver",
        "VOYAGE_AI_API_KEY": "your_voyage_ai_api_key_here",
        "LLM_PROVIDER": "anthropic",
        "ANTHROPIC_API_KEY": "your_anthropic_api_key_here",
        "ANTHROPIC_MODEL": "claude-sonnet-4-20250514"
      }
    }
  }
}

基本使用方法（通过MCP客户端自动调用工具）

配置好MCP服务器后，您的LLM客户端（例如Claude Desktop）将能够根据您在系统提示（System Prompt）中设置的指令自动调用Prompt Saver提供的工具。

为了最大化服务器的价值，建议在LLM的系统提示中添加以下指令：

Always search for relevant prompts before starting any large or complex tasks.

Upon successful completion of a task, always ask if I want to save the conversation as a prompt.

Upon successful completion of a task with a prompt, always ask if I want to update the prompt.

这将使LLM在适当的时机自动执行例如“使用提示词”来查找相关提示，或在任务完成后自动“保存提示词”或“更新提示词”，从而让您获得更加智能和自动化的LLM交互体验。

关键词

项目简介

主要功能点

安装步骤

服务器配置（供MCP客户端集成）

基本使用方法（通过MCP客户端自动调用工具）

信息