Phil-AI MCP 服务端

使用说明（Markdown 格式）

• 项目简介

  • 该仓库实现了一个 MCP 服务器端（MCP 即 Model Context Protocol），用于向 LLM 客户端提供可执行的工具集合、以及基础的上下文能力管理。服务器通过标准的 JSON-RPC 接口响应 ListTools 与 CallTool 请求，并对外暴露若干工具集（如学习、文档、上下文、工作流、引导等），用于增强 LLM 的能力执行和上下文联系。

• 主要功能点

  • 提供并注册多组工具集，能被 MCP 客户端查询到工具名称、描述及输入模式（inputSchema）。
  • 支持工具调用：客户端通过 CallTool 请求执行指定工具，服务器返回执行结果（如文本内容、结构化数据等）。
  • 使用标准的 JSON-RPC 交互格式，方便与各类 LLM 客户端对接。
  • 通过 STDIO 传输作为默认传输方式，便于在本地开发与测试环境中运行和调试；未来可拓展为 SSE/WebSocket 等传输。
  • 将多组工具按分类聚合（学习、Docs、Context、Workflow、Guide），并在启动时汇总为一个统一的工具集合供客户端查询。

• 安装步骤

  • 环境准备：请确保已经在开发环境中安装了 Bun v1+（用于执行脚本和仓库内 TypeScript/JS 代码）。
  • 启动服务器：
    • 直接在仓库根目录或 mcp 目录下执行：运行命令将启动 MCP 服务器（默认通过 STDIO 传输，与 MCP 客户端通过标准输入/输出进行通信）。
  • 验证服务器是否运行正常：启动后应看到输出信息，表示 MCP 服务器正在通过标准输入/输出与客户端建立连接。

• 服务器配置（MCP 客户端所需配置，JSON 格式） 说明：MCP 客户端需要配置一个连接到服务器的入口信息。以下为一个示例配置，包含服务器名称、启动命令以及参数说明，便于客户端了解如何启动并连接到 MCP 服务器。注：该客户端配置不需要直接包含服务器实现的代码，仅用于描述连接参数。

  { "serverName": "phil-ai", "description": "MCP 服务端，向 MCP 客户端暴露工具集合并执行工具", "command": "bunx phil-ai-mcp", "args": [], "transport": "stdio", "notes": "启动后，客户端通过标准输入输出与服务器进行 JSON-RPC 交互。服务器暴露的工具包括学习、文档、上下文、工作流和引导等。" }

  配置项说明（简要注释，便于理解）

  • serverName: MCP 服务器标识，应与服务器实现中的名称对齐，这里设为“phil-ai”。
  • command/args: 启动服务器所需的命令及参数。当前实现通过 bunx phil-ai-mcp 启动。
  • transport: 通信传输方式，当前实现使用标准输入/输出（stdio）。
  • notes: 说明性信息，帮助客户端理解连接方式和暴露的能力。

• 基本使用方法

  • 启动服务器后，MCP 客户端通过 JSON-RPC 向服务器发送 ListTools 请求以获取可用工具列表；服务器返回工具名称、描述和输入模式。
  • 客户端可通过 CallTool 请求调用指定的工具，传入所需的参数，服务器执行并返回结果（如文本、数据结构等）。
  • 如需调试或开发，建议在本地直接通过 STDIO 连接进行交互测试，确保工具集（学习、docs、context、workflow、guide）能够正确注册和执行。

• 运行与交互要点

  • 服务器按需加载并暴露工具集，执行器在命令和参数层面保持简单，便于 LLM 客户端将自然语言指令映射为工具参数。
  • 当前实现聚焦工具注册与执行的 MCP 功能，作为上下文服务的一部分，后续可扩展资源、提示模板等能力。

备注：以上描述基于仓库中 mcp 目录的实现情况，该实现通过 JSON-RPC 接口提供工具查询与执行能力，具备一个完整的 MCP 服务器的核心运行要素。