Prime Workflow MCP 服务端

关键词

AI后端服务LLM集成工具注册Confluence 集成Slack 集成
  • 项目简介
    • 该仓库实现了一个基于 MCP 的后端服务器，用于向大型语言模型客户端提供上下文、工具调用和提示模板等能力，支持通过标准化的 JSON-RPC 方式进行请求与响应。
  • 主要功能点
    • 工具注册与执行：通过 FastMCP 将工具注册到服务器，LLM 客户端可调用如创建 Confluence 页面、发送部署邮件、获取 Swagger 文档等工具。
    • 资源与数据能力：结合多个微服务，提供对外部系统的查询和操作能力，作为 LLM 的上下文与执行入口。
    • 提示与模板渲染：为与 LLM 的交互提供可定制的 Prompt 片段和渲染逻辑，便于统一对话风格与任务执行过程。
    • 多传输协议支持：在实现中通过 stdio 的 MCP 传输模式进行演示，理论上也支持 SSE、WebSocket 等传输，提升上下文服务的可扩展性与安全性。
    • 安全与扩展性：服务器端负责注册、会话管理和能力声明，便于后续扩展资源、工具、以及提示模板的能力谱系。
  • 安装与运行
    • 构建全仓库：pnpm build
    • 运行 MCP 服务器（示例，实际路径请按环境调整）：
      • 使用 node 运行打包后的入口程序，例如：node /path/to/nemo-cli/packages/ai/dist/index.js
    • 注：MCP 客户端需要在其配置中指向服务器的启动命令及参数，以建立连接。
  • 服务器配置（MCP 客户端使用的 JSON 配置示例） { "Prime Workflow": { "command": "node", "args": ["/path/to/nemo-cli/packages/ai/dist/index.js"] } // 该配置用于 MCP 客户端创建并启动对该 MCP 服务端的连接 } 说明:
    • server name 对应服务器显示名称，这里为 "Prime Workflow"。
    • command/args 指定启动服务器的实际执行命令及参数，客户端无需也不可直接访问服务器内部实现细节。
  • 基本使用方法
    • 客户端连接: 使用上面的 JSON 配置在 MCP 客户端中声明服务器启动命令与参数，启动后即可通过 JSON-RPC 方式请求服务。
    • 调用工具与资源: LLM 客户端通过 MCP 提供的工具接口调用外部功能（如创建 Confluence 页面、发送邮件等），并可获取工具执行结果以驱动后续对话与推理。
    • 扩展性与维护: 服务器端可以继续注册更多工具、资源和提示模板，以适应更多业务场景与交互模式。

服务器信息

访问项目