项目简介

Prompt-Budd智能提示助手MCP服务器是为Model Context Protocol (MCP) 兼容客户端（如Cursor）设计的后端服务。它将Prompt-Budd项目的核心提示工程能力封装为可调用的工具，帮助LLM客户端用户在进行AI交互时，生成高质量、结构化的提示词，从而提升大型语言模型（LLM）响应的准确性和有效性。

主要功能点

生成简短优化提示： 根据用户输入的原始提示词，自动生成更精炼、更具表现力的短提示模板，旨在提高LLM对用户意图的理解效率。
生成描述性结构化提示： 将用户的模糊或简单提示词转换为包含明确目标、预期返回格式、潜在警告和背景上下文的结构化提示。这种增强的提示有助于有效引导LLM减少幻觉，并提供更精确、更符合预期的回答。

安装步骤

克隆仓库：

git clone https://github.com/SayamKhatri/Prompt-Budd.git

进入MCP服务器目录：

cd Prompt-Budd/mcp-server

创建并激活虚拟环境：

python -m venv venv
# Windows 用户
.\venv\Scripts\activate
# macOS/Linux 用户
source venv/bin/activate

安装依赖：

pip install mcp-server groq openai google-generativeai fastapi uvicorn python-dotenv

配置API密钥： 在'mcp-server'目录下创建一个名为 '.env' 的文件，并添加以下API密钥。这些密钥用于访问不同的LLM服务，以支持提示优化功能：

GROQ_API_KEY=您的Groq API密钥
OPENAI_API_KEY=您的OpenAI API密钥
GEMINI_API_KEY=您的Gemini API密钥

请将'您的Groq API密钥'、'您的OpenAI API密钥'和'您的Gemini API密钥'替换为您的实际API密钥。

启动MCP服务器：
```
python server.py
```
服务器将会在本地启动，并通过'streamable-http'协议监听MCP客户端的请求。

服务器配置 (针对MCP客户端)

在您的MCP兼容客户端（例如Cursor），可以通过配置远程MCP服务器来连接此服务。配置信息通常以JSON格式提供，指示客户端如何启动或连接到MCP服务器。

以下是连接到Prompt-Budd MCP服务器的配置示例（如果您将其部署在远程服务上，例如'https://prompt-budd-mcp-282032561204.us-east1.run.app/mcp'）：

{
  "mcpServers": {
    "prompt-budd-remote": {
      // "prompt-budd-remote" 是MCP服务器的内部名称，您可以自定义。
      "command": "npx -y mcp-remote https://prompt-budd-mcp-282032561204.us-east1.run.app/mcp",
      // "command" 指定MCP客户端用于启动或连接到服务器的命令。
      // 此处通过 'npx -y mcp-remote' 连接到Prompt-Budd的远程部署实例。
      "env": {}
      // "env" 用于传递给服务器进程的环境变量，通常留空或用于敏感配置。
    }
  }
}

如果您在本地运行服务器（如上文“安装步骤”所示），则需要将'command'指向本地服务器的启动命令。

基本使用方法 (针对MCP客户端)

MCP客户端一旦连接到Prompt-Budd MCP服务器，就可以通过MCP协议调用其暴露的工具。

调用 'prompt_enhance' 工具：
- 用途： 获取简短优化的提示模板。
- 参数： 'prompt' (字符串) - 用户的原始提示词。
- 返回值： 包含优化后的提示模板列表的字典。
调用 'prompt_enhance_descriptive' 工具：
- 用途： 获取描述性的结构化提示模板。
- 参数： 'prompt' (字符串) - 用户的原始提示词。
- 返回值： 包含描述性结构化提示模板字符串的字典。

通过这些工具，LLM客户端可以自动化提示词优化过程，提升与大模型的交互质量，实现更智能、更高效的AI对话。

关键词

项目简介

主要功能点

安装步骤

服务器配置 (针对MCP客户端)

基本使用方法 (针对MCP客户端)

信息