pyplots MCP 服务端

关键词

绘图规格工具注册数据库集成模型上下文JSON-RPC

使用说明（Markdown格式）

  • 项目简介

    • 该仓库实现了基于 MCP（Model Context Protocol）的后端服务，目标是为 AI 助手/LLM 客户端提供可检索的绘图规格、实现代码、相关库信息以及可执行的工具集合。服务通过标准的 JSON-RPC 请求/响应与客户端交互，支持资源（Resources）、工具（Tools）以及提示模板（Prompts）的托管、注册与渲染。

  • 主要功能点

    • 资源与实现：管理绘图规格（Specs）及其对应该库的实现（Impls），提供读取、创建、更新、查询等能力，便于 LLM 客户端获取特定绘图实现的代码。
    • 工具与查询：提供 list_specs、search_specs_by_tags、get_spec_detail、get_implementation、list_libraries、get_tag_values 等工具，帮助客户端按标签、库、规格等进行检索与组合调用。
    • Prompt 与模板：定义并渲染与绘图任务相关的提示模板，支持可定制的对话/任务模式，以引导 LLM 正确使用资源与工具。
    • 会话与状态：实现会话管理、能力声明与状态追踪，确保多会话场景下的上下文隔离和稳定性。
    • 多传输支持：设计初衷支持多种传输协议（如 SSE、Streamable HTTP、WebSocket 等），以覆盖本地开发、云端部署及对不同 LLM 客户端的接入需求。
    • 数据库适配：结合 core/database 提供的多数据库适配能力；可在 PostgreSQL、SQLite 等环境下工作，支持本地开发与云端部署。

  • 安装与运行

    • 运行环境要求：Python 3.13 及以上，依赖库在仓库的依赖配置中集中管理。
    • 启动方式：服务器入口通常通过运行服务器脚本或将 MCP 服务作为应用组件加载运行，具体实现可通过仓库中的 api/mcp/server.py 提供的接口进行初始化与启动。请使用您的部署环境中适合的方式引导服务启动（如直接执行入口脚本、通过应用服务器（如 uvicorn/ASGI）托管等），确保数据库连接配置就绪后再启动服务。
    • 数据库配置与初始化：通过 core/database/connection 提供的连接配置进行数据库初始化，支持通过环境变量 DATABASE_URL、INSTANCE_CONNECTION_NAME 以及相关凭据进行连接配置。确保在正式环境中正确设置数据库连接，以便 MCP 服务能够读取 Specs/Libraries/Impls 等元数据。

  • 配置（MCP 客户端必需的最小信息，供客户端在本地配置连接时参考） 说明：MCP 客户端需要通过一个 JSON 配置来知道如何启动并连接到 MCP 服务器。以下字段说明适用于客户端配置参考，实际服务器启动方式以该仓库实现为准。

    • server_name: 服务器名称，在客户端配置中用于标识该 MCP 服务端。
    • command: 启动服务器的命令（如运行 Python 入口的命令）。
    • args: 启动命令的参数列表，描述服务器启动时的行为与网络/传输参数。 备注：服务器端具体实现可能提供不同的启动入口，请以仓库中 api/mcp/server.py 的实现为准；下列示例仅用于理解配置结构，不作为具体执行代码。

    具体字段示例（JSON 结构描述，提供给 MCP 客户端的配置信息示意，含注释说明）： { "server_name": "pyplots", "transport": "SSE", // 传输模式，示例支持 SSE（推荐）或 Streamable HTTP "command": "python", "args": ["-m", "api.mcp.server"] // 启动入口及参数，需与实际实现匹配 }

  • 基本使用方法

    • 第一步：准备环境
      • 确保数据库连接可用，按照仓库的数据库配置要求设置 DATABASE_URL/INSTANCE_CONNECTION_NAME 等环境变量。
      • 安装并配置所需依赖，确保 Python 版本、依赖库与数据库驱动可用。
    • 第二步：启动 MCP 服务端
      • 根据仓库实现的入口，在合适的应用环境中启动 MCP 服务端，以提供 JSON-RPC 的请求/响应能力。
    • 第三步：在 MCP 客户端配置中添加服务器信息
      • 参考上述配置字段，将服务器名称、启动命令及其参数等信息写入客户端的 MCP 配置中，确保客户端能够通过 JSON-RPC 向该服务器发起请求。
    • 第四步：发起请求
      • 使用 MCP 客户端发送标准的 MCP 请求（如获取规格列表、检索规格、获取实现代码、列出库、获取标签值等），服务器返回符合 MCP 协议格式的 JSON-RPC 响应。
    • 第五步：查看与调试
      • 通过日志与监控对接，确保会话管理、能力声明及多传输支持按预期工作，必要时调整传输通道配置以获得更好的稳定性与吞吐。

  • 运行成功的判断要点

    • MCP 服务端能够接受并正确返回 MCP JSON-RPC 请求的响应，包含 list_specs、get_spec_detail、get_implementation、list_libraries、get_tag_values 等工具的结果。
    • 能在不同传输模式下工作（SSE、HTTP 流传输等），并能正确处理会话与资源的上下文。
    • 与数据库的集成稳定，能查询并返回 Specs/Libraries/Impls 的相关数据，以及实现代码、预览等字段。

  • 关键词 数据服务, AI 集成, API 资源化, 绘图实现, 模型上下文

  • 分类ID 5

服务器信息

访问项目