该项目包含一个基于 Model Context Protocol (MCP) 构建的后端服务，专门用于提供各种领域（如通用、金融PPT等）的Prompt模板。它作为 Sagi LLM Agent 框架的一部分被使用，但也可以被其他符合 MCP 标准的客户端连接和调用。

项目简介

该服务实现了 MCP 协议，注册并托管了一系列“工具”，这些工具的功能是根据用户任务提供预定义的、结构化的 Prompt 模板。这些模板有助于引导 LLM Agent 或其他 LLM 应用进行特定领域的分析和规划。

主要功能点

• Prompt 模板托管: 集中管理多种领域（通用、金融PPT、通用PPT）的Prompt模板。
• MCP 工具接口: 将获取特定Prompt模板的功能封装为MCP工具，通过标准接口提供服务。
• 结构化输出: 工具返回的Prompt模板是结构化的数据，方便LLM客户端解析和使用。
• Stdio 传输支持: 可通过 Stdio 协议与客户端进行通信（如 Sagi 框架内部使用）。

安装步骤

该 MCP 服务器作为 Sagi 框架的一个组件运行。要安装和运行它，您需要设置整个 Sagi 项目环境：

1. 准备环境: 确保已安装 Docker 和 Docker Compose。
2. 克隆仓库:

   git clone https://github.com/Kasma-Inc/Sagi.git
   cd Sagi
   git submodule update --init --recursive # 这会下载包括此MCP服务器在内的子模块
   

3. 配置环境变量: 复制 '.env.example' 为 '.env'，并填写必要的环境变量，如 'OPENAI_API_KEY'。

   cp .env.example .env
   

4. 构建和启动环境:

   chmod +x dev/setup_dc.sh
   ./dev/setup_dc.sh
   

5. 进入容器:

   docker exec -it "$(whoami)_chatbot_python" /bin/bash
   

6. 安装Python依赖:

   pip install -r requirements.txt
   

完成以上步骤后，您已在 Docker 容器内设置好了 Sagi 环境，其中包含了这个 MCP 服务器。

服务器配置 (供 MCP 客户端连接参考)

此 MCP 服务器通常由 Sagi 框架内部通过 Stdio 协议启动和连接。如果其他 MCP 客户端想通过 Stdio 连接此服务，其客户端配置中用于启动和连接此服务器进程的参数大致如下：

// 这是一个示例JSON结构，实际客户端可能使用不同的配置格式，但核心参数是这些
{
  "server_name": "domain_specific_mcp", // MCP 服务器定义的名称
  "transport": "stdio",               // 传输协议
  "command": "uv",                    // 用于启动服务的命令 (uv 是一个 Python 包安装器和执行器)
  "args": [                           // 传递给 command 的参数列表
    "--directory",                    // uv 参数：指定工作目录
    "mcp_server/domain_specific_mcp", // 工作目录路径（相对于Sagi项目根目录）
    "run",                            // uv 参数：运行指定脚本
    "python",                         // 要执行的解释器
    "src/domain_specific_mcp/server.py" // 要执行的服务器脚本路径（相对于工作目录）
  ]
  // 其他可能的配置项如 env (环境变量), cwd (当前工作目录)
}

注意： 以上是 MCP 客户端启动此特定 MCP 服务器进程时所需的命令和参数。实际连接时，客户端会通过 Stdio 与此进程的输入/输出流进行 MCP 协议通信。

基本使用方法

此服务主要由 Sagi 框架内部的 Agent 使用。在 Sagi 环境中运行 'python cli.py' 启动 Agent 框架后，当 Agent 需要获取特定领域的 Prompt 模板时，它会通过内部连接调用此 MCP 服务器上托管的工具（例如 'get_general_prompts' 或 'get_financial_ppt_prompts'）。服务器接收请求后，会执行对应的工具函数，返回相应的 Prompt 模板数据给 Agent 使用，从而指导 Agent 的后续任务规划和执行。

对于外部开发者而言，理解其功能有助于了解 Sagi 如何利用 MCP 服务来增强其智能体能力，并可参考其实现来开发自己的 MCP 工具或客户端。