本项目是一个基于Model Context Protocol (MCP) 的服务器实现，旨在为大型语言模型（LLM）客户端提供通过去中心化Nostr网络获取人类视觉帮助的能力。

项目简介

该服务器充当LLM客户端和Nostr网络之间的桥梁。当LLM遇到需要人类视觉判断（例如，查看截图、完成验证码等）的任务时，可以通过MCP协议调用该服务器的工具。服务器会将请求发布到Nostr网络，等待人类工作者的响应、报价和最终结果，并将结果返回给LLM。

主要功能点

• 视觉帮助请求工具: 核心功能是暴露一个MCP工具，允许LLM客户端发起包含任务描述和截图的视觉帮助请求。
• Nostr集成: 与Nostr去中心化网络连接，用于发布请求（使用Kind 5109事件）和监听响应（如Kind 7000的报价和Kind 6xxx的结果事件）。
• 结果处理: 接收并处理来自Nostr网络的报价和任务结果，并将其格式化后返回给调用工具的LLM客户端。
• MCP协议支持: 实现标准的MCP服务器通信接口，兼容任何支持MCP协议的客户端。

安装步骤

1. 克隆仓库:

   git clone https://github.com/dtdannen/unstuck-ai.git
   cd unstuck-ai
   

2. 创建并激活Python虚拟环境 (推荐):

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

3. 安装依赖:

   pip install -r requirements.txt # 假设存在requirements.txt 或手动安装依赖
   # 关键依赖包括: fastmcp, nostr-sdk, pydantic, python-dotenv, uvicorn, fastapi
   pip install fastmcp nostr-sdk pydantic python-dotenv uvicorn fastapi
   

4. 配置环境变量: 创建 '.env' 文件在项目根目录，并设置Nostr私钥和中继地址。

   NOSTR_PRIVATE_KEY="你的Nostr私钥（hex格式）"
   RELAY_URLS="wss://relay.example.com,wss://another.relay.com" # 使用逗号分隔
   

服务器配置

MCP客户端需要通过JSON配置来启动和连接此服务器。以下是示例配置信息：

{
  "server_name": "unstuck-ai",
  "command": "python",
  "args": ["-m", "mcp_server.unstuck_ai"]
}

• 'server_name': 服务器在其能力声明中报告的名称，客户端用于识别。
• 'command': 启动服务器进程的命令。这里使用'python -m'方式运行包。
• 'args': 传递给'command'的参数，指定要运行的Python包入口。

基本使用方法

1. 启动服务器: 在配置好环境变量后，在项目根目录运行：

   python -m mcp_server.unstuck_ai
   

   服务器将启动并连接到配置的Nostr中继。
2. MCP客户端连接: 使用支持MCP协议的客户端，配置上述JSON信息，然后连接到'unstuck-ai'服务器。
3. 调用工具: 客户端可以通过JSON-RPC调用服务器暴露的'request_visual_help'工具，并传递'description'、'screenshot_url'和可选的'max_price_sats'参数来发起视觉帮助请求。服务器将在Nostr网络上处理该请求并返回结果。