🚀 MCP 测试服务器
本项目是一个使用 Model Context Protocol (MCP) 的 Python 服务器，它构建了一个基于 OpenAI 向量存储功能的检索增强生成（RAG）系统，能有效利用向量数据库进行信息检索和生成。
✨ 主要特性
此 MCP 服务器具备以下实用功能：
- 向量数据库创建：可从指定目录中的多种文件类型（如文本、PDF、DOCX 和 Markdown 文件）构建 OpenAI 向量存储，方便对不同格式的文件进行统一处理和存储。
- 向量数据库搜索：能对已构建的向量数据库执行查询操作，精准获取相关性高的信息，为用户提供高效的信息检索服务。
📦 安装指南
1. 初始化项目并创建虚拟环境
# 初始化项目
uv init mcp-test-server
cd mcp-test-server
# 创建并激活虚拟环境
uv venv .venv
source .venv/bin/activate
2. 安装必要的包
# 安装所需包
uv sync
3. 设置环境变量
创建 .env 文件并添加 OpenAI API 密钥：
OPENAI_API_KEY="your-api-key"
💻 使用示例
MCP 服务器测试（可选）
使用 MCP Inspector 进行测试
启动 MCP Inspector 来验证服务器功能：
# 启动 MCP Inspector
npx @modelcontextprotocol/inspector uv run server.py
在 MCP Inspector 中的操作步骤如下：
- 在左侧窗格中选择"Connect"。
- 在中间标签页选择"Tools"。
- 执行"List Tools"。
- 选择要验证的工具。
- 在右侧窗格中设置参数后执行"Run Tool"。
- 应答内容会在 Result 区域显示（由于 unicode 转义，需适当解码查看）。
- 完成后，在 CLI 中终止 Inspector 的运行以释放端口。
与 Claude 应用程序集成
在 Claude 桌面应用的配置文件中添加以下设置：
"test_calc": {
"command": "uv",
"args": [
"--directory",
"/abs/path/to/your/mcp-test-server",
"run",
"server.py"
]
}
请将 /abs/path/to/your/mcp-test-server 替换为实际项目路径。添加配置后，重新启动 Claude 应用程序即可使用 MCP 服务器功能。
提供的工具
此 MCP 服务器提供以下实用工具：
1. create_vector_db_from_directory
从指定目录中的文件创建向量数据库。 参数：
directory_path：需要处理文件的目录路径（必填）vector_store_name：向量存储名称（默认值："local_knowledge"）file_patterns：处理文件的模式（默认值：["*.txt", "*.pdf", "*.docx", "*.md"]） 返回值：处理结果信息（状态、消息、统计信息等）
2. query_vector_db
对已构建的向量数据库进行搜索，获取相关结果。 参数：
query：搜索查询（必填）vector_store_name：要查询的向量存储名称（默认值："local_knowledge"） 返回值：包含查询结果的相关文档列表