Skip to main content
Glama

MCP Recommender

by bxzymy
PROJECT_STRUCTURE.md3.99 kB
# MCP Recommender 项目结构 ## 📁 核心文件说明 ### 必需的源代码文件 ``` mcp-recommender-clean/ ├── mcp_recommender/ # 主包目录 │ ├── __init__.py # 包初始化文件 │ ├── __main__.py # CLI入口点,支持 python -m mcp_recommender │ ├── server.py # MCP服务器核心实现 │ └── data/ # 数据文件目录 │ ├── mcp_database.json # 874个MCP服务器数据库 │ └── functional_keywords.json # 功能关键词映射 ├── scripts/ # 构建和工具脚本 │ ├── build.py # uv构建脚本 │ └── prepare_release.py # 发布准备检查脚本 ├── pyproject.toml # 项目配置和依赖管理 ├── LICENSE # MIT许可证 ├── README.md # 英文文档 ├── README-zh.md # 中文文档 ├── MANIFEST.in # 包含文件规则 ├── .gitignore # Git忽略文件 └── PROJECT_STRUCTURE.md # 本文件 ``` ## 🎯 包含的核心文件类型 ### 1. 源代码文件 (.py) - `__init__.py` - 包初始化和版本信息 - `__main__.py` - 命令行入口,处理asyncio冲突 - `server.py` - FastMCP服务器实现,智能推荐算法 ### 2. 数据文件 (.json) - `mcp_database.json` - 874个MCP服务器的完整数据库 - `functional_keywords.json` - 15个功能分类的关键词映射 ### 3. 配置文件 - `pyproject.toml` - Python包配置,uv兼容,MIT许可证 - `MANIFEST.in` - 包构建时的文件包含规则 - `.gitignore` - Git版本控制忽略规则 ### 4. 文档文件 (.md) - `README.md` - 英文项目文档 - `README-zh.md` - 中文项目文档 - `PROJECT_STRUCTURE.md` - 项目结构说明 ### 5. 许可证文件 - `LICENSE` - MIT开源许可证 ### 6. 工具脚本 - `scripts/build.py` - 自动化构建脚本 - `scripts/prepare_release.py` - 发布前检查脚本 ## ❌ 已排除的文件类型 ### 1. 编译产物 - `__pycache__/` - Python字节码缓存 - `*.pyc`, `*.pyo` - 编译的Python文件 - `build/`, `dist/` - 构建输出目录 - `*.egg-info/` - 包信息目录 ### 2. 虚拟环境 - `.venv/`, `venv/` - Python虚拟环境 - `.uv/` - uv缓存目录 - `uv.lock` - uv锁定文件 ### 3. IDE和编辑器文件 - `.vscode/` - VS Code配置 - `.idea/` - PyCharm配置 - `*.swp`, `*.swo` - Vim临时文件 ### 4. 系统文件 - `.DS_Store` - macOS系统文件 - `Thumbs.db` - Windows缩略图缓存 - `*.tmp`, `*.temp` - 临时文件 ### 5. 日志和缓存 - `*.log` - 日志文件 - `.cache/` - 各种缓存目录 - `.pytest_cache/` - pytest缓存 ### 6. 测试和覆盖率 - `.coverage` - 覆盖率数据 - `htmlcov/` - 覆盖率报告 - `.pytest_cache/` - pytest缓存 ## 🚀 使用方法 ### 1. 克隆到本地 ```bash git clone <repository-url> cd mcp-recommender-clean ``` ### 2. 安装依赖 ```bash # 使用uv(推荐) uv sync # 或使用pip pip install -e . ``` ### 3. 测试运行 ```bash # 测试模式 uv run -m mcp_recommender --test # 服务器模式 uv run -m mcp_recommender --server ``` ### 4. 构建包 ```bash # 使用构建脚本 python scripts/build.py # 或直接使用uv uv build ``` ## ✅ 完整性验证 这个干净的项目文件夹包含了实现完整功能所需的所有文件: - ✅ 核心MCP服务器功能 - ✅ 874个MCP服务器数据库 - ✅ 智能推荐算法 - ✅ CLI和MCP客户端支持 - ✅ uv工作流支持 - ✅ AsyncIO冲突修复 - ✅ 完整的文档和示例 - ✅ MIT开源许可证 - ✅ 构建和发布工具 ## 📋 GitHub仓库要求 此项目结构完全符合GitHub仓库的最佳实践: - 清晰的目录结构 - 完整的README文档(中英文) - 适当的.gitignore文件 - 开源许可证 - 项目配置文件 - 无临时或生成文件 可以直接上传到GitHub并立即使用!

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/bxzymy/mcp-recommend'

If you have feedback or need assistance with the MCP directory API, please join our Discord server