PromptLab MCP Server

PromptLab：AI查询增强引擎

PromptLab 将用户的基本查询转换为针对 AI 系统优化的提示。它会自动检测内容类型（论文、电子邮件、技术说明、创意写作），应用定制的模板，并验证增强的提示是否符合原始意图。

🔍 概述

PromptLab 采用模块化架构，并配备基于 YAML 的模板系统，任何人都无需任何编程知识即可创建和管理提示模板。该系统最终通过结构更完善的输入生成更高质量的 AI 响应。

🏗️ 建筑

PromptLab 由三个主要组件组成：

1. 模板系统（ prompt_templates.yaml ）- 针对不同内容类型的结构化模板
2. MCP 服务器( promptlab_server.py ) - 通过 LangGraph Workflow 的标准化协议提供模板
3. 处理客户端（ promptlab_client.py ）- 处理用户查询的瘦客户端

工作流程

1. 查询输入：用户提交自然语言查询
2. 分类：系统确定内容类型（文章、电子邮件等）
3. 参数提取：识别关键参数（主题、受众等）
4. 模板应用：检索并填充适当的模板
5. 验证：根据原始意图检查增强提示
6. 调整：任何需要的改进都会自动进行
7. 响应生成：优化的提示产生高质量的响应

📋 功能

• 内容类型检测——自动将用户查询分类为文章、电子邮件、技术或创意写作请求
• 参数提取——智能提取主题、收件人和受众级别等关键参数
• 模板库——预先配置的常见内容类型的模板，并带有结构化的指导
• 验证系统——确保增强的提示保持原始的用户意图
• 反馈循环- 当验证发现错位时调整提示
• 模块化设计- MCP 服务器可以插入任何 LLM 系统
• 非技术管理——无需编码知识即可更新模板

🚀 入门

先决条件

• Python 3.8+
• 依赖项：
  • mcp[cli]
  • langchain-openai
  • langgraph>=0.0.20
  • python-dotenv
  • pyyaml

安装

用法

1. 首先运行服务器：

2. 使用您的查询运行客户端：

3. 系统将输出：
   • 原始查询
   • 分类内容类型
   • 增强提示
   • 验证结果
   • 最终回应

📝 模板系统

模板在prompt_templates.yaml中使用结构化格式定义：

添加新模板

1. 打开prompt_templates.yaml
2. 按照现有格式添加新模板
3. 定义参数和转换
4. 在服务器端定义一个工具并加载模板
5. 服务器将在重启时自动加载新模板

🛠️高级配置

环境变量

• TEMPLATES_FILE - 模板 YAML 文件的路径（默认值： prompt_templates.yaml ）
• OPENAI_API_KEY - 用于 LLM 访问的 OpenAI API 密钥
• MODEL_NAME - 要使用的 OpenAI 模型（默认值： gpt-3.5-turbo ）
• PERSONA_SERVER_SCRIPT - 服务器脚本的路径（默认值： promptlab_server.py ）

自定义转换

模板可以包括动态调整参数的转换：

📊 示例输出

输入查询

“为我的教授写一些关于可再生能源的东西”

增强提示

📄 许可证

MIT 许可证 - 详情请参阅许可证文件

🤝 贡献

欢迎贡献代码！欢迎提交 Pull 请求。

1. 分叉存储库
2. 创建你的功能分支（ git checkout -b feature/amazing-feature ）
3. 提交您的更改（ git commit -m 'Add some amazing feature' ）
4. 推送到分支（ git push origin feature/amazing-feature ）
5. 打开拉取请求