FullScope-MCP

内容总结运营 MCP Server，支持网页抓取、文件读取、内容总结、主题汇总等功能

🌟 功能特性

FullScope-MCP 是一个功能全面的 Model Context Protocol (MCP) 服务器，专门用于内容总结和运营场景。支持以下核心功能：

🤖 模型调用: 直接调用大语言模型进行回答
🌐 网页抓取: 抓取网页内容，可选保存为 txt 文本文件
📝 内容总结: 将任意内容总结为指定长度（默认原来的 20%，脱水版）
🔗 网页总结: 获取网页内容并自动总结为精炼版本
📄 文本文件总结: 读取 txt 等格式的文本文件并总结内容（限制返回 2k 字符）
📚 PDF 文件总结: 读取 PDF 文件并总结文本内容（限制返回 2k 字符）
🎯 主题汇总: 类似 RAG 功能，给定资料内容和查询主题，返回最相关的内容总结（2k 字符内）

📦 安装

使用 uvx 安装（推荐）

uvx fullscope-mcp-server

使用 pip 安装

pip install fullscope-mcp-server

从源码安装

git clone https://github.com/yzfly/fullscope-mcp
cd fullscope-mcp
pip install -e .

⚙️ 配置

环境变量配置

在使用之前，需要配置以下环境变量：

必需配置

# MiniMax API Key（必需）
export OPENAI_API_KEY="your-minimax-api-key"

可选配置

# API 基础 URL（默认使用 MiniMax）
export OPENAI_BASE_URL="https://api.minimaxi.com/v1"

# 使用的模型（默认 MiniMax-M1）
export OPENAI_MODEL="MiniMax-M1"

# 输入上下文最大 token 数（默认 120000）
export MAX_INPUT_TOKENS="120000"

# 输出上下文最大 token 数（默认 8000）  
export MAX_OUTPUT_TOKENS="8000"

Claude Desktop 配置

在 Claude Desktop 中使用时，请添加以下配置到 claude_desktop_config.json：

{
  "mcpServers": {
    "fullscope-mcp": {
      "command": "uvx",
      "args": ["fullscope-mcp-server"],
      "env": {
        "OPENAI_API_KEY": "your-minimax-api-key-here",
        "OPENAI_BASE_URL": "https://api.minimaxi.com/v1",
        "OPENAI_MODEL": "MiniMax-M1",
        "MAX_INPUT_TOKENS": "900000",
        "MAX_OUTPUT_TOKENS": "8000"
      }
    }
  }
}

或者使用 pip 安装版本：

{
  "mcpServers": {
    "fullscope-mcp": {
      "command": "python",
      "args": ["-m", "fullscope_mcp_server"],
      "env": {
        "OPENAI_API_KEY": "your-minimax-api-key-here",
        "OPENAI_BASE_URL": "https://api.minimaxi.com/v1",
        "OPENAI_MODEL": "MiniMax-M1",
        "MAX_INPUT_TOKENS": "900000",
        "MAX_OUTPUT_TOKENS": "8000"
      }
    }
  }
}

🚀 使用方法

1. 模型调用

# 工具名: call_model
# 参数: prompt (str) - 要发送给模型的提示词
# 返回: 模型的回答

2. 网页抓取

# 工具名: scrape_webpage  
# 参数: 
#   - url (str) - 要抓取的网页URL
#   - save_to_file (bool) - 是否保存内容到txt文件
# 返回: 抓取结果和文件路径（如果保存）

3. 内容总结

# 工具名: summarize_content
# 参数:
#   - content (str) - 要总结的内容  
#   - target_ratio (float) - 目标压缩比例，0.1-1.0之间，默认0.2
# 返回: 总结后的内容

4. 网页总结

# 工具名: summarize_webpage
# 参数:
#   - url (str) - 要抓取和总结的网页URL
#   - target_ratio (float) - 目标压缩比例，默认0.2
# 返回: 网页内容总结

5. 文本文件总结

# 工具名: read_and_summarize_text_file
# 参数:
#   - filepath (str) - 文本文件路径
#   - target_ratio (float) - 目标压缩比例，默认0.2
# 返回: 文件内容总结

6. PDF文件总结

# 工具名: read_and_summarize_pdf_file  
# 参数:
#   - filepath (str) - PDF文件路径
#   - target_ratio (float) - 目标压缩比例，默认0.2
# 返回: PDF内容总结

7. 主题汇总

# 工具名: topic_based_summary
# 参数:
#   - content (str) - 资料内容
#   - query (str) - 查询的主题或问题
# 返回: 基于主题的相关内容总结（2k字符内）

📖 使用示例

在 Claude Desktop 中使用

网页内容总结
请帮我总结这个网页的内容：https://example.com/article
文档总结
请读取并总结这个PDF文件：/path/to/document.pdf
主题分析
基于这段资料内容，帮我分析"人工智能发展趋势"相关的信息

直接运行服务器

# 设置环境变量
export OPENAI_API_KEY="your-api-key"

# 运行服务器
python fullscope_mcp_server.py

🔧 开发指南

项目结构

fullscope-mcp/
├── src/
│   └── fullscope_mcp_server/
│       ├── __init__.py
│       └── server.py
├── README.md
├── pyproject.toml
└── LICENSE

本地开发

# 克隆项目
git clone https://github.com/yzfly/fullscope-mcp
cd fullscope-mcp

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装开发依赖
pip install -e ".[dev]"

# 运行测试
pytest

代码格式化

# 格式化代码
black src/
isort src/

# 类型检查
mypy src/

🌐 支持的模型

本服务器主要针对 MiniMax API 设计，但通过配置 OPENAI_BASE_URL 和相关参数，也可以支持其他兼容 OpenAI API 格式的模型服务：

MiniMax-M1 (默认推荐)
MiniMax-Text-01
其他支持 OpenAI API 格式的服务

MiniMax API 配置说明

MiniMax API 支持最大 1,000,192 tokens 的上下文长度，非常适合处理长文档和大量内容的总结任务。

获取 API Key: MiniMax 开放平台
API 文档: MiniMax API 文档

🚀 发布到 PyPI 的步骤

1. 准备发布

# 安装构建工具
pip install build twine

# 构建包
python -m build

# 检查包
twine check dist/*

2. 发布到 TestPyPI (测试)

# 上传到 TestPyPI
twine upload --repository testpypi dist/*

# 从 TestPyPI 安装测试
pip install --index-url https://test.pypi.org/simple/ fullscope-mcp-server

3. 发布到正式 PyPI

# 上传到 PyPI
twine upload dist/*

📝 更新日志

v1.0.0 (2024-12-19)

✨ 首次发布
🌐 支持网页抓取和保存
📝 支持内容总结（可配置压缩比例）
📄 支持文本文件和PDF文件读取总结
🎯 支持主题汇总（RAG功能）
🤖 支持直接模型调用
⚙️ 完善的环境变量配置
📦 支持 uvx 和 pip 安装

🤝 贡献

欢迎提交 Issue 和 Pull Request！

Fork 本项目
创建功能分支 (git checkout -b feature/AmazingFeature)
提交更改 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
开启 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

👨‍💻 作者

yzfly

GitHub: @yzfly
Email: yz.liu.me@gmail.com
微信公众号: 云中江树
NPM: @langgpt

🙏 致谢

Model Context Protocol - 协议标准
MiniMax API - AI 模型服务
Beautiful Soup - HTML 解析
PyPDF2 - PDF 处理

❓ 常见问题

Q: 如何获取 MiniMax API Key？

A: 访问 MiniMax 开放平台，注册账号后在账户管理-接口密钥中获取。

Q: 可以使用其他模型吗？

A: 可以！通过配置 OPENAI_BASE_URL 和 OPENAI_MODEL 环境变量，可以使用任何兼容 OpenAI API 格式的模型服务。

Q: 文件大小有限制吗？

A: 是的，为了性能考虑：

文本文件和PDF文件内容限制在约 120k 字符以内
网页内容会根据模型的上下文限制自动截断
主题汇总结果限制在 2k 字符以内

Q: 如何在 Claude Desktop 中使用？

A: 按照上面的配置说明，将配置添加到 claude_desktop_config.json 文件中，重启 Claude Desktop 即可。

如果你觉得这个项目有用，请给个 ⭐ 星！

Install Server

HTTP connection URL

security – no known vulnerabilities

license - not found

quality - confirmed to work

How are these scores calculated?

Tools

A comprehensive Model Context Protocol server for content summarization that supports web scraping, file reading, content summarization, and topic-based summarization features.

Related MCP Servers

MCP Server Fetch TypeScript
tatn
A
security
A
license
A
quality
A Model Context Protocol server that provides web content fetching and conversion capabilities.
Last updated -
4
89
2
JavaScript
MIT License
Transcripter MCP Server
zentala
-
security
F
license
-
quality
A Model Context Protocol server that provides AI-powered features for the Transcripter project, including tools for searching and summarizing transcriptions and resources for accessing transcription and analysis data.
Last updated -
839
TypeScript
doc-lib-mcp
shifusen329
-
security
F
license
-
quality
A Model Context Protocol server for ingesting, chunking and semantically searching documentation files, with support for markdown, Python, OpenAPI, HTML files and URLs.
Last updated -
Python
Better Fetch
flutterninja9
-
security
F
license
-
quality
A Model Context Protocol server that intelligently fetches and processes web content, transforming websites and documentation into clean, structured markdown with nested URL crawling capabilities.
Last updated -
TypeScript

View all related MCP servers