Aurai Advisor (上级顾问 MCP)

Instructions

Implementation Reference

• src/mcp_aurai/server.py:706-722 (handler)

  The get_status tool handler function - an async function decorated with @mcp.tool() that returns current conversation status including history count, max iterations, max history, provider, and model information.

  @mcp.tool()
  async def get_status() -> dict[str, Any]:
      """
      获取当前状态
  
      返回当前对话状态、迭代次数、配置信息等。
  
      ---
      **返回内容**：conversation_history_count（对话历史数量）、max_iterations（最大迭代次数）、max_history（最大历史条数）、provider（AI提供商）、model（模型名称）
      """
      return {
          "conversation_history_count": len(_conversation_history),
          "max_iterations": get_aurai_config().max_iterations,
          "max_history": server_config.max_history,
          "provider": get_aurai_config().provider,
          "model": get_aurai_config().model,
      }

• src/mcp_aurai/server.py:706-706 (registration)

  The @mcp.tool() decorator that registers the get_status function as an MCP tool with the FastMCP framework.

  @mcp.tool()

• src/mcp_aurai/config.py:41-121 (schema)

  AuraiConfig Pydantic model that defines the schema for AI provider configuration (max_iterations, provider, model) returned by get_status.

  class AuraiConfig(BaseModel):
      """上级AI配置"""
  
      # API提供商（固定为 custom，使用 OpenAI 兼容 API）
      provider: Literal["custom"] = Field(
          default="custom",
          description="AI服务提供商（固定使用自定义 OpenAI 兼容 API）"
      )
  
      # API密钥
      api_key: str = Field(
          default_factory=lambda: os.getenv("AURAI_API_KEY", ""),
          description="API密钥"
      )
  
      # API基础URL（可选，用于代理或自定义端点）
      base_url: str | None = Field(
          default_factory=lambda: os.getenv("AURAI_BASE_URL"),
          description="API基础URL"
      )
  
      # 模型名称
      model: str = Field(
          default_factory=lambda: os.getenv("AURAI_MODEL", "gpt-4o"),
          description="模型名称"
      )
  
      # 上下文窗口大小（tokens）- 默认基于 GLM-4.7，可通过环境变量覆盖
      context_window: int = Field(
          default_factory=lambda: int(os.getenv("AURAI_CONTEXT_WINDOW", str(DEFAULT_CONTEXT_WINDOW))),
          ge=1,
          description="模型上下文窗口大小（默认：200,000，基于 GLM-4.7）"
      )
  
      # 单条消息最大 tokens - 默认基于 GLM-4.7，可通过环境变量覆盖
      max_message_tokens: int = Field(
          default_factory=lambda: int(os.getenv("AURAI_MAX_MESSAGE_TOKENS", str(DEFAULT_MAX_MESSAGE_TOKENS))),
          ge=1,
          description="单条消息最大 tokens（默认：150,000，基于 GLM-4.7 优化）"
      )
  
      # 最大迭代次数
      max_iterations: int = Field(
          default=10,
          description="最大迭代次数"
      )
  
      # 温度参数
      temperature: float = Field(
          default=0.7,
          ge=0.0,
          le=2.0,
          description="温度参数"
      )
  
      # 最大生成 tokens - 默认基于 GLM-4.7，可通过环境变量覆盖
      max_tokens: int = Field(
          default_factory=lambda: int(os.getenv("AURAI_MAX_TOKENS", str(DEFAULT_MAX_TOKENS))),
          ge=1,
          description="最大生成 tokens（默认：32,000，基于 GLM-4.7 优化）"
      )
  
      @field_validator('api_key')
      @classmethod
      def validate_api_key(cls, v: str) -> str:
          """验证API密钥格式"""
          if not v or not v.strip():
              raise ValueError("API密钥不能为空")
  
          v = v.strip()
  
          # 基本长度验证（大多数API密钥至少20个字符）
          if len(v) < 10:
              raise ValueError("API密钥长度不能少于10个字符")
  
          # 基本格式验证（不能包含空格或特殊控制字符）
          if re.search(r'[\s\n\r\t]', v):
              raise ValueError("API密钥不能包含空格或控制字符")
  
          return v

• src/mcp_aurai/config.py:151-182 (schema)

  ServerConfig Pydantic model that defines the schema for server configuration (max_history) returned by get_status.

  class ServerConfig(BaseModel):
      """服务器配置"""
  
      # 服务器名称
      name: str = "Aurai Advisor"
  
      # 日志级别
      log_level: Literal["DEBUG", "INFO", "WARNING", "ERROR"] = "INFO"
  
      # 对话历史最大保存数
      max_history: int = Field(
          default_factory=lambda: int(os.getenv("AURAI_MAX_HISTORY", "50")),
          ge=1,
          le=200,
          description="对话历史最大保存数"
      )
  
      # 启用对话历史持久化
      enable_persistence: bool = Field(
          default_factory=lambda: os.getenv("AURAI_ENABLE_PERSISTENCE", "true").lower() == "true",
          description="是否启用对话历史持久化到文件"
      )
  
      # 对话历史文件路径（固定在用户目录）
      history_path: str = Field(
          default_factory=lambda: os.getenv(
              "AURAI_HISTORY_PATH",
              str(Path.home() / ".mcp-aurai" / "history.json")
          ),
          description="对话历史文件路径"
      )