Deep Learning with Python — MCP 知识库

一个 MCP（Model Context Protocol）服务器，将《Deep Learning with Python》（François Chollet）一书变成可搜索的知识库，让 Claude 能够基于书中的内容充当深度学习/机器学习专家。

服务器通过 stdio 在本地运行。它读取 input/ 中的 PDF，并根据 PDF 自带的书签大纲，在内存中构建该书约 200 个叶节点章节（细到 3.4.3 这样的子节）的索引。书籍 PDF 需要手动放置到位。

路线图

• 创建 MCP MVP

• 连接并验证

• 添加错误处理

• 添加 MCP inspector

Related MCP server: grimoire-beholder-mcp

设置

# from the project root
pip install -r requirements.txt

需要将书籍 PDF 放在 input/Deep_Learning_with_Python_Chollet.pdf

独立运行

.venv\Scripts\python.exe server.py

这会阻塞运行，通过 stdio 进行 MCP 通信——它旨在由 MCP 客户端启动，而不是交互式运行。按 Ctrl+C 停止。

连接到客户端

Claude Code（在项目根目录下）：

claude mcp add dl-python-expert -- "C:\Users\leowa\Projekte\mcp_deepLearning\.venv\Scripts\python.exe" "C:\Users\leowa\Projekte\mcp_deepLearning\server.py"

Claude Desktop — 添加到 claude_desktop_config.json：

{
  "mcpServers": {
    "dl-python-expert": {
      "command": "C:\\Users\\leowa\\Projekte\\mcp_deepLearning\\.venv\\Scripts\\python.exe",
      "args": ["C:\\Users\\leowa\\Projekte\\mcp_deepLearning\\server.py"]
    }
  }
}

已注册内容

工具

• search_book(query, top_k=5) — 对所有书籍章节进行关键词排序搜索；返回 id、标题、面包屑、页码和摘要片段。

• get_section(section_id) — 按 id（例如 3.4.3、6.2.2）获取某个章节的完整文本，id 由 search_book 或 list_sections 返回。只有叶节点章节可被寻址；带有子章节的标题（例如 5.1）本身不可获取——请改用其子章节。

• list_sections(chapter=None) — 不带参数时列出各章/附录；传入其中一个确切字符串时，列出该章/附录的章节和 id。

资源

• book://toc — 完整的目录，包含章节 id 和页码，无需调用工具即可浏览结构。

提示词

• explain_concept(topic) — 指示 Claude 搜索书籍，为论断引用章节 id 和页码，并在相关处包含书中的 Keras 代码示例。

使用示例

连接后，可以这样向 Claude 提问：

使用深度学习知识库，结合书中的代码示例，解释 dropout 如何对抗过拟合。

Claude 会调用 search_book，通过 get_section 拉取相关章节，并引用例如 [4.4.3] Adding dropout (p. 130) 来作答。

设计说明 / 已知限制

• 搜索 采用简单的关键词/词项重叠评分（仅用标准库）——没有嵌入。对于先检索再解释的流程已经足够；实际推理由 Claude 完成。

• 章节粒度 仅到叶节点。位于父标题与其第一个子节之间的少量“章节引言”文本不归属于任何章节，实际上会被跳过。

• 每次服务器启动时都会从 PDF 重新构建索引（384 页约 3 秒）；按设计没有持久化缓存，因此书籍内容永远不会落入可能被意外提交的文件中。

• 索引范围仅限于书籍的技术内容（第 1–9 章 + 附录 A/B）——前置部分和书末索引被排除在外。

文件

• server.py — 入口点；创建 MCPServer，注册来自 tools.py 的工具，通过 stdio 运行。

• tools.py — 工具/资源/提示词定义。

• knowledge_base.py — PDF 加载、基于大纲的章节索引和搜索。

• input/ — 源 PDF（已被 gitignore）。