AI-Forward Delivery Leader Build Program 的 PH.02。 一个 MCP（Model Context Protocol）服务器，将 delivery-copilot 的索引项目文档——SOW、状态报告、QBR 笔记、风险登记册——作为工具、一个资源和一条提示暴露出来，任何 MCP 主机（Claude Desktop、Claude Code）都可以直接使用，并且从 PH.01 直接沿用了按账户隔离。
已构建并验证：3 个工具、1 个资源、1 条提示，全部通过真实的 MCP Client 以及 Claude Code 中的 claude mcp add 进行了端到端测试。
Related MCP server: Claude RAG MCP Pipeline
MCP 标准化了 主机 应用程序（Claude Desktop、Claude Code）与暴露数据和功能的 服务器 之间的通信方式——一种集成，而不是每个应用一种定制集成。服务器暴露三种不同的原语类型，本构建刻意全部使用这三种类型，以实际动手的方式展示其区别，而不仅仅是描述它：
工具 — 模型 在对话过程中决定调用的一种操作，自行选择参数。search_delivery_docs 是本服务器的主要工具。
资源 — 应用程序 按 URI 选择加载的只读数据，就像浏览器获取网页一样——而不是模型自行调用的东西。delivery://{account}/{filename} 是本服务器的资源：当您已经知道想要哪个文档时，就获取整个文档。
提示 — 人 按名称调用的一条消息模板，类似斜杠命令。draft_status_update 是本服务器的提示：选择一个账户，就会将一条预先写好的指令插入到对话中。
检索/生成分离才是这里真正的架构决策。 delivery-copilot/ask.py 在一个脚本中检索分块 并 调用 Claude 来生成带引用的答案，因为该流水线中没有其他东西是模型。而在 MCP 服务器内部，循环中已经有一个模型——即任何驱动主机对话的模型。因此 search_delivery_docs 只做检索，并将匹配的分块作为数据返回；主机自己的模型读取这些分块，并在工具的 docstring 中内置的引用/拒绝指令的指导下自行起草有依据的答案（这是服务器唯一能留下关于依据来源的指令的地方，因为它不拥有系统提示词）。有一个值得指出的后果：该服务器调用 Claude 的次数为零。 没有 ANTHROPIC_API_KEY，没有计费请求——它只是本地嵌入和向量搜索，正是 ingest.py 已经在做的事情。生成成本完全由主机承担。
隔离从 PH.01 起保持不变。 每个工具都接受一个 account 参数，并且只读取该账户的 Chroma 集合（delivery_docs__<account>）——在此层再次用一个临时第二账户验证：向它提出一个无关的问题（只有 meridian-health 才能回答的问题），返回的只有自己的单条笔记，绝无 Meridian 内容。
本仓库对 delivery-copilot 的依赖恰好只有一项：位于 chroma_db/ 的 数据产物，而不是它的代码。没有跨仓库的 pip install -e，也没有共享模块：
list_accounts() 读取 client.list_collections() 并去除 delivery_docs__ 前缀——完全不需要 data/raw/。
list_documents(account) 读取该集合的块元数据中已存储的不同 source 值。
delivery:// 资源通过按原始顺序拼接其分块来重建文档（分块是从 ingest.py 已分配的 source::N 分块 ID 中解析出来的）。
将 DELIVERY_DB_PATH 指向任何已构建的 Chroma 存储（默认：../delivery-copilot/chroma_db，假设两个仓库作为兄弟目录克隆），这个服务器就能工作——在代码上真正自包含、可独立克隆，这与 ai-fundamentals-rig 和 delivery-copilot 彼此独立的方式一致。
mcp[cli] 引入了 pyjwt[crypto] → cryptography。cryptography 从 v46.0.4 开始放弃预构建的 x86_64 macOS wheels（此后仅提供 arm64 版本）——在这台（确实是 Intel）机器上安装时，尝试从源代码编译，并在缺少 Rust/OpenSSL 头文件的情况下失败。在 requirements.txt 中将 cryptography==46.0.3 固定为最后一个包含 x86_64 wheel 的版本，完全满足 pyjwt 的 cryptography>=3.4.0 要求。这提醒我们：“pip install” 会默默假设你的 CPU 架构有对应的 wheel——但并非总是如此。
另外：MCP Python SDK 的当前主版本（v2）要求 Python 3.10+；这台机器的系统 Python 是 3.9.6。通过官方 python.org 安装程序安装了 3.13，与系统解释器并存，专门用于本仓库的 .venv。
# needs delivery-copilot's index already built: `python ingest.py` in that repo first
python3.13 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt手动测试，无需主机——通过一个真实的内存 Client 调用每个工具/资源/提示：
python test_server.pyMCP Inspector（交互式，打开本地 Web UI）：
uv run mcp dev server.py # or: pip install uv, then the same command注册到 Claude Code：
claude mcp add delivery-copilot \
-e DELIVERY_DB_PATH=/absolute/path/to/delivery-copilot/chroma_db \
-- /absolute/path/to/delivery-mcp-server/.venv/bin/python /absolute/path/to/delivery-mcp-server/server.py
claude mcp list # confirm it connects然后，在 Claude Code 对话中：“使用 delivery-copilot MCP 服务器，根据文档，meridian-health 的 Okta 风险由谁负责？” — Claude 会自行调用 search_delivery_docs 并引用返回的内容。
PH.02 已功能完备：3 个工具、1 个资源、1 条提示，已在本地并通过 Claude Code 进行实测。自然的扩展（非阻塞）：一旦出现第二个真实账户就加入（这里没有任何 meridian-health 特有的东西），并且 PH.03 的智能体式状态/风险代理可以合理地基于 draft_status_update 构建，而不是从头开始。
This server cannot be deployed
Ingest, manage, and retrieve documents for RAG-powered AI applications
Agentic search over your Dewey document collections from any MCP-compatible client.
Search your knowledge bases from any AI assistant using hybrid RAG.
Securely search and manage workspace context files for AI agents and teams.
