Better Prompts MCP

一个自动帮助用户从文章中萃取理论、存储到向量数据库、根据用户输入自动从知识库中调用方法论、构建更增强提示词的 MCP 服务。

🌟 功能特性

萃取工具 (extract_methodology)

• 📝 支持文本内容和 URL 链接输入

• 🌐 自动提取网页正文内容

• 🤖 使用 AI 从内容中萃取可操作的方法论

• 💾 支持本地和云端两种存储方式

提示增强工具 (enhance_prompt)

• 🔍 从知识库检索相关方法论（默认前3个）

• ✨ 结合方法论生成增强的提示词

• 📚 提供更专业、更具指导性的提示内容

双模式知识库

• 本地存储: Milvus Lite + Ollama 嵌入模型

• 云端存储: Dify 知识库 API

Related MCP server: Crawl4AI RAG MCP Server

🚀 快速开始

环境要求

• Python 3.10+

• Claude Desktop (或其他支持 MCP 的客户端)

安装步骤

1. 克隆仓库

   git clone https://github.com/comeonzhj/better-prompts-mcp.git
   cd better-prompts-mcp

2. 安装依赖

   uv venv
   source .venv/bin/activate  # Windows: .venv\Scripts\activate
   uv pip install -e .

3. 配置环境变量

   cp env_example.txt .env
   # 编辑 .env 文件配置您的参数

4. 本地存储配置（可选）

   # 安装并启动 Ollama
   curl -fsSL https://ollama.ai/install.sh | sh
   ollama serve
   
   # 安装嵌入模型
   ollama pull nomic-embed-text

5. 配置 Claude Desktop

   编辑 ~/Library/Application Support/Claude/claude_desktop_config.json：

   {
     "mcpServers": {
       "better_prompts": {
         "command": "uv",
         "args": [
           "--directory",
           "/绝对路径/到/better-prompts-mcp",
           "run",
           "python",
           "-m",
           "mcp_server_better_prompts"
         ],
         "env": {
           "KNOWLEDGE_STORAGE": "local",
           "LLM_API_BASE": "https://api.openai.com/v1",
           "LLM_API_KEY": "your_api_key_here",
           "LLM_MODEL_NAME": "gpt-3.5-turbo"
         }
       }
     }
   }

6. 重启 Claude Desktop

📖 使用方法

萃取方法论

从文本萃取

请帮我萃取以下内容中的方法论：

[粘贴您要萃取的文本内容]

从 URL 萃取

请帮我萃取这个网页中的方法论：
https://example.com/article

增强提示词

请帮我优化这个提示词：

我想写一篇关于产品营销的文案

系统会自动：

1. 从知识库检索相关的营销方法论

2. 结合方法论生成增强的提示词

3. 返回更专业、更具指导性的提示内容

⚙️ 配置说明

环境变量

基础配置

# 知识库存储方式: local/cloud
KNOWLEDGE_STORAGE=local

# 大模型 API 配置
LLM_API_BASE=https://api.openai.com/v1
LLM_API_KEY=your_api_key_here
LLM_MODEL_NAME=gpt-3.5-turbo

云端存储配置（可选）

# 云端调用需要付费版，可自己部署
DIFY_BASE_URL=https://api.dify.ai/v1
DIFY_API_KEY=your_dify_api_key
DIFY_DATASET_ID=your_dataset_id
DIFY_DOCUMENT_ID=your_document_id

🏗️ 技术架构

• MCP 协议: 基于标准 MCP 协议实现

• 向量数据库: Milvus Lite (本地) / Dify API (云端)

• 嵌入模型: Ollama nomic-embed-text

• 内容提取: readabilipy + markdownify

• 大模型: 支持 OpenAI 兼容的 API

🔧 故障排除

常见问题

1. Milvus 向量数据库错误

   • 重新安装服务：uv pip install -e . --force-reinstall

2. Ollama 连接失败

   • 确保服务已启动：ollama serve

   • 确认模型已安装：ollama list | grep nomic-embed-text

3. API 调用失败

   • 检查 API 密钥配置

   • 确认网络连接正常

🧪 验证安装

运行验证脚本：

python verify_install.py

📁 项目结构

better-prompts-mcp/
├── pyproject.toml                    # 项目配置
├── env_example.txt                   # 环境变量示例
├── claude_desktop_config_example.json # Claude 配置示例
├── 使用说明.md                       # 详细使用说明
├── verify_install.py                 # 安装验证脚本
└── src/
    └── mcp_server_better_prompts/
        ├── __init__.py
        ├── __main__.py
        └── server.py                 # 主服务实现

🤝 贡献

欢迎提交 Issues 和 Pull Requests！

📄 许可证

MIT License

🙏 致谢

• Model Context Protocol (MCP)

• Milvus

• Ollama

• Dify

• Cursor

构造提示词

移步 how-to-prompt查看完整的构造提示词和支持物料。