MCP-Berater

Englisch |简体中文

Einführung

MCP Advisor ist ein Erkennungs- und Empfehlungsdienst, der KI-Assistenten dabei unterstützt, Model Context Protocol (MCP)-Server mithilfe natürlicher Sprachabfragen zu erkunden. Er erleichtert Benutzern die Suche und Nutzung geeigneter MCP-Tools für bestimmte Aufgaben.

Related MCP server: MCPfinder Server

Merkmale

• Suche in natürlicher Sprache : Finden Sie MCP-Dienste mithilfe von Konversationsabfragen

• Umfangreiche Metadaten : Erhalten Sie detaillierte Informationen zu jedem Dienst

• Echtzeit-Updates : Immer synchron mit den neuesten MCP-Diensten

• Einfache Integration : Einfache Konfiguration für jeden MCP-kompatiblen KI-Assistenten

• Hybrid-Suchmaschine : Erweiterte Suchfunktionen, die Vektorsuche und Textabgleich kombinieren

• Unterstützung mehrerer Anbieter : Unterstützung für die parallele Ausführung mehrerer Suchanbieter

Dokumentationsnavigation

• Installationshandbuch - Detaillierte Installations- und Konfigurationsanweisungen

• Benutzerhandbuch – So verwenden Sie MCP Advisor

• Architekturdokumentation – Details zur Systemarchitektur

• Technische Details – Erweiterte technische Funktionen

• Entwicklerhandbuch – Einrichten der Entwicklungsumgebung und Bereitstellen von Code

• Best Practices – Kodierungsstandards und Best Practices für Mitwirkende

• Fehlerbehebung – Häufige Probleme und Lösungen

• Anbieter suchen - Anbieterdetails suchen

• API-Referenz - API-Dokumentation

• Roadmap – Zukünftige Entwicklungspläne

• Beitragsrichtlinien – So tragen Sie Code bei

Schnellstart

Installation

Der schnellste Weg ist die Integration von MCP Advisor über die MCP-Konfiguration:

{
  "mcpServers": {
    "mcpadvisor": {
      "command": "npx",
      "args": ["-y", "@xiaohui-wang/mcpadvisor"]
    }
  }
}

Fügen Sie diese Konfiguration zur MCP-Einstellungsdatei Ihres KI-Assistenten hinzu:

• MacOS/Linux: ~/Library/Application Support/Claude/claude_desktop_config.json

• Windows: %AppData%\Claude\claude_desktop_config.json

Weitere Installationsmethoden finden Sie im Installationshandbuch .

Demo

Entwicklerhandbuch

Architekturübersicht

MCP Advisor verwendet eine modulare Architektur mit klarer Trennung der Belange und funktionalen Programmierprinzipien:

graph TD
    Client["Client Application"] --> |"MCP Protocol"| Transport["Transport Layer"]
    
    subgraph "MCP Advisor Server"
        Transport --> |"Request"| SearchService["Search Service"]
        SearchService --> |"Query"| Providers["Search Providers"]
        
        subgraph "Search Providers"
            Providers --> MeilisearchProvider["Meilisearch Provider"]
            Providers --> GetMcpProvider["GetMCP Provider"]
            Providers --> CompassProvider["Compass Provider"]
            Providers --> OfflineProvider["Offline Provider"]
        end
        
        OfflineProvider --> |"Hybrid Search"| HybridSearch["Hybrid Search Engine"]
        HybridSearch --> TextMatching["Text Matching"]
        HybridSearch --> VectorSearch["Vector Search"]
        
        SearchService --> |"Merge & Filter"| ResultProcessor["Result Processor"]
        
        SearchService --> Logger["Logging System"]
    end

Kernkomponenten

1. Suchdienstebene

   • Einheitliche Suchoberfläche und Anbieteraggregation

   • Unterstützung für mehrere parallel ausgeführte Suchanbieter

   • Konfigurierbare Suchoptionen (Limit, minSimilarity)

2. Anbieter suchen

   • Meilisearch-Anbieter : Vektorsuche mit Meilisearch

   • GetMCP-Anbieter : API-Suche aus der GetMCP-Registrierung

   • Compass Provider : API-Suche aus dem Compass-Register

   • Offline-Anbieter : Hybridsuche, die Text und Vektoren kombiniert

3. Hybride Suchstrategie

   • Intelligente Kombination aus Textvergleich und Vektorsuche

   • Konfigurierbarer Gewichtsausgleich

   • Intelligente adaptive Filtermechanismen

4. Transportschicht

   • Stdio (CLI-Standard)

   • SSE (Web-Integration)

   • REST-API-Endpunkte

Eine ausführlichere Architekturdokumentation finden Sie unter ARCHITECTURE.md .

Technische Highlights

Erweiterte Suchtechniken

1. Vektornormalisierung

   • Alle Vektoren sind auf die Einheitslänge normalisiert (Betrag = 1)

   • Gewährleistet konsistente Kosinus-Ähnlichkeitsberechnungen

   • Verbessert die Suchpräzision durch Fokussierung auf die Richtung statt auf die Größe

2. Parallele Suchausführung

   • Vektorsuche und Textsuche laufen parallel

   • Nutzt Promise.all für optimale Leistung

   • Fallback-Mechanismen aktiviert, wenn eine der Suchen fehlschlägt

3. Zusammenführen gewichteter Ergebnisse

   • Konfigurierbare Gewichte zwischen Vektor- und Textergebnissen

   • Standard: Vektorähnlichkeit (70 %), Textübereinstimmung (30 %)

Fehlerbehandlungs- und Protokollierungssystem

MCP Advisor implementiert robuste Fehlerbehandlungs- und Protokollierungssysteme:

1. Kontextbezogene Fehlerformatierung

   • Standardisierte Fehlerobjektanreicherung

   • Beibehaltung und Formatierung des Stacktrace

   • Fehlertypkategorisierung und -standardisierung

2. Anmutige Degradierung

   • Multi-Provider-Fallback-Strategien

   • Teilergebnisverarbeitung

   • Standardreaktionen bei kritischen Fehlern

Weitere technische Einzelheiten finden Sie unter TECHNICAL_DETAILS.md .

Schnellstart für Entwickler

Einrichten der Entwicklungsumgebung

1. Klonen Sie das Repository

2. Installieren Sie Abhängigkeiten:

   npm install

3. Konfigurieren Sie Umgebungsvariablen (siehe INSTALLATION.md )

Bibliotheksnutzung

import { SearchService } from '@xiaohui-wang/mcpadvisor';

// Initialize search service
const searchService = new SearchService();

// Search for MCP servers
const results = await searchService.search('vector database integration');
console.log(results);

Transportmöglichkeiten

MCP Advisor unterstützt mehrere Transportmethoden:

1. Stdio Transport (Standard) – Geeignet für Befehlszeilentools

2. SSE Transport – Geeignet für die Webintegration

3. REST-Transport – Bietet REST-API-Endpunkte

Weitere Entwicklungsdetails finden Sie unter DEVELOPER_GUIDE.md .

Beitragsrichtlinien

1. Befolgen Sie die Konventionen für Commit-Nachrichten:

   • Verwenden Sie Kleinbuchstaben (feat, fix, docs usw.).

   • Schreiben Sie beschreibende Nachrichten im Satzformat

2. Sicherstellen der Codequalität:

   • Tests ausführen: npm test

   • Typen prüfen: npm run type-check

   • Lint-Code: npm run lint

Ausführliche Richtlinien für Beiträge finden Sie unter CONTRIBUTING.md .

Anwendungsbeispiele

Beispielabfragen

Hier sind einige Beispielabfragen, die Sie mit MCP Advisor verwenden können:

"Find MCP servers for natural language processing"
"MCP servers for financial data analysis"
"E-commerce recommendation engine MCP servers"
"MCP servers with image recognition capabilities"
"Weather data processing MCP servers"
"Document summarization MCP servers"

Beispielantwort

[
  {
    "title": "NLP Toolkit",
    "description": "Comprehensive natural language processing toolkit with sentiment analysis, entity recognition, and text summarization capabilities.",
    "github_url": "https://github.com/example/nlp-toolkit",
    "similarity": 0.92
  },
  {
    "title": "Text Processor",
    "description": "Efficient text processing MCP server with multi-language support.",
    "github_url": "https://github.com/example/text-processor",
    "similarity": 0.85
  }
]

Weitere Beispiele finden Sie unter EXAMPLES.md .

Fehlerbehebung

Häufige Probleme

1. Verbindung abgelehnt

   • Stellen Sie sicher, dass der Server auf dem angegebenen Port läuft

   • Überprüfen Sie die Firewall-Einstellungen

2. Keine Ergebnisse zurückgegeben

   • Versuchen Sie eine allgemeinere Abfrage

   • Überprüfen Sie die Netzwerkverbindung zu den Registrierungs-APIs

3. Leistungsprobleme

   • Erwägen Sie das Hinzufügen spezifischerer Suchbegriffe

   • Serverressourcen (CPU/Speicher) prüfen

Weitere Informationen zur Fehlerbehebung finden Sie unter TROUBLESHOOTING.md .

Anbieter suchen

MCP Advisor unterstützt mehrere Suchanbieter, die gleichzeitig verwendet werden können:

1. Compass Search Provider : Ruft MCP-Serverinformationen mithilfe der Compass-API ab

2. GetMCP-Suchanbieter : Verwendet die GetMCP-API und die Vektorsuche für die semantische Übereinstimmung

3. Meilisearch-Suchanbieter : Verwendet Meilisearch für eine schnelle, fehlertolerante Textsuche

Ausführliche Informationen zu Suchanbietern finden Sie unter SEARCH_PROVIDERS.md .

API-Dokumentation

Eine ausführliche API-Dokumentation finden Sie unter API_REFERENCE.md .

Fahrplan

MCP Advisor entwickelt sich von einem einfachen Empfehlungssystem zu einer intelligenten Agenten-Orchestrierungsplattform. Unsere Vision ist ein System, das nicht nur die richtigen MCP-Server empfiehlt, sondern auch aus Interaktionen lernt und Agenten bei der dynamischen Planung und Ausführung komplexer Aufgaben unterstützt.

gantt
    title MCP Advisor Evolution Roadmap
    dateFormat  YYYY-MM-DD
    axisFormat  %Y-%m
    
    section Foundation
    Enhanced Search & Recommendation ✓       :done, 2025-01-01, 90d
    Hybrid Search Engine ✓                   :done, 2025-01-01, 90d
    Provider Priority System ✓               :done, 2025-04-01, 60d
    
    section Intelligence Layer
    Feedback Collection System               :active, 2025-04-01, 90d
    Agent Interaction Analytics             :2025-07-01, 120d
    Usage Pattern Recognition               :2025-07-01, 90d
    
    section Learning Systems
    Reinforcement Learning Framework         :2025-10-01, 180d
    Contextual Bandit Implementation         :2025-10-01, 120d
    Multi-Agent Reward Modeling             :2026-01-01, 90d
    
    section Advanced Features
    Task Decomposition Engine               :2026-01-01, 120d
    Dynamic Planning System                 :2026-04-01, 150d
    Adaptive MCP Orchestration              :2026-04-01, 120d
    
    section Ecosystem
    Developer SDK & API                     :2026-07-01, 90d
    Custom MCP Training Tools               :2026-07-01, 120d
    Enterprise Integration Framework        :2026-10-01, 150d

Wichtige Entwicklungsphasen

1. Optimierung der Empfehlungsfähigkeit (2025 Q2-Q3)

   • Akzeptieren Sie Benutzerfeedback

   • Verfeinern Sie die Wirksamkeit von Empfehlungen

   • Einführung weiterer Indizes

Eine detaillierte Roadmap finden Sie unter ROADMAP.md .

Testen

Verwenden Sie den Inspector zum Testen:

npx @modelcontextprotocol/inspector

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE .