mcp_law_server/
├── pyproject.toml                # 元数据 / 依赖 / 入口 / 工具配置
├── .env.example                  # 环境变量模板（复制为 .env 填写）
├── Dockerfile                    # Docker 镜像构建（python:3.12-slim）
├── docker-compose.yaml           # 单服务编排（stdio/http 双传输）
├── src/mcp_law_server/           # ── 应用代码（src-layout）──
│   ├── main.py                   # CLI 入口（stdio / http 双传输 + 优雅关闭）
│   ├── config/                   # 配置层 —— Settings 单例（pydantic-settings）
│   ├── models/                   # 数据模型层 —— enums / schemas / errors / error_codes
│   ├── interfaces/               # 接口层 —— 13 个 Protocol 定义（embedding/db/vector/cache）
│   ├── db/                       # MySQL 数据访问层 —— connection + 5 个 DAO
│   ├── vector/                   # Milvus 向量访问层 —— client + 3 个 Searcher
│   ├── embedding/                # Embedding 层 —— BGEEncoder 本地推理
│   ├── cache/                    # 缓存层 —— 内存/Redis 双后端 + TypedCache
│   ├── tools/                    # MCP 工具层 —— 11 个 tool handler（核心业务）
│   ├── hermes/                   # Hermes 编排层 —— 10 文件 Python 包（14 Agent DAG）
│   ├── observability/            # 可观测性 —— logging + degradation + log_format
│   ├── registry/                 # MCP Registry —— 12 文件 7 模块（工具注册/语义匹配/网关）
│   ├── chat/                     # Chat 服务 —— export/law/stats/sse 4 模块
│   └── server/                   # MCP Server 注册 —— mcp_app + error_boundary
├── scripts/                      # ── 运维脚本（验证/演示/向量化/性能测试）──
└── tests/                        # ── 测试（14 子目录，1066 测）──

# 1. 安装核心 + 开发依赖（uv 会自动准备 Python 3.12 解释器）
uv sync

# 2. （按需）安装 ML 依赖（FlagEmbedding / torch，体积较大）
uv sync --extra ml

# 3. 配置环境变量
cp .env.example .env          # 然后编辑 .env 填写真实值

# 4. 启动 MCP Server（stdio 模式）
uv run mcp-law-server

# 5. 启动 MCP Server（HTTP 模式）
MCP_TRANSPORT=http uv run mcp-law-server