Skip to main content
Glama
sengokudaikon

Perplexity MCP Server

Perplexity 聊天 MCP 服务器

Perplexity MCP 服务器为 Perplexity API 提供了基于 Python 的接口,提供查询回复、维护聊天历史记录和管理对话的工具。它支持通过环境变量配置模型,并在本地存储聊天数据。它使用 Python 和 setuptools 构建,旨在与开发环境集成。

MCP 服务器旨在模拟用户如何在浏览器上与 Perplexity Chat 进行交互,允许您的模型提出问题、继续对话并列出所有聊天。

铁匠徽章 发布和出版

成分

工具

  • ask_perplexity :通过 Perplexity 请求专家编程帮助。专注于代码解决方案、错误调试和技术解释。返回的答案包含来源引用和备选建议。

  • chat_perplexity :与 Perplexity AI 保持持续对话。创建新聊天或继续现有聊天,并保留完整的历史记录。返回聊天 ID 以供将来继续使用。

  • list_chats_perplexity :列出所有可用的 Perplexity AI 聊天对话。返回聊天 ID、标题和创建日期(以相对时间格式显示,例如“5 分钟前”、“2 天前”)。结果分页显示,每页 50 条聊天记录。

  • read_chat_perplexity :检索特定聊天的完整对话历史记录。返回包含所有消息及其时间戳的完整聊天历史记录。无需调用 Perplexity 的 API,仅从本地存储读取数据。

Related MCP server: Perplexity Agent MCP

主要特点

  • **通过环境变量配置模型:**允许您使用PERPLEXITY_MODEL环境变量指定 Perplexity 模型,以便灵活地选择模型。

    您还可以指定PERPLEXITY_MODEL_ASKPERPLEXITY_MODEL_CHAT来分别为ask_perplexitychat_perplexity工具使用不同的模型。

    这些将覆盖PERPLEXITY_MODEL 。您可以在Perplexity文档中查看哪些模型可用。

  • 持久聊天记录: chat_perplexity工具可维护与 Perplexity AI 的持续对话。它可以创建新的聊天或继续现有对话,并保留完整的历史记录。此外,它还会返回聊天 ID,以便将来继续使用。

  • **带有进度报告的流式响应:**使用进度报告来防止缓慢响应超时。

快速入门

先决条件

在使用此 MCP 服务器之前,请确保您已:

  • Python 3.10 或更高版本

  • 已安装uvx包管理器

注意:uvx 的安装说明可在此处找到。

所有客户端的配置

要使用此 MCP 服务器,请使用以下设置配置您的客户端(配置方法因客户端而异):

"mcpServers": {
  "mcp-perplexity": {
    "command": "uvx",
    "args": ["mcp-perplexity"],
    "env": {
      "PERPLEXITY_API_KEY": "your-api-key",
      "PERPLEXITY_MODEL": "sonar-pro",
      "DB_PATH": "chats.db"
    }
  }
}

环境变量

使用以下环境变量配置 MCP Perplexity 服务器:

多变的

描述

默认值

必需的

PERPLEXITY_API_KEY

您的 Perplexity API 密钥

没有任何

是的

PERPLEXITY_MODEL

交互的默认模型

sonar-pro

PERPLEXITY_MODEL_ASK

ask_perplexity工具的特定模型

使用PERPLEXITY_MODEL

PERPLEXITY_MODEL_CHAT

chat_perplexity工具的特定模型

使用PERPLEXITY_MODEL

DB_PATH

聊天记录数据库存储路径

chats.db

WEB_UI_ENABLED

启用或禁用 Web UI

false

WEB_UI_PORT

Web UI 端口

8050

WEB_UI_HOST

Web UI 主机

127.0.0.1

DEBUG_LOGS

启用详细日志记录

false

使用 Smithery CLI

npx -y @smithery/cli@latest run @daniel-lxs/mcp-perplexity --config "{\"perplexityApiKey\":\"pplx-abc\",\"perplexityModel\":\"sonar-pro\"}"

用法

询问困惑

ask_perplexity工具用于特定问题,该工具不保留聊天历史记录,每个请求都是一次新的聊天。

如果指定,该工具将使用PERPLEXITY_MODEL_ASK模型返回 Perplexity AI 的响应,否则将使用PERPLEXITY_MODEL模型。

聊天困惑

chat_perplexity工具用于记录正在进行的对话,并维护聊天历史记录。每个聊天都通过聊天 ID 进行标识,每次创建新聊天时,该工具都会返回此 ID。聊天 ID 如下所示: wild-horse-12

此工具对于调试、研究以及任何其他需要聊天历史记录的任务很有用。

如果指定,该工具将使用PERPLEXITY_MODEL_CHAT模型返回 Perplexity AI 的响应,否则将使用PERPLEXITY_MODEL模型。

list_chats_perplexity

列出所有可用的聊天对话。它返回一个分页的聊天列表,显示聊天 ID、标题和创建时间(相对路径格式)。您可以使用 page 参数指定page (默认为 1,每页 50 条聊天)。

read_chat_perplexity

检索指定chat_id的完整对话历史记录。此工具返回聊天中的所有消息,包括时间戳和角色(用户或助手)。此工具不会对 Perplexity 进行任何 API 调用;它仅从本地数据库读取数据。

Web 用户界面

MCP Perplexity 服务器现在包含一个 Web 界面,可以更轻松地进行聊天交互和管理。

特征

  • 交互式聊天界面

  • 聊天记录管理

  • 实时消息显示

截图

聊天列表视图

图像

聊天界面

图像

访问 Web UI

WEB_UI_ENABLED设置为true时,Web UI 将在http://WEB_UI_HOST:WEB_UI_PORT上可用。

默认情况下,这是http://127.0.0.1:8050

发展

本项目使用 setuptools 进行开发和构建。开始操作:

  1. 创建虚拟环境:

    python -m venv .venv
    source .venv/bin/activate  # On Linux/macOS
    # or
    .venv\Scripts\activate  # On Windows
  2. 以可编辑模式安装项目及其所有依赖项:

    pip install -e .
  3. 构建项目:

    python -m build

虚拟环境将包含开发所需的所有依赖项。

贡献

该项目开放贡献。请参阅CONTRIBUTING.md文件了解更多信息。

执照

本项目遵循 MIT 许可证。详情请参阅LICENSE文件。

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    D
    maintenance
    Provides AI-powered search, research, and reasoning capabilities through integration with Perplexity.ai, offering three specialized tools: general conversational AI, deep research with citations, and advanced reasoning.
    7 npm
    2
    MIT
  • A
    license
    A
    quality
    A
    maintenance
    Enables coding assistants to access Perplexity AI for quick fact-checking and in-depth research. Provides two tools: lookup for fast documentation queries and answer for comprehensive research with recommendations.
    2
    27 npm
    1
    MIT
  • F
    license
    Not graded
    quality
    D
    maintenance
    Integrates with Perplexity's API to provide web search and AI-powered answers with citations. Offers a three-tier research workflow: search for sources, ask for grounded AI answers, and ask_more for deeper analysis using advanced models.
    -