FullScope-MCP is a versatile server designed for content processing and summarization tasks, offering:
🤖 Model Calls: Query large language models directly
🌐 Web Scraping: Extract webpage content with option to save as text
📝 Content Summarization: Summarize text to specified length (default 20%)
🔗 Webpage Summarization: Fetch and summarize webpage content
📄 Text File Summarization: Process .txt files (limited to 2k characters)
📚 PDF File Summarization: Extract and summarize PDF content (limited to 2k characters)
🎯 Topic-Based Summary: Generate targeted summaries based on specific queries (RAG-like functionality)
Includes author information with NPM profile (@langgpt) for package distribution
Utilizes OpenAI API format for model interactions, with configuration options for API key, base URL, and model selection
Supports distribution through PyPI, with detailed instructions for building, testing, and publishing the package
Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@FullScope-MCPsummarize this webpage for me: https://example.com/long-article"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
FullScope-MCP
内容总结运营 MCP Server，支持网页抓取、文件读取、内容总结、主题汇总等功能
🌟 功能特性
FullScope-MCP 是一个功能全面的 Model Context Protocol (MCP) 服务器，专门用于内容总结和运营场景。支持以下核心功能：
🤖 模型调用: 直接调用大语言模型进行回答
🌐 网页抓取: 抓取网页内容，可选保存为 txt 文本文件
📝 内容总结: 将任意内容总结为指定长度（默认原来的 20%，脱水版）
🔗 网页总结: 获取网页内容并自动总结为精炼版本
📄 文本文件总结: 读取 txt 等格式的文本文件并总结内容（限制返回 2k 字符）
📚 PDF 文件总结: 读取 PDF 文件并总结文本内容（限制返回 2k 字符）
🎯 主题汇总: 类似 RAG 功能，给定资料内容和查询主题，返回最相关的内容总结（2k 字符内）
Related MCP server: doc-lib-mcp
📦 安装
使用 uvx 安装（推荐）
uvx fullscope-mcp-server使用 pip 安装
pip install fullscope-mcp-server从源码安装
git clone https://github.com/yzfly/fullscope-mcp
cd fullscope-mcp
pip install -e .⚙️ 配置
环境变量配置
在使用之前，需要配置以下环境变量：
必需配置
# MiniMax API Key（必需）
export OPENAI_API_KEY="your-minimax-api-key"可选配置
# API 基础 URL（默认使用 MiniMax）
export OPENAI_BASE_URL="https://api.minimaxi.com/v1"
# 使用的模型（默认 MiniMax-M1）
export OPENAI_MODEL="MiniMax-M1"
# 输入上下文最大 token 数（默认 120000）
export MAX_INPUT_TOKENS="120000"
# 输出上下文最大 token 数（默认 8000）
export MAX_OUTPUT_TOKENS="8000"Claude Desktop 配置
在 Claude Desktop 中使用时，请添加以下配置到 claude_desktop_config.json：
{
"mcpServers": {
"fullscope-mcp": {
"command": "uvx",
"args": ["fullscope-mcp-server"],
"env": {
"OPENAI_API_KEY": "your-minimax-api-key-here",
"OPENAI_BASE_URL": "https://api.minimaxi.com/v1",
"OPENAI_MODEL": "MiniMax-M1",
"MAX_INPUT_TOKENS": "900000",
"MAX_OUTPUT_TOKENS": "8000"
}
}
}
}或者使用 pip 安装版本：
{
"mcpServers": {
"fullscope-mcp": {
"command": "python",
"args": ["-m", "fullscope_mcp_server"],
"env": {
"OPENAI_API_KEY": "your-minimax-api-key-here",
"OPENAI_BASE_URL": "https://api.minimaxi.com/v1",
"OPENAI_MODEL": "MiniMax-M1",
"MAX_INPUT_TOKENS": "900000",
"MAX_OUTPUT_TOKENS": "8000"
}
}
}
}🚀 使用方法
1. 模型调用
# 工具名: call_model
# 参数: prompt (str) - 要发送给模型的提示词
# 返回: 模型的回答2. 网页抓取
# 工具名: scrape_webpage
# 参数:
# - url (str) - 要抓取的网页URL
# - save_to_file (bool) - 是否保存内容到txt文件
# 返回: 抓取结果和文件路径（如果保存）3. 内容总结
# 工具名: summarize_content
# 参数:
# - content (str) - 要总结的内容
# - target_ratio (float) - 目标压缩比例，0.1-1.0之间，默认0.2
# 返回: 总结后的内容4. 网页总结
# 工具名: summarize_webpage
# 参数:
# - url (str) - 要抓取和总结的网页URL
# - target_ratio (float) - 目标压缩比例，默认0.2
# 返回: 网页内容总结5. 文本文件总结
# 工具名: read_and_summarize_text_file
# 参数:
# - filepath (str) - 文本文件路径
# - target_ratio (float) - 目标压缩比例，默认0.2
# 返回: 文件内容总结6. PDF文件总结
# 工具名: read_and_summarize_pdf_file
# 参数:
# - filepath (str) - PDF文件路径
# - target_ratio (float) - 目标压缩比例，默认0.2
# 返回: PDF内容总结7. 主题汇总
# 工具名: topic_based_summary
# 参数:
# - content (str) - 资料内容
# - query (str) - 查询的主题或问题
# 返回: 基于主题的相关内容总结（2k字符内）📖 使用示例
在 Claude Desktop 中使用
网页内容总结
请帮我总结这个网页的内容：https://example.com/article文档总结
请读取并总结这个PDF文件：/path/to/document.pdf主题分析
基于这段资料内容，帮我分析"人工智能发展趋势"相关的信息
直接运行服务器
# 设置环境变量
export OPENAI_API_KEY="your-api-key"
# 运行服务器
python fullscope_mcp_server.py🔧 开发指南
项目结构
fullscope-mcp/
├── src/
│ └── fullscope_mcp_server/
│ ├── __init__.py
│ └── server.py
├── README.md
├── pyproject.toml
└── LICENSE本地开发
# 克隆项目
git clone https://github.com/yzfly/fullscope-mcp
cd fullscope-mcp
# 创建虚拟环境
python -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
# 安装开发依赖
pip install -e ".[dev]"
# 运行测试
pytest代码格式化
# 格式化代码
black src/
isort src/
# 类型检查
mypy src/🌐 支持的模型
本服务器主要针对 MiniMax API 设计，但通过配置 OPENAI_BASE_URL 和相关参数，也可以支持其他兼容 OpenAI API 格式的模型服务：
MiniMax-M1 (默认推荐)
MiniMax-Text-01
其他支持 OpenAI API 格式的服务
MiniMax API 配置说明
MiniMax API 支持最大 1,000,192 tokens 的上下文长度，非常适合处理长文档和大量内容的总结任务。
获取 API Key: MiniMax 开放平台
API 文档: MiniMax API 文档
🚀 发布到 PyPI 的步骤
1. 准备发布
# 安装构建工具
pip install build twine
# 构建包
python -m build
# 检查包
twine check dist/*2. 发布到 TestPyPI (测试)
# 上传到 TestPyPI
twine upload --repository testpypi dist/*
# 从 TestPyPI 安装测试
pip install --index-url https://test.pypi.org/simple/ fullscope-mcp-server3. 发布到正式 PyPI
# 上传到 PyPI
twine upload dist/*📝 更新日志
v1.0.0 (2024-12-19)
✨ 首次发布
🌐 支持网页抓取和保存
📝 支持内容总结（可配置压缩比例）
📄 支持文本文件和PDF文件读取总结
🎯 支持主题汇总（RAG功能）
🤖 支持直接模型调用
⚙️ 完善的环境变量配置
📦 支持 uvx 和 pip 安装
🤝 贡献
欢迎提交 Issue 和 Pull Request！
Fork 本项目
创建功能分支 (
git checkout -b feature/AmazingFeature)提交更改 (
git commit -m 'Add some AmazingFeature')推送到分支 (
git push origin feature/AmazingFeature)开启 Pull Request
📄 许可证
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
👨💻 作者
yzfly
🙏 致谢
Model Context Protocol - 协议标准
MiniMax API - AI 模型服务
Beautiful Soup - HTML 解析
PyPDF2 - PDF 处理
❓ 常见问题
Q: 如何获取 MiniMax API Key？
A: 访问 MiniMax 开放平台，注册账号后在账户管理-接口密钥中获取。
Q: 可以使用其他模型吗？
A: 可以！通过配置 OPENAI_BASE_URL 和 OPENAI_MODEL 环境变量，可以使用任何兼容 OpenAI API 格式的模型服务。
Q: 文件大小有限制吗？
A: 是的，为了性能考虑：
文本文件和PDF文件内容限制在约 120k 字符以内
网页内容会根据模型的上下文限制自动截断
主题汇总结果限制在 2k 字符以内
Q: 如何在 Claude Desktop 中使用？
A: 按照上面的配置说明，将配置添加到 claude_desktop_config.json 文件中，重启 Claude Desktop 即可。
如果你觉得这个项目有用，请给个 ⭐ 星！