topic_based_summary

Generate concise, topic-focused summaries from provided content using a targeted query. Ideal for extracting key insights and relevant information efficiently.

Instructions

主题汇总功能 - 基于给定资料和查询主题，返回最相关的内容总结（2k字符内）

Args:
    content: 资料内容
    query: 查询的主题或问题

Returns:
    基于主题的相关内容总结

Input Schema

TableJSON Schema

Name	Required	Description	Default
`content`	Yes
`query`	Yes

Implementation Reference

src/fullscope_mcp_server/server.py:465-488 (handler)

The primary handler for the 'topic_based_summary' tool, registered via @mcp.tool() decorator. It wraps the RAGProcessor's topic_summary method, handling context logging and errors.

@mcp.tool()
async def topic_based_summary(content: str, query: str, ctx: Context) -> str:
    """
    主题汇总功能 - 基于给定资料和查询主题，返回最相关的内容总结（2k字符内）
    
    Args:
        content: 资料内容
        query: 查询的主题或问题
    
    Returns:
        基于主题的相关内容总结
    """
    try:
        ctx.info(f"开始主题汇总，查询: {query}")
        
        summary = await rag_processor.topic_summary(content, query)
        
        ctx.info("主题汇总完成")
        return summary
        
    except Exception as e:
        logger.error(f"主题汇总失败: {e}")
        return f"主题汇总失败: {str(e)}"

src/fullscope_mcp_server/server.py:225-267 (helper)

Core helper function in RAGProcessor class that performs the topic-based summarization by crafting a specialized prompt for the LLM and generating the response.

    async def topic_summary(self, content: str, query: str) -> str:
        """
        基于主题查询的内容总结
        
        Args:
            content: 资料内容
            query: 查询主题/问题
            
        Returns:
            相关内容的总结（2k字符内）
        """
        try:
            # 构建RAG样式的提示词
            prompt = f"""基于以下资料内容，针对查询主题进行总结分析：

查询主题: {query}

资料内容:
{content}

请根据查询主题，从资料中提取最相关的信息，并总结为2000字以内的内容。要求：
1. 重点关注与查询主题相关的内容
2. 保持信息的准确性和逻辑性
3. 如果资料中没有相关信息，请明确说明
4. 提供具体的细节和要点"""

            response = self.summarizer.client.chat.completions.create(
                model=OPENAI_MODEL,
                messages=[
                    {"role": "system", "content": "你是一个专业的信息分析师，擅长从大量资料中提取特定主题的相关信息。"},
                    {"role": "user", "content": prompt}
                ],
                max_tokens=min(MAX_OUTPUT_TOKENS, 120000),  # 限制在120k左右
                temperature=0.1
            )
            
            result = response.choices[0].message.content.strip()
            
            return result
            
        except Exception as e:
            logger.error(f"主题汇总失败: {e}")
            return f"主题汇总失败: {str(e)}"

FullScope-MCP