Content Interviewer MCP

Content Interviewer MCP ist ein lokaler Python-MCP-Server, der Forschungsthemen entdeckt, Sie interviewt, um Ihre einzigartige Perspektive aufzudecken, und Ihre Erkenntnisse in Inhalte wie Kurzform-Reel-Skripte verwandelt.

Projektstatus

Das MVP ist abgeschlossen und bereit für die lokale Nutzung mit MCP-kompatiblen Clients wie Codex.

Related MCP server: mcp-usercall

Anforderungen

• Python 3.11 oder neuer

• SQLite mit FTS5-Unterstützung

Entwicklungs-Setup

Erstellen Sie eine virtuelle Umgebung:

python3 -m venv .venv

Aktivieren Sie sie:

source .venv/bin/activate

Installieren Sie das Projekt und seine Entwicklungsabhängigkeiten:

python -m pip install -e ".[dev]"

Entwicklungsprüfungen

Führen Sie die Tests aus:

python -m pytest

Führen Sie Linting aus:

python -m ruff check .

Prüfen Sie, dass der Quellcode kompiliert:

python -m compileall -q src

Architektur

Die erste Version verwendet:

• das offizielle Python MCP SDK

• Pydantic für die Eingabevalidierung

• SQLite für die lokale Persistenz

• SQLite FTS5 für die Volltextsuche

• pytest für automatisierte Tests

• Ruff für Linting

• STDIO für die Kommunikation mit Codex

Das Projekt startet als lokale Einzelbenutzeranwendung. SQLite hält private Daten lokal, ohne dass ein separater Datenbankserver erforderlich ist. FTS5 liefert die erste Suchimplementierung; Embeddings werden erst in Betracht gezogen, nachdem das MVP einen Bedarf dafür aufgezeigt hat.

Projektstruktur

src/
  content_interviewer/
    server.py
    config.py
    db/
      connection.py
      migrations/
      repositories/
    services/
    tools/
    schemas/
    utils/
    resources/
tests/
fixtures/
docs/
data/

Datenschutz

ChatGPT-Exporte, SQLite-Datenbanken, Umgebungsdateien, Logs und andere private lokale Daten dürfen nicht in die Versionskontrolle eingecheckt werden. Der Server darf keine vollständigen importierten Konversationen oder Artikeltexte protokollieren.

MVP-Grenzen

Version 0.1 umfasst kein Web-Dashboard, keine Mehrbenutzerkonten, kein Remote-Deployment, keine Embeddings, keine automatische Veröffentlichung in sozialen Medien und keinen Live-Zugriff auf ein ChatGPT-Konto.