Aivin MCP

Aivin MCP服务器

OpenAI Agent Builder的MCP（模型上下文协议）服务器，提供智能文档查询和分析。它专门用于读取DOCX文档，提取层次结构部分，根据查询对相关性进行评分，并通过自动语言检测返回结构化结果，用于AI引导的响应。包括基本的计算工具，并支持多种传输协议以实现灵活集成。

特性

• DOCX阅读器工具：从DOCX文档中智能搜索和提取相关部分，包括分层内容包含、相关性评分优先标题、整数部分的父子扩展以及自动语言检测以指导AI响应。
• 添加工具：执行基本算术加法。
• 多个传输：支持基于请求的连接的StreamableHTTP。
• 语言检测：自动从用户输入中检测越南语或英语，并预先添加响应指令。
• TypeScript：完全打字，具有全面的错误处理和记录功能。

文档上传可行性

DOCX Reader工具支持处理大型文档，包括那些超过2000行的文档。

• 可行性：是的，长达2k行（大约10-20页）的文档通常不会出现问题。该工具将DOCX转换为HTML，提取部分，对相关性进行评分，并高效地构建响应。
• 演出：在现代硬件上，处理时间为秒；内存使用保持在Node.js的限制范围内。
• 局限性:

- 非常大的文档（例如，10k+行）可能会减缓评分或增加响应大小。 - 对于冗长的内容，响应字符串可能会变大——如果需要，可以考虑分块。 - 没有硬文件大小限制，但可以用您的文档进行测试。

• 建议:

- 将文件放入 src/documents/ 访问。 - 对于大量文档，通过将查询集中在特定部分进行优化。 - 监控日志以获取性能见解。

用AI学习新的编码语言

本节讨论了AI系统（LLM或专用代理）如何基于像MCP服务器这样的系统的能力学习新的编程语言。

法学硕士与代理学习方法

人工智能系统可以通过不同的机制学习新的编码语言。以下是LLM和代理在获取和应用新语言知识的能力方面的比较：

使用LLM（例如Grok或类似模型）

• 可行性：优秀；LLMs非常适合在飞行中学习新语言。
• 优势:

- 对话式学习：可以通过用户提供的示例或解释“学习”语法、模式和最佳实践。 - 即时生成：在学习基础知识后立即用新语言生成代码。 - 广泛的适应性：处理来自训练数据或推断模式的任何语言。

• 最适合：快速原型制作、代码生成和不熟悉语言的调试。
• 局限性学习是基于会话的；可能需要对复杂语言进行强化。
• 如何学习：通过对话中的模式识别——提供代码片段、规则或示例，LLM就会进行调整。

使用专用代理（例如，此MCP服务器）

• 可行性：有限；代理以任务为中心，需要明确的修改来“学习”新语言。
• 优势:

- 可靠的执行：一旦集成，代理可以一致地处理或生成新语言的代码。 - 可扩展性：通过代码更改、插件或API集成添加语言支持。 - 专业重点：擅长将所学语言应用于特定工作流程（如文档处理）。

• 最适合：特定语言功能或工具的生产部署。
• 局限性：不能自发学习；需要开发人员干预来更新代码或配置。
• 如何学习：通过代码修改——例如，为新语言添加解析器、编译器或库。

推荐LLM在人工智能本身通过交互快速学习新语言方面具有优势，而代理则受益于LLM辅助开发以整合这些语言。例如，使用LLM以一种新语言进行原型制作，然后将其集成到像这样的服务器中。

安装

1. 克隆存储库：

git clone https://github.com/huyluu-levinci/aivin-mcp.git
cd aivin-mcp

1. 安装依赖项：

npm install

1. 构建项目：

npm run build

配置

创建一个 .env 根目录中的文件，包含以下变量：

MCP_SERVER_NAME=aivin-mcp-server
MCP_SERVER_VERSION=0.1.0
PORT=3000

用法

发展

使用热重载启动开发服务器：

npm run dev

生产

构建并启动服务器：

npm run build
npm start

服务器将监听 http://localhost:3000 默认情况下。

API终点

• POST /mcp -流式HTTP MCP端点

工具

DOCX阅读器工具

在中搜索DOCX文件 src/documents 基于翻译查询的相关部分目录。自动检测原始用户输入的语言，并相应地引导AI响应。

输入架构：

{
  "user_input": "string",
  "query": "string"
}

输出： 具有标题、层次结构内容、关系和语言指导的相关文档部分。

添加工具

执行两个数字的加法。

输入架构：

{
  "a": "number",
  "b": "number"
}

输出：

{
  "result": "number"
}

使服务器可外部访问

为了使OpenAI Agent Builder能够连接，请在外部公开服务器：

使用ngrok

ngrok http 3000

使用云部署

部署到云VM并配置防火墙以允许端口3000。

项目结构

src/
├── server.ts          # Main server implementation
├── config/             # Configuration management
├── tools/              # MCP tools (add, docx-reader)
├── transports/         # Transport implementations (StreamableHTTP)
└── documents/          # Document storage directory

依赖项

• @modelcontextprotocol/sdk -MCP协议实现
• express -Web框架
• mammoth -DOCX文件处理
• cheerio -HTML解析
• zod -输入验证

开发说明

• 服务器绑定到 0.0.0.0 接受外部连接
• DOCX文件应放置在 src/documents/ 目录
• 用于调试查询处理、评分和语言检测的广泛日志记录

许可证

\[在此处添加许可证信息\]