Athena MCP服务器
一个全面的模型上下文协议（MCP）服务器，提供人工智能驱动的工具和系统实用程序。该服务器与OpenAI GPT模型集成，提供智能响应和分析功能。
特性
核心人工智能工具（OpenAI GPT驱动）
- ask_athena：用于一般查询和解决问题的智能人工智能助手
- 分析代码：高级代码分析和优化建议
- generate_code：基于需求的智能代码生成
- text_summarize：人工智能支持的文本摘要，长度和风格可定制
- translate_text：使用OpenAI模型的多语言翻译
- 图像生成：DALL-E驱动的图像生成
系统和开发工具
- get_system_stats：实时系统监控（CPU、内存、磁盘使用情况）
- 文件操作：全面的文件和目录管理
- 进程监视器：系统过程监控和管理
- 码头_管理：Docker容器和镜像管理
- 网络工具：网络诊断（ping、端口扫描、DNS查找、跟踪路由）
Web和API工具
- 网络请求：用于API测试和web抓取的HTTP客户端
- 天气信息：使用OpenWeatherMap API实时天气信息
- github操作：GitHub存储库管理和代码搜索
📁 项目结构
Athena MCP/
├── app.js # Backend entry point
├── mcp-server.js # MCP server for Trae integration
├── mcp-config.json # MCP configuration file
├── package.json # Backend dependencies
├── .env # Environment variables
├── tools/ # Custom tools directory
│ └── get_cpu_stats.js # CPU statistics tool
├── frontend/ # React frontend
│ ├── package.json # Frontend dependencies
│ ├── public/
│ └── src/
│ ├── App.js # Main React component
│ ├── App.css # Component styles
│ ├── index.js # React entry point
│ └── index.css # Global styles
├── docker-compose.yml # Docker orchestration
├── Dockerfile.backend # Backend Docker image
└── README.md # This file🔌 MCP与Trae的集成
Trae的快速设置
- 安装依赖项：
npm install- 启动MCP服务器：
npm run mcp- 添加到Trae配置：
将此添加到Trae MCP配置中：
{
"mcpServers": {
"athena": {
"command": "node",
"args": ["mcp-server.js"],
"cwd": "d:\\Projects\\Athena MCP"
}
}
}可用的MCP工具
| 工具名称 | 描述 |
|---|---|
ask_athena | 向Athena AI助手提问，并获得由OpenAI GPT提供支持的智能回复 |
get_system_stats | 获取详细的系统CPU、内存和性能统计信息 |
analyze_code | 使用AI支持的审查、解释、优化或调试模式分析代码片段 |
generate_code | 使用OpenAI根据需求和规范生成代码 |
MCP工具示例
问雅典娜：
{
"name": "ask_athena",
"arguments": {
"prompt": "How do I optimize React performance?",
"context": "Working on a large React application with performance issues"
}
}获取系统统计信息：
{
"name": "get_system_stats",
"arguments": {
"detailed": true
}
}分析代码：
{
"name": "analyze_code",
"arguments": {
"code": "function fibonacci(n) { return n .env- 使用Docker运行：
docker-compose up --build这将开始：
- 后端打开http://localhost:4000 - 前端打开http://localhost:3000
🔌 API终点
后端API（端口4000）
| 方法 | 端点 | 描述 |
|---|---|---|
| 得到 | / | API信息和可用端点 |
| 职位 | /ask | 向Athena AI发送提示 |
| 得到 | /cpu | 获取系统CPU和内存统计信息 |
| 得到 | /health | 健康检查端点 |
API使用示例
问雅典娜一个问题：
curl -X POST http://localhost:4000/ask \
-H "Content-Type: application/json" \
-d '{"prompt": "What is artificial intelligence?"}'获取CPU统计信息：
curl http://localhost:4000/cpu🎨 前端功能
- 现代用户界面：干净、灵敏的设计，带有渐变背景
- 实时交互：即时反馈和加载状态
- 错误处理：用户友好的错误消息
- 移动响应：适用于所有设备尺寸
- 系统监控：CPU和内存统计数据的可视化显示
🔧 发展
添加新工具
- 在中创建新文件
tools/目录：
// tools/my_new_tool.js
function myNewTool() {
// Your tool logic here
return { result: "Tool output" };
}
module.exports = { myNewTool };- 进口和使用
app.js:
const { myNewTool } = require('./tools/my_new_tool');
app.get('/my-endpoint', (req, res) => {
const result = myNewTool();
res.json(result);
});环境变量
| 变量 | 描述 | 默认值 |
|---|---|---|
PORT | 后端服务器端口 | 4000 |
OPENAI_API_KEY | 用于AI功能的OpenAI API密钥 | 必需 |
NODE_ENV | 环境模式 | 发展 |
🐳 Docker命令
# Build and run
docker-compose up --build
# Run in background
docker-compose up -d
# Stop services
docker-compose down
# View logs
docker-compose logs -f
# Rebuild specific service
docker-compose build backend
docker-compose build frontend🚀 生产部署
- 设置生产环境变量
- 构建优化的前端：
cd frontend
npm run build- 使用PM2这样的流程管理器：
npm install -g pm2
pm2 start app.js --name athena-backend🤝 贡献
- 分叉存储库
- 创建要素分支
- 进行更改
- 彻底测试
- 提交拉取请求
📝 许可证
MIT许可证-您可以自由地将此项目用于您自己的目的。
🆘 故障排除
后端无法启动：
- 检查端口4000是否可用
- 验证Node.js版本（18+）
- 检查
.env文件配置
前端无法连接到后端：
- 确保后端在端口4000上运行
- 检查CORS配置
- 验证前端中的API_BASE_URL
Docker问题：
- 确保Docker正在运行
- 检查端口冲突
- 验证docker-compose.yml中的环境变量
______________________________________________________________________
编码愉快！ 🎉