Claude提示MCP服务器

](https://www.npmjs.com/package/claude-prompts-server) ![License: MIT](https://opensource.org/licenses/MIT) ![Model Context Protocol](https://modelcontextprotocol.io) ](https://nodejs.org)

一种用于高级提示管理的通用模型上下文协议服务器

生产就绪的MCP服务器，具有智能提示编排、热重载功能和框架驱动的AI工作流程。与Claude Desktop、Cursor Windsurf和任何MCP客户端兼容。

快速开始 • 特性 • 文档 • 配置

______________________________________________________________________

核心功能

三层执行架构

迅速执行：闪电般快速的单提示符执行，带变量替换
模板处理：使用Nunjucks模板引擎的框架增强模板
链工作流：具有状态管理的多步骤LLM驱动工作流

智能系统组件

结构分析：基于文件结构的自动执行类型检测
热再加载系统：无需重新启动服务器即可立即更新提示
质量门：使用条件逻辑进行框架感知验证
性能监控：全面的启动协调和健康监控

通用MCP兼容性

运输支持：STDIO用于桌面客户端，SSE用于web应用程序
客户端集成：原生支持Claude Desktop、Cursor Windsurf和自定义MCP客户端
协议遵从：通过工具注册实现完整的模型上下文协议

交互式提示管理

通过三个整合的MCP工具直接在对话中管理AI功能：

# Universal prompt execution with intelligent type detection
prompt_engine >>code_formatter language="Python" style="PEP8"

# Create and manage prompts with intelligent analysis
prompt_manager create name="code_reviewer" type="template" \
  content="Analyze {{code}} for security, performance, and maintainability"

# Analyze existing prompts for execution optimization
prompt_manager analyze_type prompt_id="my_prompt"

# System control and framework management
system_control switch_framework framework="ReACT" reason="Problem-solving focus"

# Execute complex multi-step LLM-driven chains
prompt_engine >>code_review_optimization_chain target_code="..." language_framework="TypeScript"

主要优势：

结构智能：基于文件结构分析的自动执行路由
动态能力建设：通过对话式管理扩展AI助手功能
最小配置：执行类型检测不需要手动设置
系统工作流程：集成创建、路由和框架应用程序
智能命令路由：具有多策略解析的内置命令检测
方法论集成：有条件应用的四种思维框架（CAGEERF、ReACT、5W1H、SCAMPER）

框架体系

服务器实现了一个复杂的方法体系，该体系将结构化思维框架应用于人工智能交互：

可用方法

卡吉尔夫：综合结构化方法（背景、分析、目标、执行、评估、细化、框架）
反应：系统解决问题的推理和行为模式
5W1H：谁、什么、何时、何地、为什么、如何进行系统分析
奔驰法：创造性解决问题（替代、组合、适应、修改、用于其他用途、消除、反转）

框架功能

手动选择：根据具体需求选择最佳方法
运行时切换：通过绩效监测改变主动框架
有条件申请：有益时应用框架增强
性能监控：跟踪框架切换机制和使用情况

# Switch methodology for different approaches
system_control switch_framework framework="ReACT" reason="Problem-solving focus"

# Monitor framework performance and usage
system_control analytics show_details=true

# Get current framework status
system_control status

结果：通过经过验证的思维方法进行结构化、系统化的人工智能对话。

分析系统能力

核心分析功能：

结构分析：通过检查模板变量来检测执行类型({{variable}})、链式步骤和文件结构
框架应用：根据执行层应用选定的框架方法
路由逻辑：基于结构特征的适当执行层（提示/模板/链）的路由

可选语义增强：

LLM集成：启用后，提供对提示内容的语义理解
高级分析：方法建议和复杂性评估
默认模式：仅进行结构分析（不依赖LLM）

框架控制：

# Manual framework selection
system_control switch_framework framework="ReACT" reason="Problem-solving focus"

架构与可靠性

开发者体验

一个命令安装：在60秒内完成设置
热再加载系统：无需重新启动即可更新提示、配置和模板
丰富模板引擎：带有条件句、循环和数据注入的Nunjucks
通用MCP集成：适用于Claude Desktop、Cursor Windsurf和任何MCP客户端
多运输支持：STDIO用于桌面+SSE/REST用于web
动态管理：动态更新、删除和重新加载提示

企业架构

精心策划的启动：使用依赖关系管理进行分阶段初始化
错误处理：通过全面的伐木实现了优雅的退化
健康监测：实时模块状态、性能指标、诊断
环境检测：开发和生产的自动适应
模块化设计：自定义工作流的可扩展架构
安全：输入验证、净化和错误边界

整合MCP工具（3个工具）

prompt_engine：具有智能分析和链协调的通用执行
提示管理器：通过智能过滤和门管理实现完整的生命周期管理
系统控制：框架管理、分析和系统管理

智能功能

结构类型检测：提示/模板/链执行之间的自动路由
框架集成：四种手动选择和有条件注入的方法
LLM驱动链：与状态管理逐步协调工作流程
性能分析：具有框架切换跟踪的三层执行监控
智能参数解析：JSON对象、单个参数或会话上下文

快速开始

让服务器在一分钟内运行：

# Clone, install, build, and start
git clone https://github.com/minipuft/claude-prompts-mcp.git
cd claude-prompts-mcp/server && npm install && npm run build && npm start

MCP客户端集成

克劳德桌面版

把这个放到你的 claude_desktop_config.json:

{
  "mcpServers": {
    "claude-prompts-mcp": {
      "command": "node",
      "args": ["E:\\path\\to\\claude-prompts-mcp\\server\\dist\\index.js"],
      "env": {
        "MCP_PROMPTS_CONFIG_PATH": "E:\\path\\to\\claude-prompts-mcp\\server\\prompts\\promptsConfig.json"
      }
    }
  }
}

Cursor Windsurf和其他MCP客户端

配置您的MCP客户端以通过STDIO传输进行连接：

命令: node
参数: ["path/to/claude-prompts-mcp/server/dist/index.js"]
环境（可选）： MCP_PROMPTS_CONFIG_PATH=path/to/prompts/promptsConfig.json

Claude代码CLI安装

对于Claude Code CLI用户：

claude mcp add-json claude-prompts-mcp '{"type":"stdio","command":"node","args":["path/to/claude-prompts-mcp/server/dist/index.js"],"env":{}}'

使用示例

立即开始使用服务器：

# Discover prompts with intelligent filtering
prompt_manager list filter="category:analysis"

# Execute prompts with automatic type detection
prompt_engine >>friendly_greeting name="Developer"

# Analyze content with framework enhancement
prompt_engine >>content_analysis input="research data"

# Run multi-step LLM-driven chains
prompt_engine >>code_review_optimization_chain target_code="..." language_framework="TypeScript"

# Monitor system performance
system_control analytics include_history=true

# Create new prompts conversationally
"Create a prompt called 'bug_analyzer' that finds and explains code issues"

# Refine existing prompts
"Make the bug_analyzer prompt also suggest performance improvements"

# Reference existing chain prompts
# Example chains available: code_review_optimization_chain, create_docs_chain, video_notes_enhanced

# Manual control when needed
prompt_engine >>content_analysis input="sensitive data" step_confirmation=true gate_validation=true

该系统通过系统的方法论应用提供了一种结构化的方法来促进管理。

主要特点

闪电般快速热再加载

编排引擎监控文件并无缝地重新加载所有内容：

# Edit any prompt file → Server detects → Reloads automatically → Zero downtime

即时更新：实时更改模板、参数、描述
无需重新启动：先进的热重新加载系统使一切正常运行
智能依赖跟踪：仅重新加载实际更改的内容
优雅的错误恢复：无效更改不会使服务器崩溃

高级模板引擎

Nunjucks提供了具有完整模板功能的动态提示：

Analyze {{content}} for {% if focus_area %}{{focus_area}}{% else %}general{% endif %} insights.

{% for requirement in requirements %}
- Consider: {{requirement}}
{% endfor %}

{% if previous_context %}
Build upon: {{previous_context}}
{% endif %}

条件逻辑：根据输入进行调整的智能提示
循环和迭代：处理数组和复杂的数据结构
模板继承：重用和扩展提示模式
实时处理：使用实时数据注入渲染模板

性能正向编排

具有全面健康监测的多阶段启动：

Phase 1: Foundation → Config, logging, core services
Phase 2: Data Loading → Prompts, categories, validation
Phase 3: Module Init → Tools, executors, managers
Phase 4: Server Launch → Transport, API, diagnostics

依赖管理：模块以正确的顺序启动并验证
健康监测：所有组件的实时状态
性能指标：内存使用情况、正常运行时间、连接跟踪
诊断工具：内置故障排除和调试

智能提示链

作为嵌入在markdown模板中的LLM驱动指令序列实现的多步工作流：

LLM驱动链格式（主要方法）

链是在markdown文件中使用步骤头直接定义的，这些步骤头引导Claude完成一个系统化的过程：

# Comprehensive Code Review

## User Message Template

**Target Code**: {{target_code}}
**Language/Framework**: {{language_framework}}

This chain performs a systematic 6-step code review:

## Step 1: Structure & Organization Analysis
Analyze code architecture, organization, patterns, naming conventions...

**Output Required**: Structural assessment with identified patterns.

---

## Step 2: Functionality & Logic Review
Examine business logic correctness, edge cases, error handling...

**Output Required**: Logic validation with edge case analysis.

---

## Step 3: Security & Best Practices Audit
Review for security vulnerabilities: input validation, authentication...

**Output Required**: Security assessment with vulnerability identification.

主要特点：

LLM驱动执行：Claude遵循模板中嵌入的分步说明
上下文保护：每一步都自然地建立在以前的产出之上
柔性结构：步骤可以包括条件逻辑和分支
框架集成：通过主动方法（CAGEERF/ReACT）自动增强

模块化链格式（备选）

对于编排多个可重用提示的链，请使用markdown嵌入式格式：

## Chain Steps

1. promptId: extract_key_points
   stepName: Extract Key Points
   inputMapping:
     content: original_content
   outputMapping:
     key_points: extracted_points

2. promptId: sentiment_analysis
   stepName: Analyze Sentiment
   inputMapping:
     text: extracted_points
   outputMapping:
     sentiment: analysis_result

能力：

快速重复使用：将现有提示链接在一起
数据流映射：显式输入/输出变量映射
闸门集成：在每一步都应用质量门
错误恢复：巧妙地处理失败的步骤

真实案例：参见工作链实施：

server/prompts/development/code_review_optimization_chain.md -6步代码审查工作流程
server/prompts/documentation/create_docs_chain.md -文档生成链
server/prompts/content_processing/video_notes_enhanced.md -视频分析工作流程

系统架构

graph TB
    A[Claude Desktop] -->|MCP Protocol| B[Transport Layer]
    B --> C[🧠 Orchestration Engine]
    C --> D[📝 Prompt Manager]
    C --> E[🛠️ MCP Tools Manager]
    C --> F[⚙️ Config Manager]
    D --> G[🎨 Template Engine]
    E --> H[🔧 Management Tools]
    F --> I[🔥 Hot Reload System]

    style C fill:#ff6b35
    style D fill:#00ff88
    style E fill:#0066cc

MCP客户端兼容性

此服务器实现了模型上下文协议（MCP）标准，并与任何兼容的客户端一起工作：

经过测试和验证的客户

克劳德桌面版：全面集成支持
光标风帆：本地MCP兼容性
克劳德代码：完全原生支持

运输支持

工作室：桌面客户端的主要传输方式
服务器发送事件（SSE）：基于Web的客户端和集成
HTTP端点：健康检查和数据查询的基本端点

集成功能

自动发现：客户端自动检测工具
工具注册：动态能力公告
热重新加载：更改会立即出现在客户端中
错误处理：客户之间的降级很好

备注：随着MCP采用率的增长，该服务器将无需修改即可与任何新的MCP兼容的AI助手或开发环境一起工作。

配置

服务器配置(`config.json`)

微调服务器的行为：

{
  "server": {
    "name": "Claude Custom Prompts MCP Server",
    "version": "1.0.0",
    "port": 9090
  },
  "prompts": {
    "file": "promptsConfig.json",
    "registrationMode": "name"
  },
  "transports": {
    "default": "stdio",
    "sse": { "enabled": false },
    "stdio": { "enabled": true }
  }
}

快速组织(`promptsConfig.json`)

构建您的AI命令库：

{
  "categories": [
    {
      "id": "development",
      "name": "🔧 Development",
      "description": "Code review, debugging, and development workflows"
    },
    {
      "id": "analysis",
      "name": "📊 Analysis",
      "description": "Content analysis and research prompts"
    },
    {
      "id": "creative",
      "name": "🎨 Creative",
      "description": "Content creation and creative writing"
    }
  ],
  "imports": [
    "prompts/development/prompts.json",
    "prompts/analysis/prompts.json",
    "prompts/creative/prompts.json"
  ]
}

高级功能

多步提示链

使用两种互补的方法构建复杂的人工智能工作流程：

LLM驱动链（推荐）

主要方法使用直接嵌入在markdown模板中的分步说明。Claude在保持上下文的同时系统地执行每一步：

# Research Analysis Chain

## User Message Template

Research {{topic}} and provide {{analysis_type}} analysis.

## Step 1: Initial Research
Gather comprehensive information about {{topic}} from available sources.
Focus on {{analysis_type}} perspectives.

**Output Required**: Research summary with key findings.

---

## Step 2: Extract Key Insights
From the research findings, identify the most relevant insights.
Organize by importance and relevance to {{analysis_type}} analysis.

**Output Required**: Prioritized list of insights with supporting evidence.

---

## Step 3: Analyze Patterns
Examine the extracted insights for patterns, trends, and relationships.
Consider multiple analytical frameworks.

**Output Required**: Pattern analysis with framework comparisons.

---

## Step 4: Synthesize Report
Create comprehensive report combining all findings.

**Output Required**: Structured report with executive summary.

优点：

自然流量：Claude跨步骤自动维护上下文
灵活逻辑：步骤可以包括条件分支和决策点
框架增强：自动增强主动方法（CAGEERF/ReACT）
清除输出：每个步骤都指定了所需的可交付成果

模块化提示链（替代）

对于使用显式数据流编排多个可重用的提示：

## Chain Steps

1. promptId: research_topic
   stepName: Initial Research
   inputMapping:
     query: topic
   outputMapping:
     findings: research_data

2. promptId: extract_insights
   stepName: Extract Key Insights
   inputMapping:
     content: research_data
   outputMapping:
     insights: key_findings

3. promptId: analyze_patterns
   stepName: Analyze Patterns
   inputMapping:
     data: key_findings
   outputMapping:
     analysis: pattern_results

4. promptId: generate_report
   stepName: Synthesize Report
   inputMapping:
     insights: key_findings
     patterns: pattern_results
   outputMapping:
     report: final_output

能力：

快速重复使用：利用现有提示作为链构建块
显式数据流：步骤之间清晰的输入/输出映射
错误恢复：使用重试逻辑优雅地处理失败的步骤
闸门验证：在每一步应用质量门进行验证

真实案例：查看生产链实施情况：

server/prompts/content_processing/noteIntegration.md -采用模块化步骤进行纸币处理
查看 ## Chain Steps 任何链提示中的部分，以获取完整的语法

高级模板功能

利用Nunjucks模板的全部功能：

# {{ title | title }} Analysis

## Context
{% if previous_analysis %}
Building upon previous analysis: {{ previous_analysis | summary }}
{% endif %}

## Requirements
{% for req in requirements %}
{{loop.index}}. **{{req.priority | upper}}**: {{req.description}}
   {% if req.examples %}
   Examples: {% for ex in req.examples %}{{ex}}{% if not loop.last %}, {% endif %}{% endfor %}
   {% endif %}
{% endfor %}

## Focus Areas
{% set focus_areas = focus.split(',') %}
{% for area in focus_areas %}
- {{ area | trim | title }}
{% endfor %}

模板功能：

过滤器和功能：动态转换数据
条件逻辑：基于输入的智能分支
循环和迭代：处理复杂的数据结构
模板继承：构建可重用的提示组件

实时管理工具

在服务器运行时动态管理提示：

# Update prompts with intelligent re-analysis
prompt_manager update id="analysis_prompt" content="new template"

# Modify specific sections with validation
prompt_manager modify id="research" section="examples" content="new examples"

# Hot-reload with comprehensive validation
system_control reload reason="updated templates"

管理能力：

实时更新：在不重新启动服务器的情况下更改提示
章节编辑：修改提示的特定部分
批量操作：一次更新多个提示
回滚支持：出错时撤消更改

生产监控

企业级可观察性：

用于生产环境的内置监控和诊断：

// Health Check Response
{
  healthy: true,
  modules: {
    foundation: true,
    dataLoaded: true,
    modulesInitialized: true,
    serverRunning: true
  },
  performance: {
    uptime: 86400,
    memoryUsage: { rss: 45.2, heapUsed: 23.1 },
    promptsLoaded: 127,
    categoriesLoaded: 8
  }
}

监控功能：

实时健康检查：持续监控所有模块
性能指标：内存、正常运行时间、连接跟踪
诊断工具：全面的故障排除信息
错误跟踪：优雅的错误处理和详细的日志记录

文档

指南	说明
安装指南	完成安装演练并排除故障
故障排除指南	常见问题、诊断工具和解决方案
架构概述	深入了解编排引擎、模块和数据流
提示格式指南	掌握包括链工作流在内的提示创建
及时管理	动态管理和热重载功能
MCP工具参考	完整的MCP工具文档
路线图和TODO	计划功能和开发路线图
贡献	加入我们的开发社区

贡献

加入我们的开发社区：

发现bug了吗？ 打开一个问题
有主意吗？ 开始讨论
想贡献吗？ 查看我们的贡献指南
需要帮助？ 访问我们的文档

许可证

根据 MIT许可证 -有关详细信息，请参阅文件。