Context.ai MCP服务器
一个生产就绪的模型上下文协议（MCP）服务器，与Context.ai集成，用于智能知识检索和问答。
特性
- 🔍 知识搜索：搜索您的Context.ai知识库
- 📄 上下文检索：按ID获取特定文档和上下文
- 💬 人工智能问答：从你的知识库中提问并获得明智的答案
- 🚀 Vercel准备就绪：使用无服务器功能部署到Vercel
- 🔒 类型安全：使用TypeScript构建，实现最大可靠性
- ⚡ 快速高效：通过适当的错误处理优化了性能
先决条件
- Node.js 18或更高版本
- Context.ai API密钥（在 context.ai)
- npm或yarn包管理器
安装
- 克隆存储库:
git clone https://github.com/Dpdpdpdp0987/context-poke-mcp.git
cd context-poke-mcp- 安装依赖项:
npm install- 配置环境变量:
cp .env.example .env编辑 .env 并添加您的Context.ai API密钥：
CONTEXT_AI_API_KEY=your_actual_api_key_here- 构建项目:
npm run build用法
本地运行
启动MCP服务器：
npm start对于自动重新加载的开发：
npm run dev部署到Vercel
- 安装Vercel命令行界面:
npm install -g vercel- 部署:
vercel- 添加环境变量:
vercel env add CONTEXT_AI_API_KEY提示时输入Context.ai API键。
- 部署到生产环境:
vercel --prod可用工具
1.搜索知识
在Context.ai知识库中搜索相关信息。
参数:
query（字符串，必填）：搜索查询limit（数字，可选）：返回的最大结果数（默认值：5）
示例:
{
"query": "What are the key features of our product?",
"limit": 10
}2.get_context
通过其唯一ID检索特定上下文或文档。
参数:
contextId（string，必填）：上下文的唯一标识符
示例:
{
"contextId": "ctx_1234567890"
}3.提问
提出一个问题，并根据你的知识库获得人工智能的答案。
参数:
question（string，必填）：要问的问题context（字符串，可选）：问题的附加上下文
示例:
{
"question": "How do I integrate the API?",
"context": "I'm using Node.js and TypeScript"
}项目结构
context-poke-mcp/
├── src/
│ ├── index.ts # Main MCP server implementation
│ └── contextai.ts # Context.ai API client
├── dist/ # Compiled JavaScript output
├── package.json # Project dependencies and scripts
├── tsconfig.json # TypeScript configuration
├── vercel.json # Vercel deployment configuration
├── .env.example # Environment variable template
├── .gitignore # Git ignore rules
└── README.md # This file发展
脚本
npm run build-将TypeScript编译为JavaScriptnpm run dev-开发观看模式npm start-运行已编译的服务器npm run prepare-预安装构建挂钩
类型安全
此项目使用启用严格模式的TypeScript。所有API交互都是完全类型化的，以获得更好的开发人员体验和更少的运行时错误。
错误处理
服务器包括全面的错误处理：
- API身份验证错误
- 网络超时和故障
- 无效参数
- 找不到资源错误
- 优雅降级
所有错误均以结构化格式返回：
{
"error": "Detailed error message"
}环境变量
| 变量 | 必填 | 描述 |
|---|---|---|
CONTEXT_AI_API_KEY | 是 | 您的Context.ai API密钥 |
CONTEXT_AI_BASE_URL | 否 | 自定义API基础URL（默认值：https://api.context.ai/v1) |
贡献
欢迎投稿！请随时提交拉取请求。
- 分叉存储库
- 创建功能分支(
git checkout -b feature/amazing-feature) - 提交您的更改(
git commit -m 'Add amazing feature') - 推到分支(
git push origin feature/amazing-feature) - 打开拉取请求
许可证
MIT许可证-有关详细信息，请参阅许可证文件
支持
对于问题和疑问：
- 打开一个问题
- 检查 Context.ai文档
- 查看 MCP规范
致谢
- 与 模型上下文协议SDK
- 由...驱动 Context.ai
- 可部署于 维塞尔
______________________________________________________________________
由以下材料制成❤️ 作者：丹妮拉·穆姆肯