上下文MCP服务器
一种模型上下文协议（MCP）服务器，使用上下文AI提供RAG（检索增强生成）功能。该服务器与各种MCP客户端集成。它提供了灵活性，您可以决定在服务器中提供什么功能。在本自述文件中，我们将展示与CursorIDE和Claude Desktop的集成。
Contextual AI现在在平台内提供托管服务器，网址为：https://mcp.app.contextual.ai/mcp/\ 连接到服务器后，您可以使用平台MCP服务器提供的工具，如查询。\ 有关完整的演练，请查看MCP 用户指南.
概述
MCP服务器充当AI接口（Cursor IDE或Claude Desktop）和专用上下文AI代理之间的桥梁。它能够：
- 查询处理：将您的特定领域问题交给专门的上下文AI代理
- 智能检索：在您的知识库中搜索全面的信息
- 上下文感知响应：生成以下答案：
- 基于源文件
- 包括引用和归因
- 保持对话上下文
集成流程
Cursor/Claude Desktop → MCP Server → Contextual AI RAG Agent
↑ ↓ ↓
└──────────────────┴─────────────┴─────────────── Response with citations先决条件
- Python 3.10或更高版本
- 光标IDE和/或克劳德桌面
- 上下文AI API密钥
- MCP兼容环境
安装
- 克隆存储库：
git clone https://github.com/ContextualAI/contextual-mcp-server.git
cd contextual-mcp-server- 创建并激活虚拟环境：
python -m venv .venv
source .venv/bin/activate # On Windows, use `.venv\Scripts\activate`- 安装依赖项：
pip install -e .配置
配置MCP服务器
服务器需要修改设置或使用。 例如，应该为您的RAG代理定制一个合适的docstring来定制single_agent服务器。
查询工具的文档字符串至关重要，因为它有助于MCP客户端了解何时将问题发送给RAG代理。让它具体到你的知识领域。以下是一个示例：
A research tool focused on financial data on the largest US firms或
A research tool focused on technical documents for Omaha semiconductors服务器还需要RAG代理进行以下设置：
API_KEY：您的上下文AI API密钥AGENT_ID：您的上下文AI代理ID
如果您想将这些文件存储在 .env 你可以这样指定它们：
cat > .env mcp.json str:
"""Description of what the tool does"""
# Implementation
return result局限性
- 服务器在本地运行，可能无法在远程开发环境中工作
- 工具响应受上下文AI API限制和配额的约束
- 目前仅支持stdio传输模式
有关上下文AI的所有功能，请查看 官方文件.
