Omni Search Server

mcp-OmniSearch-server

简介

mcp-OmniSearch-server 是一个基于 MCP (Model Context Protocol) 协议的综合搜索服务器。它集成了多个数据源，旨在为智能体助手（如 Claude、Cursor、Cherry Studio 等）提供一站式的面试题目和学习资料搜索能力。

支持的功能

• 面试鸭题目搜索：快速检索 面试鸭 上的面试题目及链接。
• JavaGuide 文章搜索：从知名的 JavaGuide 网站搜索相关的技术文章。
• 学习计划生成：智能整合多个数据源，为用户生成系统化的学习路径。
• AI 智能总结：基于大模型对搜索结果进行智能提炼，返回简洁易懂的中文总结。

关于 MCP 协议的详细信息，请参阅 官方文档。

本项目依赖 Spring AI 和 MCP Java SDK 开发。

工具列表

1. 题目搜索 questionSearch (来自面试鸭)

• 功能: 将面试题目检索为面试鸭里的题目链接。
• 输入: searchText (搜索词)
• 输出: [题目](链接) 列表。

2. 文章搜索 searchArticles (来自 JavaGuide)

• 功能: 从 JavaGuide 网站搜索相关的技术文章。
• 输入: searchText (搜索词)
• 输出: [文章标题](链接) 列表。

3. 学习计划生成 generateStudyPlan

• 功能: 当用户询问如何系统学习某个技术主题时，自动调用面试鸭和 JavaGuide 搜索相关资源，进行智能排序和去重后，生成一份分阶段的学习计划。
• 输入: topic (学习主题，如 "Java并发")
• 输出: JSON 格式的学习计划，包含：

- topic: 学习主题 - totalDays: 预计学习天数 - phases: 分阶段学习路径（基础阶段、进阶阶段、实战阶段） - resources: 推荐资源列表 - aiSummary: AI 生成的学习建议总结

4. AI 智能总结服务

• 功能: 自动对搜索结果进行智能提炼和总结，帮助用户快速理解核心内容。
• 工作原理: 使用 Spring AI 的 ChatClient 调用大模型接口，对多条搜索结果进行分析。
• 输出: JSON 格式的总结结果，包含：

- summary: 核心内容概括（2-3句话） - keyPoints: 关键要点列表 - recommendedOrder: 推荐学习顺序

• 特点:

- 复用现有 LLM 接口，不引入新服务 - 代码轻量，独立 Service 组件 - 返回格式统一为 JSON

快速开始

环境准备

• Java 17 或更高版本
• Maven

安装与构建

1. 克隆仓库

git clone https://github.com/blue594/mcp-OmniSearch-server

1. 构建项目

cd mcp-OmniSearch-server
mvn clean package

客户端接入 (以 Cherry Studio 为例)

1. 打开 Cherry Studio 的 设置，点击 MCP 服务器。
2. 点击 编辑 JSON，将以下配置添加到配置文件中（请根据实际路径替换 jar 包位置）：

{
  "mcpServers": {
    "omniSearchServer": {
      "command": "java",
      "args": [
        "-Dspring.ai.mcp.server.stdio=true",
        "-Dspring.main.web-application-type=none",
        "-Dlogging.pattern.console=",
        "-jar",
        "/yourPath/mcp-server-0.0.1-SNAPSHOT.jar"
      ],
      "env": {}
    }
  }
}

1. 在模型服务设置中，勾选工具函数调用功能。
2. 在对话框中勾选开启该 MCP 服务。
3. 现在你可以直接询问：

- "帮我搜索一下 Java 集合的面试题" - "在 JavaGuide 中找找关于 Redis 的文章" - "如何系统学习 Java 并发"（将触发学习计划生成工具）

代码调用示例

1. 引入依赖

    org.springframework.ai
    spring-ai-mcp-client-spring-boot-starter
    1.0.0-M6

2. 初始化 ChatClient

@Bean
public ChatClient initChatClient(ChatClient.Builder chatClientBuilder,
                                 ToolCallbackProvider mcpTools) {
    return chatClientBuilder
    .defaultTools(mcpTools)
    .build();
}

3. 调用

Flux content = chatClient.prompt()
        .user("帮我搜索面试鸭里关于 Spring Boot 的题目")
        .stream()
        .content();

项目架构

src/main/java/com/search/mcp/mcpserver/
├── McpServerApplication.java    # 主类，注册所有Tools
├── dto/                         # 数据传输对象
│   ├── BaseResponse.java        # 通用响应
│   ├── Page.java                # 分页对象
│   ├── QuestionVO.java          # 面试题目VO
│   ├── SearchResultItem.java    # 搜索结果项
│   ├── StudyPlanRequest.java    # 学习计划请求
│   ├── StudyPlanResponse.java   # 学习计划响应
│   ├── AiSummaryRequest.java    # AI总结请求
│   └── AiSummaryResponse.java   # AI总结响应
└── service/                     # 服务层
    ├── MianshiyaService.java    # 面试鸭搜索
    ├── JavaGuideService.java    # JavaGuide搜索
    ├── StudyPlanService.java    # 学习计划生成
    └── AiSummaryService.java    # AI总结服务