MCP顾问
引言
MCP Advisor是一种发现和推荐服务，可帮助AI助手使用自然语言查询探索模型上下文协议（MCP）服务器。它使用户更容易找到和利用适合特定任务的MCP工具。
用户故事
- 发现并推荐MCP服务器
- 作为一名AI代理开发人员，我希望使用自然语言查询快速找到适合特定任务的MCP服务器。 - 示例提示： "Find MCP servers for insurance risk analysis"
- 安装和配置MCP服务器
- 作为一名发现有用MCP服务器的普通用户，我想尽快安装并开始使用它。 - 示例提示： "Install this MCP: https://github.com/Deepractice/PromptX"
!
演示
https://github.com/user-attachments/assets/7a536315-e316-4978-8e5a-e8f417169eb1
用法
配置后，Nacos提供程序将自动启用，并在搜索MCP服务器时使用。您可以使用自然语言查询它，例如：
Find MCP servers for insurance risk analysis或者更具体地说：
Search for MCP servers with natural language processing capabilities文档导航
快速开始
安装
最快的方法是通过MCP配置集成MCP Advisor：
{
"mcpServers": {
"mcpadvisor": {
"command": "npx",
"args": ["-y", "@xiaohui-wang/mcpadvisor"]
}
}
}将此配置添加到AI助手的MCP设置文件中：
- MacOS/Linux：
~/Library/Application Support/Claude/claude_desktop_config.json - 窗户：
%AppData%\Claude\claude_desktop_config.json
通过Smithery安装
通过以下方式自动安装克劳德桌面版Advisor 史密瑟里:
npx -y @smithery/cli install @istarwyh/mcpadvisor --client claude有关更多安装方法和详细配置，请参阅 快速入门指南.
可选：本地Meilisearch（改进推荐）
为了提高推荐质量，您可以运行本地Meilisearch实例：
pnpm meilisearch:start这从Meilisearch开始http://localhost:7700，鞋带 mcp_servers 索引 从本地数据，并将环境变量持久化到 ~/.meilisearch/env. 使用以下命令将它们加载到当前shell中：
source ~/.meilisearch/env或者在启动MCPAdvisor时使用单个标志自动启用它（不需要手动环境）：
{
"mcpServers": {
"mcpadvisor": {
"command": "npx",
"args": ["-y", "@xiaohui-wang/mcpadvisor", "--local-meilisearch"]
}
}
}开发者指南
架构概述
MCP Advisor采用模块化架构，具有清晰的关注点分离和功能编程原则。代码库最近进行了重构（2025年），以提高可维护性和可扩展性：
graph TD
Client["Client Application"] --> |"MCP Protocol"| Transport["Transport Layer"]
subgraph "MCP Advisor Server"
Transport --> |"Request"| SearchService["Search Service"]
SearchService --> |"Query"| Providers["Search Providers"]
subgraph "Search Providers"
Providers --> MeilisearchProvider["Meilisearch Provider"]
Providers --> GetMcpProvider["GetMCP Provider"]
Providers --> CompassProvider["Compass Provider"]
Providers --> NacosProvider["Nacos Provider"]
Providers --> OfflineProvider["Offline Provider"]
end
OfflineProvider --> |"Hybrid Search"| HybridSearch["Hybrid Search Engine"]
HybridSearch --> TextMatching["Text Matching"]
HybridSearch --> VectorSearch["Vector Search"]
SearchService --> |"Merge & Filter"| ResultProcessor["Result Processor"]
SearchService --> Logger["Logging System"]
end项目结构
代码库遵循干净的架构原则，具有有组织的目录结构：
src/
├── services/
│ ├── core/ # Core business logic
│ │ ├── installation/ # Installation guide services
│ │ ├── search/ # Search providers
│ │ └── server/ # MCP server implementation
│ ├── providers/ # External service providers
│ │ ├── meilisearch/ # Meilisearch integration
│ │ ├── nacos/ # Nacos service discovery
│ │ ├── oceanbase/ # OceanBase vector database
│ │ └── offline/ # Offline search engine
│ ├── common/ # Shared utilities
│ │ ├── api/ # API clients
│ │ ├── cache/ # Caching mechanisms
│ │ └── vector/ # Vector operations
│ └── interfaces/ # Type definitions
├── types/ # TypeScript type definitions
├── utils/ # Utility functions
└── tests/ # Test suites
├── unit/ # Unit tests
├── integration/ # Integration tests
└── e2e/ # End-to-end tests核心组件
- 搜索服务层
- 统一的搜索界面和提供商聚合 - 支持多个搜索提供程序并行执行 - 可配置的搜索选项（限制、最小相似度）
- 搜索提供程序
- Meilisearch供应商：使用Meilisearch进行矢量搜索 - GetMCP提供程序：从GetMCP注册表中搜索API - 指南针提供商：从Compass注册表中搜索API - Nacos提供商：服务发现集成 - 离线提供商：结合文本和矢量的混合搜索
- 混合搜索策略
- 文本匹配与矢量搜索的智能结合 - 可配置的重量平衡 - 智能自适应过滤机制
- 传输层
- Stdio（CLI默认） - SSE（Web集成） - REST API端点
有关更详细的体系结构文档，请参阅 建筑.md.
开发人员快速入门
开发环境设置
- 克隆存储库
- 安装依赖项：
pnpm install- 构建项目：
pnpm run build- 配置环境变量（请参见 快速入门指南)
测试
MCP Advisor包括全面的测试套件，以确保代码质量和功能。有关详细的测试信息，包括单元测试、集成测试、端到端测试和手动测试程序，请参阅 技术参考.
测试
运行全面测试：
# Run all tests
pnpm run check && pnpm run test && pnpm run test:e2e
# Automated E2E testing script
./scripts/run-e2e-test.sh有关详细的测试信息，请参阅 技术参考.
图书馆使用情况
import { SearchService } from '@xiaohui-wang/mcpadvisor';
// Initialize search service
const searchService = new SearchService();
// Search for MCP servers
const results = await searchService.search('vector database integration');
console.log(results);运输选项
MCP Advisor支持多种传输方式：
- 标准运输 （默认）-适用于命令行工具
- 苏格兰和南方能源公司运输 -适用于web集成
- REST传输 -提供REST API端点
有关更多开发详细信息，请参阅 贡献指南.
贡献指南
我们欢迎为MCP顾问做出贡献！
用法示例
查询示例
以下是一些可以与MCP Advisor一起使用的示例查询：
"Find MCP servers for natural language processing"
"Document summarization MCP servers"示例响应
[
{
"title": "NLP Toolkit",
"description": "Comprehensive natural language processing toolkit with sentiment analysis, entity recognition, and text summarization capabilities.",
"github_url": "https://github.com/example/nlp-toolkit",
"similarity": 0.92
},
{
"title": "Text Processor",
"description": "Efficient text processing MCP server with multi-language support.",
"github_url": "https://github.com/example/text-processor",
"similarity": 0.85
}
]有关更多示例和高级用法，请参阅 技术参考.
故障排除
常见问题
- 连接被拒绝
- 确保服务器在指定端口上运行 - 检查防火墙设置
- 未返回任何结果
- 尝试更通用的查询 - 检查与注册表API的网络连接
- 性能问题
- 考虑添加更具体的搜索词 - 检查服务器资源（CPU/内存）
有关更多故障排除信息，请参阅 故障排除.md.
搜索提供程序
MCP Advisor支持可同时使用的多个搜索提供程序：
- 指南针搜索提供商：使用Compass API检索MCP服务器信息
- GetMCP搜索提供程序：使用GetMCP API和矢量搜索进行语义匹配
- Meilisearch搜索提供商：使用Meilisearch进行快速、容错的文本搜索
有关搜索提供程序的详细信息，请参阅 技术参考.
路线图
MCP Advisor正在从一个简单的推荐系统发展成为一个智能代理编排平台。我们的愿景是创建一个系统，不仅推荐合适的MCP服务器，而且从交互中学习，帮助代理动态规划和执行复杂的任务。
gantt
title MCP Advisor Evolution Roadmap
dateFormat YYYY-MM-DD
axisFormat %Y-%m
section Foundation
Enhanced Search & Recommendation ✓ :done, 2025-01-01, 90d
Hybrid Search Engine ✓ :done, 2025-01-01, 90d
Provider Priority System ✓ :done, 2025-04-01, 60d
section Intelligence Layer
Feedback Collection System :active, 2025-04-01, 90d
Agent Interaction Analytics :2025-07-01, 120d
Usage Pattern Recognition :2025-07-01, 90d
section Learning Systems
Reinforcement Learning Framework :2025-10-01, 180d
Contextual Bandit Implementation :2025-10-01, 120d
Multi-Agent Reward Modeling :2026-01-01, 90d
section Advanced Features
Task Decomposition Engine :2026-01-01, 120d
Dynamic Planning System :2026-04-01, 150d
Adaptive MCP Orchestration :2026-04-01, 120d
section Ecosystem
Developer SDK & API :2026-07-01, 90d
Custom MCP Training Tools :2026-07-01, 120d
Enterprise Integration Framework :2026-10-01, 150d主要开发阶段
- 推荐能力优化 （2025年第二季度至第三季度）
- 接受用户反馈 - 优化推荐效果 - 引入更多指数
有关详细的路线图，请参阅 ROADMAP.md.
要实现上述功能，我们需要：
- \[\]支持全文索引搜索
- \[\]利用专业重新排名模块，如https://github.com/PrithivirajDamodaran/FlashRank或Qwen重新排名模型
- \[\]支持Cline市场：https://api.cline.bot/v1/mcp/marketplace
许可证
此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。