困惑高级MCP
______________________________________________________________________
概述
困惑高级MCP是一个高级集成包，它利用了 OpenRouter 的 和 困惑度 API提供增强的查询处理能力。该软件包具有直观的命令行界面和强大的API客户端，有助于与人工智能模型进行无缝交互，用于简单和复杂的查询。
与?比较 困惑mcp
- 多供应商支持： 支持两者 困惑度 和 OpenRouter 的 API，让您在选择提供商时具有灵活性
- 查询类型优化： 区分简单查询和复杂查询，优化成本和性能
- 文件附件支持： 允许将文件内容作为上下文包含在查询中，从而实现更精确和上下文相关的响应
- 增强的重试逻辑： 实施稳健的重试机制以提高可靠性
总体而言，当与编辑器集成时，这是处理代码库的最合适的MCP，例如 克莱恩 或 光标.
特性
- 统一API客户端： 支持两者 OpenRouter 的 和 困惑度 具有可配置模型的API，用于处理简单和复杂的查询。
- 命令行界面（CLI）： 使用管理API密钥配置并运行MCP服务器 类型.
- 高级查询处理： 结合了文件附件处理，允许您在查询中包含上下文数据。
- 强大的重试机制： 利用Tendacity进行重试逻辑，以确保API通信的一致性和可靠性。
- 可自定义日志记录： 灵活的日志配置，用于详细的调试和运行时监控。
最佳AI配置
Perplexity is an LLM that can search the internet, gather information, and answer users' queries.
For example, let's suppose we want to find out the latest version of Python.
1. You would search on Google.
2. Then read the top two or three results directly to verify.
Perplexity does that work for you.
To answer a user's query, Perplexity searches, opens the top search results, finds information on those websites, and then provides the answer.
Perplexity can be used with two types of queries: simple and complex. Choosing the right query type to fulfill the user's request is most important.
It's cheap and fast. However, it's not suitable for complex queries. On average, it's more than 10 times cheaper and 3 times faster than complex queries.
Use it for simple questions such as "What is the latest version of Python?"
$1/M input tokens
$1/M output tokens
It's slower and more expensive. Compared to simple queries, it's on average more than 10 times more expensive and 3 times slower.
Use it for more complex requests like "Analyze the attached code to examine the current status of a specific library and create a migration plan."
$1/M input tokens
$5/M output tokens
When reviewing the user's request, if you find anything unexpected, uncertain, or questionable, **and you think you can get answer from the internet**, do not hesitate to use the "ask_perplexity" tool to consult Perplexity. However, if the internet is not required to satisfy users' request, it's meaningless to ask to perplexity.
Since Perplexity is also an LLM, prompt engineering techniques are paramount.
Remember the basics of prompt engineering, such as providing clear instructions, sufficient context, and examples
Include as much context and relevant files as possible to smoothly fulfill the user's request. When adding files as attachments, make sure they are absolute paths.
这种配置有助于AI助手更好地了解何时以及如何使用困惑搜索功能，从而优化成本和性能。
用法
快速入门 uvx
运行MCP服务器的最简单方法是使用 uvx:
uvx perplexity-advanced-mcp -o # or -p
您还可以使用环境变量配置API密钥：
export OPENROUTER_API_KEY="your_key_here"
# or
export PERPLEXITY_API_KEY="your_key_here"
uvx perplexity-advanced-mcp注：
- 同时提供OpenRouter和Perplexity API密钥将导致错误
- 当同时提供CLI参数和环境变量时，CLI参数优先
CLI是用 类型，确保用户友好的命令行体验。
MCP搜索工具
该软件包包括通过集成的MCP搜索工具 ask_perplexity 功能。它支持简单和复杂的查询，并处理文件附件以提供额外的上下文。
- 简单查询： 提供快速、高效的响应。
- 复杂查询： 参与详细的推理，并支持XML格式的文件附件。
配置
- API密钥： 配置
OPENROUTER_API_KEY或PERPLEXITY_API_KEY通过命令行选项或环境变量。 - 型号选择： 配置（in
src/perplexity_advanced_mcp/config.py)将查询类型映射到特定模型：
- OpenRouter 的: - 简单查询： perplexity/sonar - 复杂查询： perplexity/sonar-reasoning - 困惑度: - 简单查询： sonar-pro - 复杂查询： sonar-reasoning-pro
发展背景与理念
这个项目源于我个人的好奇心和实验。继最近 “vibe编码” 趋势，超过95%的代码是通过 克莱恩 + 光标 石斑鱼类。他们说“谈话很便宜，给我看看代码”——好吧，用 Wispr流程的语音转文本魔术，我刚刚说话，代码就出现了！大部分开发都是由我完成的，比如“给我写x y z的代码，在x y z这里修复错误。”然后按enter键。值得注意的是，创建这个功能齐全的项目只花了不到几个小时的时间。
从项目脚手架到文件结构，所有内容都是通过LLM编写和审查的。甚至PyPI发布的GitHub Actions工作流和发布审批流程都是通过Cursor处理的。作为一名人类开发人员，我的职责是：
- 启动和停止MCP服务器以帮助AI进行适当的测试
- 出现问题时复制并提供错误日志
- 查找并提供 Python MCP SDK 互联网上的文档和示例
- 请求修改似乎不正确的代码
在当今世界，许多东西都可以自动化和替换，我希望这个MCP可以帮助像你这样的开发人员发现除了编写代码之外的价值。希望这个工具能帮助你成为一名能够做出更高层次决策和考虑的新时代开发人员。
发展
要贡献或修改此包，请执行以下操作：
1. 克隆存储库：
gh repo clone code-yeongyu/perplexity-advanced-mcp2. 安装依赖关系：
uv sync3. 贡献：
欢迎投稿！请遵循现有的代码风格和提交指南。
许可证
该项目根据MIT许可证获得许可。