Token导航 LogoToken导航

MCP Server · 开发工具

Tpc Server

Thoughts Plans Changelog is an MCP compliant server for coding with AI agents

SSE官方级别未说明来源级核验工具 8
AI协作JavaScriptAPI集成

快速开始

作者 / 组织
suttonwilliamd
提供方
suttonwilliamd
运行时
Python

工具数量

8

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

1

仓库热度

收录来源

4 个

MCP.so

选型结论

Tpc Server 属于开发工具类 MCP Server,公开资料标注 8 个工具,通过SSE 远程服务接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前先确认权限范围。

分类

开发工具

传输方式

SSE

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

pip install -r requirements.txt

远程服务不用写启动命令,在客户端 MCP 配置里填服务地址即可,具体字段按官方文档填写。

上手步骤

  1. 1

    确认访问方式

    这是SSE 远程服务,本地不用装依赖;先确认服务地址、账号归属和额度,再决定接哪个客户端。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填服务地址;需要授权的先完成登录,再回到客户端刷新。

  4. 4

    验证是否可用

    连接成功后客户端会列出 8 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

TPC服务器

用于人工智能协作的Node.js/Express API,从用于思想和计划的JSON文件存储开始。

设置和使用

  1. 安装依赖项: npm install
  2. 启动服务器: node server.js
  3. 服务器运行在 http://localhost:3001

更新日志

看 更改日志.md 查看详细的发行说明。

测试

跑 npm test (或 npm run test:unit)执行Jest API/集成测试。 跑 npm run test:e2e 用于Playwright UI测试。 跑 npm run smoke:mcp 用于确定性MCP计划/思想生命周期烟雾验证。

生产安全

/tpc.db 默认情况下,下载在生产环境中是禁用的。 要明确允许它,请设置 EXPOSE_TPC_DB=true.

操作端点

  • GET /health 返回基本活性信息。
  • GET /ready 返回准备状态信息和数据库路径。

数据合同(REST+MCP)

  • 鉴定:SQLite中用于计划/想法的整数自动递增ID。
  • 时间戳:

- thoughts.timestamp, plans.timestamp =ISO8601字符串。 - plans.created_at, plans.last_modified_at =历元毫秒。

  • 标签:数据库列中的JSON编码字符串数组。

项目结构

  • server.js:模块化结构的主Express服务器(db/、routes/、中间件/)。
  • mcp-server.js:用于AI客户端的MCP服务器(stdio传输)。与一起跑步 npm run mcp.
  • data/tpc.db:SQLite数据库,用于持久存储想法和计划。
  • tests/:测试文件(Jest单元测试、MCP测试)。
  • public/:静态单页UI。

使用示例

REST API
  • 检索所有想法: curl http://localhost:3001/thoughts
  • 检索所有计划: curl http://localhost:3001/plans
  • 创造一个想法: curl -X POST http://localhost:3001/thoughts -H "Content-Type: application/json" -d '{"content": "My thought"}'
  • 制定计划: curl -X POST http://localhost:3001/plans -H "Content-Type: application/json" -d '{"title": "My Plan", "description": "Plan details"}'
  • 更新计划状态: curl -X PATCH http://localhost:3001/plans/1 -H "Content-Type: application/json" -d '{"status": "in_progress"}'
  • 在计划/想法中搜索: curl "http://localhost:3001/search?q=AI&type=plans&tags=urgent&limit=5"
  • 在计划中添加标签: curl -X PATCH http://localhost:3001/plans/1/tags -H "Content-Type: application/json" -d '{"tag": "ai"}' (附加)或 {"tags": ["ai", "urgent"]} (替换)
  • 按标签筛选计划: curl "http://localhost:3001/plans?tags=ai,urgent"
  • 查看UI:访问http://localhost:3001/index.html启动服务器后。
MCP服务器
  • 启动MCP服务器: npm run mcp
  • 通过stdio连接--配置您的MCP客户端以使用此
  • 可用工具:列表计划、获取计划、创建计划、更新计划、列表想法、创建想法、搜索想法、获取文本
  • 可用资源:tpc://plans, tpc://thoughts, tpc://context

特性

  • MCP服务器:为AI客户端实现完整的MCP协议。与一起跑步 npm run mcp (stdio传输)。
  • 模块化服务器架构:分为db/、路由/和中间件/,用于可维护的API开发。
  • SQLite持久性:单一 data/tpc.db 用于具有幂等模式迁移的想法和计划。
  • 综合测试:Jest用于单元测试(端点、验证、集成),Playwright用于E2E UI测试(渲染、交互)。
  • 人工智能协作重点:端点 /context 为代理内存聚合数据;支持带有审阅标志的人工编辑。
  • 富文本支持:计划描述接受Markdown格式(粗体、列表等),并使用marked.js在UI中显示。
  • 搜索和组织:全文搜索API(/search?q=)带有类型/标签/限制过滤器;UI搜索输入和基于标签的过滤/编辑。
  • 标记系统:通过API/UI添加/编辑/过滤计划/想法上的标记,以便更好地分类(例如,\[‘ai’,‘emergent’\])。

v2.7-搜索和组织

已实现的功能

  • 全文搜索端点(GET /search?q=)可选 ?type=plans|thoughts, ?tags=tag1,tag2, ?limit=N 以获得有针对性的结果。
  • 标签系统: tags 计划/想法表上的列(JSON数组);通过管理 POST/PUT/PATCH /plans/:id/tags (以及思考)。
  • 标签过滤: ?tags=ai,urgent 列表端点上的(AND逻辑)(/plans, /thoughts, /search).
  • 增强 /context 随着 ?search= 以过滤聚合数据。
  • UI:全局搜索输入、详细标签编辑、列表中的标签过滤下拉菜单。

用法

  • API搜索: curl "http://localhost:3001/search?q=collaboration&type=plans&tags=ai"
  • 标记计划: curl -X PATCH http://localhost:3001/plans/1/tags -H "Content-Type: application/json" -d '{"tags": ["ai", "urgent"]}' (替换)或 {"tag": "new"} (附后)。
  • 按标签筛选: curl "http://localhost:3001/plans?tags=ai,urgent"
  • UI:在搜索框中输入查询;单击标签在平面图/思维图中编辑/过滤。

显著变化

  • 架构添加: tags 计划/想法表的TEXT列(默认为“\[\]”);与回填向后兼容的迁移。
  • 新路线: /search 用于统一查询。
  • 基于v2.6 Markdown支持和模块化结构构建。

工具与能力

工具数量

8

资源数量

0

提示词数量

0

能力标签

developer-toolsAI协作JavaScript本地部署JSON存储计划管理API服务SQLite数据库

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

让助手直接读代码

把仓库、提交记录和 issue 交给模型检索,补全和重构时不用来回复制文件。

在对话里跑命令

触发构建、测试和脚本,执行结果直接回到上下文,省去切终端。

接进开发流程

把 PR、CI 状态和代码审查接进助手,减少在几个工具之间跳。

选择建议

值得选的地方

  • 只提供 8 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 4 个目录同时收录,信息可以交叉核对。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在开发工具场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Tpc Server

MCP.so · 本页

8SSE有4 个2026-05-17
Git 838e2ec1

MCP World

12stdio有2 个2026-05-17
Markitdown MCP 2c653a5f

MCP World

1stdio有1 个2026-05-17
Context7 MCP C671e75a

MCP World

0stdio有1 个2026-05-17
Context7 831acf40

MCP World

0stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Tpc Server 怎么安装?

公开资料给出的安装命令是 pip install -r requirements.txt,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Tpc Server 怎么在 Claude Desktop、Cursor 里配置?

它是SSE 远程服务,在客户端的 MCP 配置里填服务地址即可,不用本地装依赖;需要授权或 API Key 的,先在官方页面拿到凭据再填。

Tpc Server 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Tpc Server 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Tpc Server 支持哪些客户端?

公开资料没有标注具体客户端;支持远程 MCP 地址的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP