MCP Prompt Server 项目启动与配置教程
2025-05-21 22:56:33作者:冯爽妲Honey
1. 项目的目录结构及介绍
MCP Prompt Server 项目的目录结构如下所示:
mcp-prompt-server/
├── package.json
├── src/
│ ├── index.js # 服务器主入口
│ └── prompts/ # 所有Prompt模板目录
│ ├── gen_summarize.yaml
│ ├── gen_title.yaml
│ ├── gen_html_web_page.yaml
│ ├── gen_3d_webpage_html.yaml
│ ├── gen_bento_grid_html.yaml
│ ├── gen_knowledge_card_html.yaml
│ ├── gen_magazine_card_html.yaml
│ ├── gen_prd_prototype_html.yaml
│ ├── ... # 更多Prompt模板
│ └── 更多Prompt,需要时拿出来/ # 可选扩展Prompt
└── README.md
package.json:npm 包配置文件,定义了项目的依赖、脚本和元数据。src/:源代码目录。index.js:项目的入口文件,负责启动服务器并加载 Prompt 模板。prompts/:存储所有 Prompt 模板的目录,每个 YAML 或 JSON 文件代表一个 Prompt。
README.md:项目说明文件,包含了项目的介绍、使用方法和配置指南。
2. 项目的启动文件介绍
项目的启动文件为 src/index.js。以下是该文件的基本内容:
// 引入必要的 Node.js 模块和项目文件
const express = require('express');
const { promisify } = require('util');
const fs = require('fs');
const path = require('path');
const yaml = require('js-yaml');
// 创建 Express 应用
const app = express();
app.use(express.json());
// 读取和解析 Prompt 模板
const loadPrompts = async () => {
const promptsPath = path.join(__dirname, 'prompts');
const files = await fs.readdir(promptsPath);
return files.map(file => {
const filePath = path.join(promptsPath, file);
return yaml.safeLoad(fs.readFileSync(filePath, 'utf8'));
});
};
// 加载 Prompt 模板
const prompts = await loadPrompts();
// ...其他服务器初始化代码
// 启动服务器
const PORT = process.env.PORT || 3000;
app.listen(PORT, () => {
console.log(`Server is running on port ${PORT}`);
});
该文件负责初始化 Express 应用,读取和解析 Prompt 模板,并启动服务器。
3. 项目的配置文件介绍
MCP Prompt Server 项目的配置主要通过 package.json 文件进行。
以下是 package.json 中的部分配置内容:
{
"name": "mcp-prompt-server",
"version": "1.0.0",
"description": "A server based on Model Context Protocol (MCP) to provide preset prompt templates.",
"main": "src/index.js",
"scripts": {
"start": "node src/index.js"
},
"dependencies": {
"express": "^4.17.1",
"js-yaml": "^3.13.1"
},
"devDependencies": {
// ...开发依赖
}
}
在 scripts 部分,定义了一个 start 脚本,用于启动服务器。可以通过运行 npm start 命令来执行该脚本。
此外,dependencies 部分列出了项目依赖的 Node.js 包,例如 Express 和 js-yaml,这些包是项目运行所必需的。
通过以上介绍,您应该可以对 MCP Prompt Server 项目的目录结构、启动文件和配置文件有一个基本的了解。按照这些指导,您可以顺利地启动和配置该项目。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C032
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
340
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
233
266
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
327
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
668
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
45
32