上下文MCP服务器

这是一个使用上下文AI提供检索增强生成(RAG)能力的模型上下文协议(MCP)服务器。该服务器可以与多种MCP客户端集成。它提供了灵活性，您可以决定在服务器中提供哪些功能。在此readme中，我们将展示与Cursor IDE和Claude Desktop的集成。

上下文AI现在提供了一个托管服务器，位于平台内：https://mcp.app.contextual.ai/mcp/ 连接到服务器后，您可以使用平台MCP服务器提供的工具，如查询。 要了解完整的操作流程，请参阅MCP用户指南。

概览

MCP服务器作为AI接口（Cursor IDE或Claude Desktop）和专用上下文AI代理之间的桥梁。它实现了以下功能：

1. 查询处理：将特定领域的查询定向到专门的上下文AI代理
2. 智能检索：搜索您的知识库中的全面信息
3. 上下文感知响应：生成基于源文档的答案，并包括引用和归属，同时保持对话上下文

集成流程

Cursor/Claude Desktop → MCP服务器 → 上下文AI RAG代理
        ↑                  ↓             ↓                         
        └──────────────────┴─────────────┴─────────────── 带引用的响应

先决条件

• Python 3.10或更高版本
• Cursor IDE和/或Claude Desktop
• 上下文AI API密钥
• 兼容MCP的环境

安装

1. 克隆仓库：

git clone https://github.com/ContextualAI/contextual-mcp-server.git
cd contextual-mcp-server

2. 创建并激活虚拟环境：

python -m venv .venv
source .venv/bin/activate  # 在Windows上，使用`.venv\Scripts\activate`

3. 安装依赖项：

pip install -e .

配置

配置MCP服务器

服务器需要修改设置或使用。 例如，单个代理服务器应根据您的RAG代理定制适当的文档字符串。

查询工具的文档字符串至关重要，因为它有助于MCP客户端理解何时将问题路由到您的RAG代理。使其具体针对您的知识领域。这里是一个例子：

专注于美国最大公司财务数据的研究工具

或者

专注于奥马哈半导体技术文档的研究工具

服务器还需要从您的RAG代理获取以下设置：

• API_KEY：您的上下文AI API密钥
• AGENT_ID：您的上下文AI代理ID

如果您希望将这些文件存储在.env文件中，可以这样指定它们：

cat > .env << EOF
API_KEY=key...
AGENT_ID=...
EOF

该仓库还包含了更多高级的MPC服务器，适用于多代理系统或文档代理。

AI接口集成

此MCP服务器可以与多种客户端集成。要与Cursor IDE或Claude Desktop一起使用，请在适当位置创建或修改MCP配置文件：

1. 首先，找到您的uv安装路径：

UV_PATH=$(which uv)
echo $UV_PATH
# 示例输出：/Users/username/miniconda3/bin/uv

2. 使用步骤1中的完整路径创建配置文件：

cat > mcp.json << EOF
{
 "mcpServers": {
   "ContextualAI-TechDocs": {
     "command": "$UV_PATH", # 确保正确设置
     "args": [
       "--directory",
       "\${workspaceFolder}",  # 将被替换为您的项目路径
       "run",
       "multi-agent/server.py"
     ]
   }
 }
}
EOF

3. 移动到正确的文件夹位置，见下文选项：

mkdir -p .cursor/
mv mcp.json .cursor/

配置位置：

• 对于Cursor：
• 项目特定：项目目录中的.cursor/mcp.json
• 全局：~/.cursor/mcp.json用于系统范围访问
• 对于Claude Desktop：
• 在适当的Claude Desktop配置目录中使用相同的配置文件格式

环境设置

该项目使用uv进行依赖管理，这提供了更快且更可靠的Python包安装。

使用

该服务器通过Python SDK提供上下文AI RAG能力，可以从MCP客户端（如Cursor IDE和Claude Desktop）访问各种命令。 当前服务器侧重于使用上下文AI Python SDK中的查询命令，但您可以扩展以支持其他功能，如列出所有代理、更新检索设置、更新提示、提取检索结果或下载指标。

示例用法

# 在Cursor中，您可能会问：
"给我看看启动RF345微芯片的代码？"

# MCP客户端将：
1. 确定是否应将此请求路由到MCP服务器

# 然后MCP服务器将：
1. 将查询路由到上下文AI代理
2. 检索相关文档
3. 生成带有具体引用的回答
4. 将格式化的答案返回给Cursor

主要优势

1. 准确回答：所有答案都基于您的文档
2. 来源归属：每个回答都包含对源文档的引用
3. 上下文感知：系统保持对话上下文以应对后续问题
4. 实时更新：回答反映了数据存储中的最新文档

开发

修改服务器

要添加新功能：

1. 通过创建附加函数并使用@mcp.tool()装饰器来添加新工具
2. 使用Python类型提示定义工具参数
3. 提供清晰的文档字符串，描述工具的功能

示例：

@mcp.tool()
def new_tool(param: str) -> str:
   """描述工具的作用"""
   # 实现
   return result

限制

• 服务器本地运行，可能不适用于远程开发环境
• 工具响应受上下文AI API限制和配额影响
• 目前仅支持标准I/O传输模式

有关上下文AI的所有功能，请参阅官方文档。