更好的写手-MCP

Name: 更好的写手-MCP
Author: oil-oil

作者：oil-oil2 星标更新：2025-10-26

安装使用来源：spider==github.com

项目介绍

Better Writer MCP - 帮助生成更优质文章内容的MCP工具

这是一个专注于生成自然流畅中文内容的MCP工具。它可以编写“类人”的文本，支持在线搜索最新信息，并可以直接保存到指定文件中。默认情况下，我认为内容生成效果最好且最自然的是Qwen3-Next-80B-A3B模型。

核心设计理念

Better Writer MCP的提示词设计围绕三个核心概念：

可读性优先 - 通过明确声明“禁止词汇”和“推荐表达”，避免官方语言如“如果”、“那么”等，使内容更加贴近真实对话。
严格的规范约束 - 内置详细的写作标准（段落结构、标题层次、标点符号使用等），确保输出质量稳定。
上下文感知 - 支持输入背景信息和自定义规则，使生成的内容更符合特定场景需求。

Better Writer注重写作中的节奏感和真实性，通过长短句交织、词汇多样化以及采用个性化视角，生成的内容可以具有更高的“突然性”和“困惑度”——这正是人类写作的特点。它不追求完美的流畅性，而是保留一些自然的“不完美”，使文本更加温暖。

快速开始

第一步：获取API密钥

Better Writer MCP支持两个LLM后端：OpenRouter 和 Gemini。

方案A：使用OpenRouter（默认，支持多种模型）

访问OpenRouter官方网站注册账户
在账户设置中创建API密钥
将其配置到环境变量或MCP配置文件中

方案B：使用Gemini（Google官方API）

访问Google AI Studio 获取API密钥
配置环境变量 GEMINI_API_KEY 和 LLM_BACKEND=gemini

第二步：配置MCP服务器

在任何支持配置MCP的客户端中添加以下配置：

使用OpenRouter（默认）

{
  "better-writer": {
    "command": "npx",
    "args": ["-y", "better-writer-mcp"],
    "env": {
      "OPENROUTER_KEY": "your-api-key-here"
    }
  }
}

使用Gemini

{
  "better-writer": {
    "command": "npx",
    "args": ["-y", "better-writer-mcp"],
    "env": {
      "LLM_BACKEND": "gemini",
      "GEMINI_API_KEY": "your-gemini-api-key-here"
    }
  }
}

高级配置

环境变量说明

变量名称	描述	默认值	是否必需
`LLM_BACKEND`	LLM后端选择：`openrouter` 或 `gemini`	`openrouter`	❌ 否
OpenRouter相关
`OPENROUTER_KEY`	OpenRouter API密钥	-	✅ 使用OpenRouter时必需
`OPENROUTER_MODEL`	指定要使用的模型	`qwen/qwen3-next-80b-a3b-instruct`	❌ 否
Gemini相关
`GEMINI_API_KEY`	Gemini API密钥	-	✅ 使用Gemini时必需
`GEMINI_MODEL`	指定要使用的Gemini模型	`gemini-2.5-flash`	❌ 否
`GEMINI_DISABLE_THINKING`	禁用Gemini 2.5的思考模式	`false`	❌ 否
通用配置
`BW_DEFAULT_TOOL`	是否作为默认写作工具	`false`	❌ 否
`BETTER_WRITER_CUSTOM_RULES`	自定义写作规则	-	❌ 否

关于 `BW_DEFAULT_TOOL` 环境变量

此环境变量控制Better Writer的调用方式：

设为 true（推荐）：

AI将自动调用Better Writer以满足任何写作需求
用户只需说“写一篇文章”而无需提及工具名称
适合作为主要写作工具使用

设为 false（默认）：

只有当用户明确说出“使用Better Writer”或“使用bw”时才会被调用
适合与其他写作工具共存的场景

配置示例：

{
  "mcpServers": {
    "bw": {
      "command": "npx",
      "args": ["-y", "better-writer-mcp"],
      "env": {
        "OPENROUTER_KEY": "your-api-key-here",
        "BW_DEFAULT_TOOL": "true"
      }
    }
  }
}

自定义写作规则

如果你有特定的写作标准要求，可以通过 BETTER_WRITER_CUSTOM_RULES 环境变量传递。例如：

{
  "mcpServers": {
    "better-writer": {
      "command": "npx",
      "args": ["-y", "better-writer-mcp"],
      "env": {
        "OPENROUTER_KEY": "your-api-key-here",
        "BETTER_WRITER_CUSTOM_RULES": "- 所有代码必须有中文注释\n- 技术术语首次出现时给出解释\n- 避免使用'简单''容易'等主观词"
      }
    }
  }
}

这些自定义规则将与内置的写作标准合并，使生成的内容更符合你的需求。

更换模型

通过OpenRouter使用其他模型

如果你想使用其他模型（如GPT-4、Claude等），可以设置 OPENROUTER_MODEL：

{
  "env": {
    "OPENROUTER_KEY": "your-api-key-here",
    "OPENROUTER_MODEL": "anthropic/claude-3.5-sonnet"
  }
}

请参考支持的模型列表 OpenRouter Models。

使用不同的Gemini模型

Gemini提供了多个模型版本，你可以根据需要选择：

{
  "env": {
    "LLM_BACKEND": "gemini",
    "GEMINI_API_KEY": "your-gemini-api-key-here",
    "GEMINI_MODEL": "gemini-2.5-pro"
  }
}

可用的Gemini模型：

gemini-2.5-flash（默认） - 快速速度，低成本
gemini-2.5-pro - 更强大的推理能力

关于Gemini 2.5的思考模式

Gemini 2.5系列模型默认启用“思考”功能以提高质量，但这会增加运行时间和令牌使用量。如果你想要更快的响应速度，可以禁用它：

{
  "env": {
    "LLM_BACKEND": "gemini",
    "GEMINI_API_KEY": "your-gemini-api-key-here",
    "GEMINI_DISABLE_THINKING": "true"
  }
}

OpenRouter与Gemini对比

特征	OpenRouter	Gemini
模型选择	支持多种模型（Claude、GPT、Qwen等）	仅支持Gemini系列模型
网络搜索	✅ 支持（原生/第三方引擎）	❌ 不支持
默认模型	Qwen3-Next-80B（优秀的中文内容生成）	Gemini 2.5 Flash
计费方式	由OpenRouter统一定价	由Google官方定价
API稳定性	依赖于OpenRouter服务	Google官方API
思考模式	取决于具体模型	Gemini 2.5默认启用
适用场景	需要多模型切换和在线搜索	仅使用Gemini，追求稳定性

选择建议：

如果需要在线搜索最新信息，必须使用OpenRouter
如果追求API稳定性和成本控制，我们推荐使用官方Gemini API
如果想尝试不同模型，OpenRouter提供了更多选择

使用示例

配置完成后，你可以在AI对话框中这样说：

如果设置 `BW_DEFAULT_TOOL=true`（推荐）

只需陈述写作要求：

写一篇智能台灯的产品介绍，300字左右

写一份 MCP 协议的介绍，需要联网查最新资料，保存到 docs/mcp-intro.md

帮我写个周报，内容是本周完成了三个功能模块

如果使用默认设置（`BW_DEFAULT_TOOL=false`）

需要明确提到工具名称：

用 Better Writer 写一篇智能台灯的产品介绍，300字左右

用 bw 写一份 MCP 协议的介绍，需要联网查最新资料

AI助手将自动调用Better Writer，传递适当的参数，并生成自然流畅的中文内容。

效果对比：为什么我们需要一个更好的Better Writer？

同样以撰写MCP协议介绍为例，让我们看看直接由AI生成的内容与Better Writer生成的内容之间的差异。

由Claude Sonnet 4.5生成的版本

MCP作为一种创新的技术标准，正在深刻改变大型语言模型与外部系统交互的方式。从技术架构的角度来看，MCP提供了一种标准化的协议规范，使得不同的AI模型能够以统一的方式访问各种数据源和工具服务。

MCP的核心价值主要体现在以下几个方面。首先，它有效地解决了传统AI应用开发中的集成问题，通过标准化接口设计显著降低了开发者的集成成本。其次，MCP具有良好的扩展性和兼容性，可以支持各种类型的资源访问，包括文件系统、数据库、API服务等。此外，该协议充分考虑了安全因素，并通过权限控制机制确保了数据访问的安全边界。

在实际应用场景中，MCP展现了强大的潜力。对于企业用户而言，它可以实现AI模型与内部系统的无缝集成，提升工作流程的自动化水平。对于开发者而言，MCP提供了一个清晰的开发范式，通过实现合规的服务器，AI模型可以快速融入现有的业务系统。目前，主流的AI工具如Claude Desktop和cursor已经集成了MCP支持。

从技术演进的角度看，MCP代表了AI应用开发的一个重要方向。它不仅简化了技术实现的复杂性，还为构建一个更加开放和互联的AI生态系统奠定了基础。随着协议的不断完善和生态系统的不断丰富，MCP有望成为AI领域的重要基础设施，推动人工智能技术向更加实用和产品化的方向发展。

由Better Writer生成的版本

MCP代表模型控制协议，是一种轻量级协议，用于协调大型语言模型与其他工具或系统的交互。它不是一个具体的软件或封闭平台，而是一套明确的规则和接口设计，使得来自不同来源的模型能够以统一的方式接收指令、调用外部能力并提供反馈。

在实际应用中，我们经常需要让模型不仅仅是“回答问题”，而是“做事”——比如查询天气、下单、计算账单，甚至控制智能家居。但不同模型的接口各不相同，调用外部工具的方式也各异。MCP的作用就是封装这些差异，提供一种标准的通信语言。

例如，如果我们希望一个模型在没有MCP的情况下查询数据库中的订单状态，每个系统都需要编写一套专用代码来连接模型和数据库。有了MCP，我们只需要定义一个标准请求格式，如：

{
  "action": "query_database",
  "params": {"table": "orders", "id": "12345"}
}

当模型看到这种结构时，就知道要调用哪个工具以及传递哪些参数。接收到工具后，执行操作并以标准格式返回结果，如：

{
  "status": "success",
  "data": {"order_status": "shipped", "estimated_delivery": "2024-06-15"}
}

这个过程完全独立于底层模型类型——无论是本地部署的Llama还是基于云的GPT，只要支持MCP格式，都可以接入。这使得系统更容易扩展和维护。

MCP的设计原则很简单：简洁、易读、无冗余。它不试图取代HTTP、JSON或REST，而是专注于在“模型”和“工具”之间架起最关键的桥梁。它不追求全能，只求可靠。

目前，MCP已经在一些开源项目和企业内部系统中实现了。例如，一个客户服务助理系统通过MCP连接到CRM、物流系统和支付网关，所有交互都遵循统一格式。运营人员不需要为每个新特性重写接口逻辑。提高了开发效率，减少了错误率。

它并不显眼，也没有大公司的背书，但它解决了实际问题。我们不需要每个模型都自带10000个插件，也不需要为每个工具编写适配器。MCP提供了一个平衡：它保留了模型的灵活性，同时保持了系统的结构化。

如果未来越来越多的工具和模型能够接受这一简单而稳定的标准，智能系统的建设将会变得更轻便、更快捷、更稳定。这就是MCP的价值：不是革命性的，而是非常实用的。