Claude Prompts MCP Server

<div align="center">

一个用于高级提示管理的通用模型上下文协议服务器

生产就绪的 MCP 服务器，具有智能提示编排、热重载能力和框架驱动的人工智能工作流。兼容 Claude Desktop、Cursor Windsurf 和任何 MCP 客户端。

快速开始 • 特性 • 文档 • 配置

---

</div>

核心特性

三层执行架构

• 提示执行：带有变量替换的闪电般快速单提示执行
• 模板处理：使用 Nunjucks 模板引擎增强的框架模板
• 链工作流：多步骤 LLM 驱动的工作流，具备状态管理

智能系统组件

• 结构分析：基于文件结构的自动执行类型检测
• 热重载系统：无需重启服务器即可即时更新提示
• 质量门控：具备条件逻辑的框架感知验证
• 性能监控：全面的启动编排和健康监控

通用 MCP 兼容性

• 传输支持：桌面客户端使用 STDIO，Web 应用程序使用 SSE
• 客户端集成：原生支持 Claude Desktop、Cursor Windsurf 和自定义 MCP 客户端
• 协议合规性：完整的模型上下文协议实现，包括工具注册

交互式提示管理

通过三个整合的 MCP 工具直接在对话中管理人工智能能力：

# 带有智能类型检测的通用提示执行
prompt_engine >>code_formatter language="Python" style="PEP8"

# 创建和管理带有智能分析的提示
prompt_manager create name="code_reviewer" type="template" \
  content="分析 {{code}} 的安全性、性能和可维护性"

# 分析现有提示以优化执行
prompt_manager analyze_type prompt_id="my_prompt"

# 系统控制和框架管理
system_control switch_framework framework="ReACT" reason="问题解决焦点"

# 执行复杂的多步骤 LLM 驱动链
prompt_engine >>code_review_optimization_chain target_code="..." language_framework="TypeScript"

关键优势：

• 结构性智能：基于文件结构分析的自动执行路由
• 动态能力构建：通过对话管理扩展人工智能助手的能力
• 最小配置：执行类型检测不需要手动设置
• 系统化工作流：集成创建、路由和框架应用
• 智能命令路由：内置命令检测与多策略解析
• 方法论整合：四种思考框架（CAGEERF、ReACT、5W1H、SCAMPER）及其条件应用

框架系统

该服务器实现了复杂的方法论系统，将结构化的思考框架应用于人工智能交互：

可用的方法论

• CAGEERF：全面的结构化方法（上下文、分析、目标、执行、评估、改进、框架）
• ReACT：系统解决问题的推理和行动模式
• 5W1H：谁、什么、何时、何地、为什么、如何的系统分析
• SCAMPER：创造性的解决问题（替代、结合、适应、修改、其他用途、消除、反转）

框架特性

• 手动选择：根据具体需求选择最优方法论
• 运行时切换：在性能监控下更改活动框架
• 条件应用：当有益时应用框架增强
• 性能监控：跟踪框架切换机制和使用情况

# 切换方法论以采用不同方法
system_control switch_framework framework="ReACT" reason="问题解决焦点"

# 监控框架性能和使用情况
system_control analytics show_details=true

# 获取当前框架状态
system_control status

结果：通过经过验证的思考方法论进行结构化、系统化的AI对话。

分析系统能力

核心分析功能：

• 结构分析：通过检查模板变量（{{variable}}）、链步骤和文件结构来检测执行类型
• 框架应用：根据执行层级应用选定的方法论
• 路由逻辑：根据结构特征路由到适当的执行层级（提示/模板/链）

可选语义增强：

• LLM 集成：启用后提供对提示内容的语义理解
• 高级分析：方法论推荐和复杂度评估
• 默认模式：仅进行结构分析（无 LLM 依赖）

框架控制：

# 手动框架选择
system_control switch_framework framework="ReACT" reason="问题解决焦点"

架构与可靠性

开发者体验

• 一键安装：60秒内完成设置
• 热重载系统：更新提示、配置和模板无需重启
• 丰富的模板引擎：带条件、循环和数据注入的 Nunjucks
• 通用 MCP 集成：与 Claude Desktop、Cursor Windsurf 和任何 MCP 客户端兼容
• 多传输支持：STDIO 用于桌面 + SSE/REST 用于 Web
• 动态管理：实时更新、删除和重新加载提示

企业架构

• 编排启动：分阶段初始化，具备依赖管理
• 错误处理：优雅降级，具备全面日志记录
• 健康监控：实时模块状态、性能指标和诊断
• 环境检测：自动适应开发和生产环境
• 模块化设计：可扩展架构，适用于定制工作流
• 安全性：输入验证、清理和错误边界

整合的 MCP 工具（3个工具）

• prompt_engine：智能分析和链协调的通用执行
• prompt_manager：具备智能过滤和门控管理的生命周期管理
• system_control：框架管理、分析和系统管理

智能特性

• 结构类型检测：自动在提示/模板/链执行之间路由
• 框架集成：四种方法论，手动选择和条件注入
• LLM 驱动链：具备状态管理的逐步工作流协调
• 性能分析：三层执行监控，跟踪框架切换
• 智能参数解析：JSON 对象、单个参数或对话上下文

快速开始

在一分钟内启动服务器：

# 克隆、安装、构建并启动
git clone https://github.com/minipuft/claude-prompts-mcp.git
cd claude-prompts-mcp/server && npm install && npm run build && npm start

MCP 客户端集成

Claude Desktop

将以下内容放入您的 claude_desktop_config.json：

{
  "mcpServers": {
    "claude-prompts-mcp": {
      "command": "node",
      "args": ["E:\\path\\to\\claude-prompts-mcp\\server\\dist\\index.js"],
      "env": {
        "MCP_PROMPTS_CONFIG_PATH": "E:\\path\\to\\claude-prompts-mcp\\server\\prompts\\promptsConfig.json"
      }
    }
  }
}

Cursor Windsurf & 其他 MCP 客户端

配置您的 MCP 客户端通过 STDIO 传输连接：

• 命令：node
• 参数：["path/to/claude-prompts-mcp/server/dist/index.js"]
• 环境（可选）：MCP_PROMPTS_CONFIG_PATH=path/to/prompts/promptsConfig.json

Claude Code CLI 安装

对于 Claude Code CLI 用户：

claude mcp add-json claude-prompts-mcp '{"type":"stdio","command":"node","args":["path/to/claude-prompts-mcp/server/dist/index.js"],"env":{}}'

使用示例

立即开始使用服务器：

# 通过智能过滤发现提示
prompt_manager list filter="category:analysis"

# 自动类型检测执行提示
prompt_engine >>friendly_greeting name="开发者"

# 通过框架增强分析内容
prompt_engine >>content_analysis input="研究数据"

# 运行多步骤 LLM 驱动链
prompt_engine >>code_review_optimization_chain target_code="..." language_framework="TypeScript"

# 监控系统性能
system_control analytics include_history=true

# 通过对话创建新提示
"创建一个名为 'bug_analyzer' 的提示，用于查找并解释代码问题"

# 优化现有提示
"让 bug_analyzer 提示也建议性能改进"

# 引用现有链提示
# 可用示例链：code_review_optimization_chain, create_docs_chain, video_notes_enhanced

# 需要时的手动控制
prompt_engine >>content_analysis input="敏感数据" step_confirmation=true gate_validation=true

该系统通过系统化的方法论应用提供了结构化的提示管理方式。

关键特性

雷霆般的热重载

编排引擎监控文件并无缝重新加载：

# 编辑任何提示文件 → 服务器检测 → 自动重新加载 → 零停机时间

• 即时更新：实时更改模板、参数、描述
• 零重启要求：先进的热重载系统保持一切运行
• 智能依赖追踪：仅重新加载实际更改的内容
• 优雅错误恢复：无效更改不会导致服务器崩溃

高级模板引擎

由 Nunjucks 动态驱动的提示，具备完整的模板功能：

分析 {{content}} 的 {% if focus_area %}{{focus_area}}{% else %}一般{% endif %}见解。

{% for requirement in requirements %}
- 考虑：{{requirement}}
{% endfor %}

{% if previous_context %}
建立于：{{previous_context}}
{% endif %}

• 条件逻辑：根据输入智能调整的提示
• 循环与迭代：处理数组和复杂的数据结构
• 模板继承：复用和扩展提示模式
• 实时处理：模板渲染时注入实时数据

性能导向的编排

多阶段启动，具备全面的健康监控：

阶段 1：基础 → 配置、日志记录、核心服务
阶段 2：数据加载 → 提示、类别、验证
阶段 3：模块初始化 → 工具、执行器、管理器
阶段 4：服务器启动 → 传输、API、诊断

• 依赖管理：模块按正确顺序启动并进行验证
• 健康监控：所有组件的实时状态
• 性能指标：内存使用、运行时间、连接跟踪
• 诊断工具：内置故障排除和调试

智能提示链

作为嵌入在 Markdown 模板中的 LLM 驱动指令序列实现的多步骤工作流：

LLM 驱动链格式（主要方法）

链直接在 Markdown 文件中定义，使用引导 Claude 进行系统化过程的步骤标题：

# 综合代码审查

## 用户消息模板

**目标代码**：{{target_code}}
**语言/框架**：{{language_framework}}

此链执行六步系统化代码审查：

## 步骤 1：结构与组织分析
分析代码架构、组织、模式、命名约定...

**所需输出**：识别模式的结构评估。

---

## 步骤 2：功能与逻辑审查
检查业务逻辑正确性、边缘案例、错误处理...

**所需输出**：边缘案例分析的逻辑验证。

---

## 步骤 3：安全与最佳实践审核
审核安全漏洞：输入验证、身份验证...

**所需输出**：识别漏洞的安全评估。

关键特性：

• LLM 驱动执行：Claude 按照模板中嵌入的逐步指令执行
• 上下文保存：每个步骤自然地建立在之前的输出上
• 灵活结构：步骤可以包含条件逻辑和分支
• 框架集成：自动增强为活动方法论（CAGEERF/ReACT）

模块化链格式（替代方法）

对于编排多个可重用提示的链，使用嵌入在 Markdown 中的格式：

## 链步骤

1. promptId: extract_key_points
   stepName: 提取关键点
   inputMapping:
     content: original_content
   outputMapping:
     key_points: extracted_points

2. promptId: sentiment_analysis
   stepName: 分析情感
   inputMapping:
     text: extracted_points
   outputMapping:
     sentiment: analysis_result

能力：

• 提示复用：将现有提示组合在一起
• 数据流映射：明确的输入/输出变量映射
• 门控集成：在每一步应用质量门控
• 错误恢复：失败步骤的优雅处理

真实示例：查看工作的链实现：

• server/prompts/development/code_review_optimization_chain.md - 六步代码审查工作流
• server/prompts/documentation/create_docs_chain.md - 文档生成链
• server/prompts/content_processing/video_notes_enhanced.md - 视频分析工作流

系统架构

graph TB
    A[Claude Desktop] -->|MCP 协议| B[传输层]
    B --> C[🧠 编排引擎]
    C --> D[📝 提示管理器]
    C --> E[🛠️ MCP 工具管理器]
    C --> F[⚙️ 配置管理器]
    D --> G[🎨 模板引擎]
    E --> H[🔧 管理工具]
    F --> I[🔥 热重载系统]

    style C fill:#ff6b35
    style D fill:#00ff88
    style E fill:#0_66cc

MCP 客户端兼容性

此服务器实现了模型上下文协议（MCP）标准，并与任何兼容客户端一起工作：

测试与验证的客户端

• Claude Desktop：完全集成支持
• Cursor Windsurf：原生 MCP 兼容性
• Claude Code：完全原生支持

传输支持

• STDIO：桌面客户端的主要传输
• 服务器发送事件（SSE）：基于 Web 的客户端和集成
• HTTP 端点：基本端点用于健康检查和数据查询

集成功能

• 自动发现：客户端自动检测工具
• 工具注册：动态能力公告
• 热重载：更改即时出现在客户端
• 错误处理：跨客户端的优雅降级

注意：随着 MCP 的采用增长，此服务器将无需修改即可与任何新的 MCP 兼容的人工智能助手或开发环境一起工作。

配置

服务器配置（config.json）

微调您的服务器行为：

{
  "server": {
    "name": "Claude 自定义提示 MCP 服务器",
    "version": "1.0.0",
    "port": 9090
  },
  "prompts": {
    "file": "promptsConfig.json",
    "registrationMode": "name"
  },
  "transports": {
    "default": "stdio",
    "sse": { "enabled": false },
    "stdio": { "enabled": true }
  }
}

提示组织（promptsConfig.json）

结构化您的 AI 命令库：

{
  "categories": [
    {
      "id": "development",
      "name": "🔧 开发",
      "description": "代码审查、调试和开发工作流"
    },
    {
      "id": "analysis",
      "name": "📊 分析",
      "description": "内容分析和研究提示"
    },
    {
      "id": "creative",
      "name": "🎨 创意",
      "description": "内容创作和创意写作"
    }
  ],
  "imports": [
    "prompts/development/prompts.json",
    "prompts/analysis/prompts.json",
    "prompts/creative/prompts.json"
  ]
}

高级功能

多步骤提示链

使用两种互补的方法构建复杂的 AI 工作流：

LLM 驱动链（推荐）

主要方法使用直接嵌入在 Markdown 模板中的逐步指令。Claude 系统地执行每个步骤，同时保持上下文：

# 研究分析链

## 用户消息模板

研究 {{topic}} 并提供 {{analysis_type}} 分析。

## 步骤 1：初步研究
从可用来源收集关于 {{topic}} 的全面信息。
重点放在 {{analysis_type}} 观点上。

**所需输出**：包含关键发现的研究摘要。

---

## 步骤 2：提取关键见解
从研究发现中确定最相关的见解。
按重要性和相关性排序。

**所需输出**：按优先级排列的见解列表及支持证据。

---

## 步骤 3：分析模式
检查提取的见解中的模式、趋势和关系。
考虑多种分析框架。

**所需输出**：模式分析与框架比较。

---

## 步骤 4：综合报告
创建结合所有发现的综合报告。

**所需输出**：包含执行摘要的结构化报告。

优点：

• 自然流程：Claude 在步骤间自动保持上下文
• 灵活逻辑：步骤可以包含条件分支和决策点
• 框架增强：自动增强为活动方法论（CAGEERF/ReACT