提示词优化 MCP 服务器
一个模型上下文协议 (MCP) 服务器，为 AI 交互提供智能能提示词优化功能。此服务器在提供实用的提示词增强功的同时，展示了 MCP 的核心概念。
🎯 展示的核心 MCP 概念
此服务器展示了模型上下文协议的基本概念：
1. 服务器架构
- 服务器实例: 处理客户端请求的主要 MCP 服务器
- 传输层: 使用
StdioServerTransport实现命令行兼容性 - 能力: 向 MCP 客户端声明提供工具的能力
2. 工具系统
- 工具定义: 基于 JSON Schema 的工具规范
- 输入验证: 使用模式进行结构化参数验证
- 响应格式化: 标准化的 MCP 响应格式
3. 通信协议
- 请求处理器: 实现
ListToolsRequestSchema和CallToolRequestSchema - 错误处理: 正确的 MCP 错误响应格式化
- 异步操作: 非阻塞工具执行
🚀 功能特性
提示词优化器通过多种优化策略提供全面的提示词增强：
优化目标
- 清晰度 (Clarity): 移除模糊语言，提高具体性
- 具体性 (Specificity): 添加具体细节和约束条件
- 结构 (Structure): 用逻辑流程组织内容
- 上下文 (Context): 融入相关背景信息
- 可执行性 (Actionable): 使指令更具体和可执行
- 简洁性 (Conciseness): 在保持清晰度的同时去除冗余
- 示例 (Examples): 添加说明性示例
- 格式 (Format): 指定清晰的输出格式要求
分析能力
- 提示词长度分析
- 清晰度和具体性评分
- 上下文和约束检测
- 示例和格式识别
📦 安装
使用 npm 全局安装
npm install -g @zhaixiaowei/mcp-prompt-optimizer
使用 npx (推荐用于 Cursor)
npx @zhaixiaowei/mcp-prompt-optimizer
本地项目安装
npm install @zhaixiaowei/mcp-prompt-optimizer
🔧 配置
在 Cursor 中使用
要在 Cursor 中使用此 MCP 服务器，请将以下配置添加到你的 cursor的mcp配置中 文件中：
方法 1: 使用 npx (推荐)
{
"mcpServers": {
"prompt-optimizer": {
"command": "npx",
"args": [
"-y",
"@zhaixiaowei/mcp-prompt-optimizer"
]
}
}
}
🛠️ 使用方法
配置完成后，你可以在 Cursor 中通过调用 optimize_prompt 工具来使用提示词优化器：
基本使用
请优化这个提示词: "写一些关于 AI 的内容"
带参数的高级使用
使用 optimize_prompt 工具，参数如下:
- originalPrompt: "写一些关于 AI 的内容"
- context: "这是为技术博客文章准备的"
- targetAudience: "软件开发者"
- optimizationGoals: ["clarity", "specificity", "examples"]
- style: "technical"
示例工具调用
{
"originalPrompt": "写一些关于 AI 的内容",
"context": "面向开发者的技术博客文章",
"targetAudience": "软件开发者",
"optimizationGoals": ["clarity", "specificity", "structure", "examples"],
"style": "technical"
}
📊 响应格式
工具返回全面的优化结果：
{
"optimizedPrompt": "你的提示词的增强版本...",
"improvements": [
"通过移除模糊语言增强了清晰度",
"添加了具体的约束条件和要求",
"重新组织内容，使其具有清晰的章节"
],
"reasoning": "所做更改的详细分析...",
"originalLength": 25,
"optimizedLength": 150,
"score": 8.5
}
🎯 使用场景
对于开发者
- 优化 API 文档提示词
- 增强代码审查指令
- 改进技术规范请求
对于内容创作者
- 完善写作提示词以获得更好的输出
- 构建复杂的内容请求
- 为创意简报增加清晰度
对于研究人员
- 改进数据分析提示词
- 构建研究问题
- 增强方法论描述
🔍 工作原理
- 分析阶段: 服务器分析你的原始提示词的清晰度、具体性、结构和其他因素
- 优化阶段: 根据你的目标应用选定的优化策略
- 增强阶段: 为你的目标受众和期望风格调整提示词
- 评分阶段: 根据应用的增强功能计算改进分数
- 推理阶段: 提供所做更改的详细解释
🤝 贡献
此服务器是模型上下文协议服务器集合的一部分。欢迎贡献！
📄 许可证
MIT 许可证 - 详情请参阅 LICENSE 文件。