MCP开发框架

一个强大的MCP（Model Context Protocol）开发框架，用于创建与大语言模型交互的自定义工具。该框架提供了一套完整的工具集，可以轻松地扩展Cursor IDE的功能，实现网页内容获取、文件处理（PDF、Word、Excel）等高级功能。

主要功能

本框架提供了以下核心功能：

1. 综合文件处理

使用file工具可以自动识别文件类型并选择合适的处理方式，支持PDF、Word和Excel文件。

• 用法: file /path/to/document
• 支持格式:
  • PDF文件 (.pdf)
  • Word文档 (.doc, .docx)
  • Excel文件 (.xls, .xlsx, .xlsm)
• 参数: file_path - 文件的本地路径
• 返回: 根据文件类型返回相应的处理结果

2. PDF文档处理

使用pdf工具可以处理PDF文档，支持两种处理模式：

• 用法: pdf /path/to/document.pdf [mode]
• 参数:
  • file_path - PDF文件的本地路径
  • mode - 处理模式（可选）：
    • quick - 快速预览模式，仅提取文本内容
    • full - 完整解析模式，提取文本和图片内容（默认）
• 返回:
  • 快速预览模式：文档的文本内容
  • 完整解析模式：文档的文本内容和图片
• 特点:
  • 使用PyMuPDF提供高质量的文本提取和图像处理
  • 自动处理大型文件
  • 支持图片提取和保存

3. Word文档解析

使用word工具可以解析Word文档，提取文本、表格和图片信息。

• 用法: word /path/to/document.docx
• 功能: 解析Word文档并提取文本内容、表格和图片信息
• 参数: file_path - Word文档的本地路径
• 返回: 文档的文本内容、表格和图片信息
• 特点: 使用python-docx库提供高质量的文本和表格提取

4. Excel文件处理

使用excel工具可以解析Excel文件，提供完整的表格数据和结构信息。

• 用法: excel /path/to/spreadsheet.xlsx
• 功能: 解析Excel文件的所有工作表
• 参数: file_path - Excel文件的本地路径
• 返回:
  • 文件基本信息（文件名、工作表数量）
  • 每个工作表的详细信息：
    • 行数和列数
    • 列名列表
    • 完整的表格数据
• 特点:
  • 使用pandas和openpyxl提供高质量的表格数据处理
  • 支持多工作表处理
  • 自动处理数据类型转换

5. 网页内容获取

使用url工具可以获取任何网页的内容。

• 用法: url https://example.com
• 参数: url - 要获取内容的网站URL
• 返回: 网页的文本内容
• 特点:
  • 完整的HTTP错误处理
  • 超时管理
  • 自动编码处理

技术特点

本框架采用了多种技术来优化文件处理性能：

1. 智能文件类型识别

   • 自动根据文件扩展名选择合适的处理工具
   • 提供统一的文件处理接口

2. 高效的文档处理

   • PDF处理：支持快速预览和完整解析两种模式
   • Word处理：精确提取文本、表格和图片
   • Excel处理：高效处理大型表格数据

3. 内存优化

   • 使用临时文件管理大型文件
   • 自动清理临时资源
   • 分块处理大型文档

4. 错误处理

   • 完整的异常捕获和处理
   • 详细的错误信息反馈
   • 优雅的失败处理机制

文档处理技术细节

PDF处理

1. 多层次处理策略:

   • 首先尝试使用PyMuPDF（fitz）提取内容（速度快、准确度高）
   • 如果失败，回退到PymuPDF4llm（专为大语言模型优化）
   • 最后尝试PyPDF2作为最终备用方案

2. 性能优化:

   • 限制处理的最大页数（完整模式: 30页，快速模式: 50页）
   • 图片处理优化（DPI调整、大小限制）
   • 多线程处理加速

3. 错误处理:

   • 详细的错误信息和提示
   • 备用处理方法，确保服务稳定性
   • 超时保护机制（5分钟超时设置）

Word文档处理

1. 文档结构解析:

   • 提取文档属性（标题、作者、创建时间等）
   • 段落内容提取，保留原始格式
   • 表格转换为Markdown格式

2. 图片信息:

   • 提供文档中图片的数量信息
   • 图片引用关系识别

项目结构

本框架采用模块化设计，便于扩展和维护：

mcp_tool/
├── tools/
│   ├── __init__.py        # 定义工具基类和注册器
│   ├── loader.py          # 工具加载器，自动加载所有工具
│   ├── file_tool.py       # 综合文件处理工具
│   ├── pdf_tool.py        # PDF解析工具
│   ├── word_tool.py       # Word文档解析工具
│   ├── excel_tool.py      # Excel文件处理工具
│   └── url_tool.py        # URL工具实现
├── __init__.py
├── __main__.py
└── server.py              # MCP服务器实现

开发指南

如何开发新工具

1. 在tools目录下创建一个新的Python文件，如your_tool.py
2. 导入必要的依赖和基类
3. 创建一个继承自BaseTool的工具类
4. 使用@ToolRegistry.register装饰器注册工具
5. 实现工具的execute方法

工具模板示例

import mcp.types as types
from . import BaseTool, ToolRegistry

@ToolRegistry.register
class YourTool(BaseTool):
    """您的工具描述"""
    name = "your_tool_name"  # 工具的唯一标识符
    description = "您的工具描述"  # 工具的描述信息，将显示给用户
    input_schema = {
        "type": "object",
        "required": ["param1"],  # 必需的参数
        "properties": {
            "param1": {
                "type": "string",
                "description": "参数1的描述",
            },
            "param2": {
                "type": "integer",
                "description": "参数2的描述（可选）",
            }
        },
    }
  
    async def execute(self, arguments: dict) -> list[types.TextContent | types.ImageContent | types.EmbeddedResource]:
        """执行工具逻辑"""
        # 参数验证
        if "param1" not in arguments:
            return [types.TextContent(
                type="text",
                text="Error: Missing required argument 'param1'"
            )]
          
        # 获取参数
        param1 = arguments["param1"]
        param2 = arguments.get("param2", 0)  # 获取可选参数，提供默认值
      
        # 执行工具逻辑
        result = f"处理参数: {param1}, {param2}"
      
        # 返回结果
        return [types.TextContent(
            type="text",
            text=result
        )]

部署指南

Docker部署（推荐）

1. 初始设置：

# 克隆仓库
git clone https://github.com/your-username/mcp-framework.git
cd mcp-framework

# 创建环境文件
cp .env.example .env

2. 使用Docker Compose：

# 构建并启动
docker compose up --build -d

# 查看日志
docker compose logs -f

# 管理容器
docker compose ps
docker compose pause
docker compose unpause
docker compose down

3. 访问服务：

• SSE端点: http://localhost:8000/sse

4. Cursor IDE配置：

• 设置 → 功能 → 添加MCP服务器
• 类型: "sse"
• URL: http://localhost:8000/sse

传统Python部署

1. 安装系统依赖：

# Ubuntu/Debian
sudo apt-get update
sudo apt-get install -y poppler-utils tesseract-ocr tesseract-ocr-chi-sim

# macOS
brew install poppler tesseract tesseract-lang

# Windows
# 1. 下载并安装Tesseract: https://github.com/UB-Mannheim/tesseract/wiki
# 2. 将Tesseract添加到系统PATH

2. 安装Python依赖：

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
.\venv\Scripts\activate  # Windows

# 安装依赖
pip install -r requirements.txt

3. 启动服务：

python -m mcp_tool

配置

环境变量

在.env文件中配置：

• MCP_SERVER_PORT: 服务器端口（默认: 8000）
• MCP_SERVER_HOST: 绑定地址（默认: 0.0.0.0）
• DEBUG: 调试模式（默认: false）
• MCP_USER_AGENT: 自定义User-Agent

依赖项

主要依赖：

• mcp: Model Context Protocol实现
• PyMuPDF: PDF文档处理
• python-docx: Word文档处理
• pandas和openpyxl: Excel文件处理
• httpx: 异步HTTP客户端
• anyio: 异步I/O支持
• click: 命令行接口

贡献指南

1. Fork仓库
2. 创建功能分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m 'Add some amazing feature')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 打开Pull Request

许可证

本项目采用MIT许可证 - 详情请参阅LICENSE文件。