Prompt Format MCP

一个简单高效的提示词优化 MCP (Model Context Protocol) 服务器，帮助用户快速优化提示词，提高AI对话质量。

功能特点

• 🤖 AI 驱动优化：使用 SiliconFlow 的 Qwen/QwQ-32B 模型智能优化提示词
• ✏️ 简单编辑确认：直接返回优化结果，支持用户编辑
• 🚀 通用兼容：适用于所有 AI 客户端，不绑定特定平台
• 🔧 易于集成：通过 npx 一键使用，无需本地安装

快速开始

在 Cursor 中使用

1. 打开 Cursor 的设置
2. 找到 "Model Context Protocol" 配置
3. 添加以下配置：

{
  "prompt-format-mcp": {
    "command": "npx",
    "args": [
      "-y",
      "prompt-format-mcp",
      "--stdio"
    ],
    "env": {
      "SILICONFLOW_API_KEY": "your_api_key_here"
    }
  }
}

4. 重启 Cursor

获取 API 密钥

1. 访问 SiliconFlow 并注册账号
2. 获取 API 密钥
3. 将密钥添加到上述配置中

可用工具

1. optimize-prompt

优化提示词

参数：

• content (string): 要优化的提示词内容

功能：

• 智能优化提示词结构和表达
• 直接返回优化后的提示词

示例：

content: "我想做一个AI的全栈网站"

2. confirm-and-continue

确认提示词

参数：

• finalPrompt (string): 最终确认的提示词

功能：

• 确认并展示最终提示词
• 提示用户可以开始新对话

示例：

finalPrompt: "你是一个专业的全栈开发助手..."

使用示例

简单使用流程

步骤 1：优化提示词

使用 optimize-prompt 工具：
content: "我想做一个AI的全栈网站"

步骤 2：查看优化结果 工具返回优化后的提示词供您查看，例如：

你是一个专业的全栈开发助手，专门帮助用户设计和开发AI驱动的Web应用。

任务要求：
1. 分析技术需求和架构设计
2. 提供前端、后端、AI集成的完整方案
3. 给出具体的实现步骤和代码示例
4. 考虑性能优化和安全性

请基于用户的具体需求，提供详细的开发指导。

步骤 3：用户编辑确认

• 查看优化结果
• 根据需要编辑修改（可选）
• 确定最终要使用的提示词

步骤 4：确认提示词

使用 confirm-and-continue 工具：
finalPrompt: "[您最终确定的提示词]"

步骤 5：开始基于新提示词的对话 确认后，AI将基于您确认的提示词来回答您的问题。

核心优势

• ⚡ 简单高效：只需两步即可完成提示词优化
• ✏️ 可编辑：支持用户自定义修改
• 🔧 通用兼容：适用于所有AI客户端
• 🎯 专注核心：只做最重要的事情，不添加无关功能

本地开发

环境要求

• Node.js 18+
• npm 或 yarn

安装依赖

npm install
# 或
yarn install

配置环境变量

cp .env.example .env
# 编辑 .env 文件，添加你的 API 密钥

开发模式

npm run dev

构建

npm run build

发布

npm run prepublishOnly
npm publish

技术架构

• TypeScript: 类型安全的 JavaScript
• MCP SDK: Model Context Protocol 实现
• SiliconFlow API: AI 模型调用
• Zod: 运行时类型验证
• Axios: HTTP 客户端

错误处理

• 自动重试机制（最多 3 次）
• 详细的错误信息
• 输入验证和清理
• 连接状态检查

限制

• 单次处理内容不超过 50,000 字符
• 依赖 SiliconFlow API 的可用性
• 需要有效的 API 密钥

许可证

MIT

贡献

欢迎提交 Issue 和 Pull Request！

更新日志

v1.0.0

• 初始版本发布
• 支持基础格式化功能
• 集成 SiliconFlow API
• 支持多种格式化风格