Project AI MCP Server

一个用于 Project AI 平台集成的 Model Context Protocol (MCP) 服务器。

功能特性

• 🚀 基于 FastMCP 构建的高性能 MCP 服务器
• 📋 支持 Project AI 功能点状态管理
• 🔐 安全的环境变量配置管理
• 🛠 支持多种安装和运行方式

环境要求

• Python 3.12+
• 可访问 Project AI API 端点

安装

方法一：使用 uvx（推荐）

# 临时运行
uvx project-ai-mcp

# 或永久安装
uv tool install project-ai-mcp

方法二：使用 pip

pip install project-ai-mcp

方法三：开发安装

git clone <repository-url>
cd project-ai-mcp
uv sync
uv run python main.py

使用方法

作为独立服务器运行

# 使用 uvx
uvx project-ai-mcp

# 或使用已安装的命令
project-ai-mcp

# 或使用 Python 模块
python -m project_ai_mcp

在 Claude Code 中使用

注意: 如果不设置 PROJECT_AI_BASE_URL，将使用默认的 API 端点：https://project-ai.hailiangedu.com

# 使用默认的 API 端点
claude mcp add project-ai -s user -- uvx project-ai-mcp


# 使用自定义的 API 端点
claude mcp add project-ai -s user -e "PROJECT_AI_BASE_URL=XXXXX" -- uvx project-ai-mcp

可用工具

update_feature_status

修改 Project AI 平台上功能点的状态。

参数：

• feature_id (string): 功能点 ID
• status (int): 功能点状态，支持：
  • 1: 未开始
  • 2: 进行中
  • 3: 已完成

返回值：

• "success": 操作成功
• "failed: [错误信息]": 操作失败及错误详情

示例使用：

# 将功能点标记为进行中
update_feature_status(
    feature_id="feature_123",
    status=2
)

# 将功能点标记为已完成
update_feature_status(
    feature_id="feature_456",
    status=3
)

开发

环境设置

# 克隆仓库
git clone <repository-url>
cd project-ai-mcp

# 创建虚拟环境并安装依赖
uv venv
uv sync

# 运行开发服务器
uv run python main.py

代码质量检查

# 运行 linter
ruff check

# 格式化代码
ruff format

构建和发布

# 构建包
uv build

# 发布到 PyPI（需要配置 PyPI 凭据）
twine upload dist/*

许可证

MIT License - 详见 LICENSE 文件。

贡献

欢迎提交 Issue 和 Pull Request！

支持

如有问题，请在 GitHub Issues 中提出。