星战科技xingzhan.cloud
返回市场
MCP提示优化器

MCP提示优化器

作者：Bubobot-Team16 星标更新：2025-06-23
安装使用来源：spider==github.com

项目介绍

MCP Prompt Optimizer

Python 3.8+ License: MIT MCP Compatible

一款专业级的MCP（模型上下文协议）服务器，提供基于研究策略的尖端提示优化工具，性能提升可达15-74%。

✨ 特性

🎯 基础优化策略

  • 清晰度：简化提示以提高直接性和精确性
  • 具体性：添加详细约束和要求
  • 思维链：包含逐步推理
  • 少量示例：包含指导性的示例格式
  • 结构化输出：定义清晰的输出组织
  • 角色导向：添加专家角色背景

🚀 高级优化策略

  • 思维树（ToT）：多路径推理，在复杂任务上成功率达到74%
  • 宪法AI：自我批评并符合安全原则
  • 自动提示工程师（APE）：AI发现最优指令模式
  • 元提示：AI生成自己的优化提示
  • 自我精炼：迭代改进，性能提升20%
  • TEXTGRAD：自然语言反馈作为优化梯度
  • Medprompt：多种技术集成，准确率超过90%
  • PromptWizard：反馈驱动的自我进化提示

📋 专业领域模板

涵盖11个领域的生产就绪模板：

  • 商业分析：竞争分析框架
  • 产品管理：用户研究综合
  • 内容创作：SEO优化的技术博客文章
  • 开发：全面的代码审查检查表
  • 沟通：利益相关者更新和项目报告
  • 战略：OKR规划框架
  • 运营：标准操作程序（SOP）
  • 法律：合同终止和合规
  • 客户体验：反馈调查和洞察
  • 数据分析：数据洞察和报告
  • 会议管理：有效的会议议程

🛠️ 安装

快速设置

# 克隆仓库
git clone <repository-url>
cd mcp-prompt-optimizer

# 创建虚拟环境（推荐）
python3 -m venv venv
source venv/bin/activate  # 在Windows上：venv\Scripts\activate

# 安装依赖
./install.sh

# 或手动安装
pip install -r requirements.txt

# 配置Claude Desktop
python3 setup_interactive.py

手动配置

在你的Claude Desktop配置文件中添加：

macOS：~/Library/Application Support/Claude/claude_desktop_config.json

Windows：%APPDATA%\Claude\claude_desktop_config.json

Linux：~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "prompt-optimizer": {
      "command": "python3",
      "args": ["/path/to/mcp-prompt-optimizer/prompt_optimizer.py"],
      "env": {}
    }
  }
}

🎮 使用

基本命令

# 分析提示质量
"分析这个提示：写一篇关于AI的博客文章"

# 应用特定优化
"使用chain_of_thought优化这个提示：解释机器学习"

# 自动选择最佳策略
"自动优化：帮助我调试这段代码"

# 获取领域模板
"获取code_review_checklist的领域模板"

高级命令

# 使用思维树解决复杂问题
"应用高级优化，使用tree_of_thoughts：设计微服务架构"

# 使用宪法AI处理关键安全任务
"应用高级优化，使用constitutional_ai：创建内容审核指南"

# 使用Medprompt进行高精度分类
"应用高级优化，使用medprompt：分类客户服务工单"

# 列出所有模板
"列出所有领域模板"

🏗️ 架构

mcp-prompt-optimizer/
├── prompt_optimizer.py      # 主MCP服务器
├── advanced_strategies.py   # 研究支持的优化策略
├── domain_templates.py      # 专业领域模板
├── examples.py              # 使用示例和演示
├── setup_interactive.py     # 自动设置脚本
└── README.md               # 此文件

🧪 测试

# 运行基本测试
./test.sh

# 运行使用示例
python3 examples.py

📊 性能基准

策略使用场景性能提升
思维树复杂推理70-74% 成功率
Medprompt分类任务90%+ 准确率
自我精炼迭代改进每次迭代20%
宪法AI安全对齐高合规性
思维链步骤任务15-25% 提升

🔧 可用工具

核心工具

  1. analyze_prompt：分析提示质量并识别问题
  2. optimize_prompt：应用特定优化策略
  3. auto_optimize：自动选择最优策略
  4. get_prompt_template：返回基础模板

高级工具

  1. advanced_optimize：应用研究支持的策略
  2. get_domain_template：返回专业领域模板
  3. list_domain_templates：按领域列出可用模板

🎯 策略选择指南

提示类型推荐策略
复杂问题tree_of_thoughts
分类任务medprompt
关键安全constitutional_ai
模糊需求meta_prompting
需要精炼self_refine
通用优化auto

🤝 贡献

我们欢迎贡献！请：

  1. 分叉仓库
  2. 创建功能分支
  3. 为新功能添加测试
  4. 更新文档
  5. 提交拉取请求

添加新功能

  • 新策略：添加到advanced_strategies.py
  • 新模板：添加到domain_templates.py
  • 示例：添加到examples.py

🐛 故障排除

常见问题

MCP无法工作？

  • 检查Python版本：python3 --version（需要3.8+）
  • 安装依赖：运行./install.sh或pip install -r requirements.txt
  • 验证MCP安装：pip show mcp
  • 检查Claude Desktop日志
  • 重启Claude Desktop

命令未被识别？

  • 验证配置文件位置
  • 检查配置中的文件路径
  • 再次运行设置脚本

调试模式

# 直接测试服务器
python3 prompt_optimizer.py

# 详细日志
export MCP_LOG_LEVEL=debug
python3 prompt_optimizer.py

📄 许可

此项目采用MIT许可 - 查看LICENSE文件了解详情。

🙏 致谢

  • 来自普林斯顿、Google DeepMind、微软研究院的研究
  • Anthropic的宪法AI框架
  • 斯坦福大学的DSPy框架
  • OpenAI的提示工程指南

📈 引用

如果你在研究或项目中使用了此工具，请引用：

@software{mcp_prompt_optimizer,
  title={MCP Prompt Optimizer: Research-Backed Prompt Optimization for AI Systems},
  author={Bubobot},
  year={2024},
  url={https://github.com/Bubobot-Team/mcp-prompt-optimizer}
}

由❤️为AI社区打造

如有问题、问题或贡献，请访问我们的GitHub仓库。