企业链MCP服务器

一个精细统一的模型上下文协议（MCP）服务器，结合了智能工具链、路由优化、顺序思维、时间管理、开发指导、监控、分析、安全和合规功能。该服务器发现您系统上可用的MCP服务器，分析其工具，验证工具链，并为复杂任务执行提供完整的企业级工具包，具有真正出色的副驾驶MCP服务器集成。

特性

核心连锁能力

智能服务器发现：自动从以下位置发现MCP服务器 ~/.cursor/mcp.json 以及其他配置位置
工具分析：分析可用工具及其功能
路线优化：根据优化标准为工具链生成智能建议
顺序思维整合：使用顺序思维MCP进行复杂工作流分析
工具链验证：验证工具链的正确性、依赖性和安全性问题
性能分析：分析刀具链性能并提出优化建议

出色的副驾驶集成

真正的MCP服务器集成：与官方出色的副驾驶MCP服务器直接通信
GitHub API访问：无缝访问GitHub托管的开发资源和说明
基于令牌的身份验证：使用GitHub个人访问令牌进行安全访问
实时数据：始终从出色的副驾驶存储库中获取最新内容

高级思维能力

顺序思维：通过结构化思维过程动态解决问题
思想分支：支持替代推理路径和修订
上下文保护：在多个步骤中保持思维环境
头脑风暴：使用多种方法（创造性、分析性、实用性、创新性）产生创造性想法
创意评估：对产生的想法进行自动评估和优先排序
工作流程编排：使用依赖关系管理执行复杂的多服务器工作流

时间管理

时区支持：获取任何IANA时区的当前时间
时间转换：转换不同时区之间的时间
DST处理：自动夏令时检测

企业能力

监控和分析：系统健康监控、性能瓶颈分析、工具使用分析
安全与合规：漏洞评估、合规审计工作流程、数据隐私保护
工具链验证：验证工具链的正确性、依赖性和安全性问题
性能优化：通过可操作的建议分析和优化工具链性能

技术特性

全面验证：使用Zod模式进行稳健的数据验证
生产就绪：用适当的方法清洁项目结构 .gitignore 并构建系统
统一接口：单个服务器提供所有功能
增强型组件：改进顺序思维和时间管理的实施
稳健的错误处理：改进了所有组件的验证和错误处理
增强的时间管理：通过正确的DST检测实现更好的时区处理
高级顺序思维：通过分支和修订支持增强思维处理
出色的副驾驶集成：直接访问精心策划的开发集合和说明
40个提示和12个资源集：全面的集合，涵盖开发、编排、MCP生态系统工作流程、监控、分析、安全和合规指导
智能刀具引导：帮助模型有效使用可用工具集的结构化指导

预先构建的提示和资源集

链式MCP服务器现在包括一个全面的集合 42个预构建提示和11个资源集 旨在帮助模型有效地使用可用的工具集进行开发、调试、编排、监控、分析、安全和合规工作流程。该系列现在包括广泛的 工具链资源 具有用于常见开发场景的现成链，以及企业级监控和安全资源。

提示分为专门的类别，包括MCP生态系统探索、跨服务器编排、时间敏感操作、智能路由、协作开发和 高级工具链.

工具链资源：

5套专业资源 用于涵盖项目分析、实施、调试、跨服务器编排和CI/CD的工具链
6个高级工具链提示 用于复杂的工作流程和企业级编排
全面的链模板 提供分步执行指南
跨服务器工作流模式 利用多个MCP服务器
生产就绪编排 企业环境链

企业资源：

5个监控和分析提示 用于系统健康、性能分析和优化
5个安全与合规提示 用于漏洞评估、审计工作流程和事件响应
企业级资源集 用于可观察性、可靠性、安全评估和合规性管理

预构建提示

预构建的提示为特定的开发任务提供结构化的指导：

发展提示：项目分析、功能实现、代码重构
调试提示：错误跟踪、性能优化、安全审计、多服务器调试
分析提示：依赖性分析、工具链基础、能力映射
MCP生态系统：服务器发现、跨服务器编排、智能路由
编排：时间敏感任务、动态工作流、企业集成
整合：出色的Copilot工作流程，知识图谱增强链接
协作：团队开发协调、质量保证自动化
优化：预测性工作流程、智能资源发现
顺序思维：复杂的问题解决和思维处理工作流程
监控和分析：系统健康监控、性能瓶颈分析、工具使用分析、工作流可靠性评估、成本优化
安全与合规：漏洞评估、合规审计工作流程、数据隐私保护、访问控制审计、事件响应计划

每个提示包括：

明确的任务描述和目标
分步指导
预期使用的工具
复杂性级别（低/中/高）
相关标签便于查找

资源集

资源集是针对特定场景的提示、工作流、模板和示例的精心策划的集合：

开发入门套件：新开发任务的基本资源
调试工具箱：全面的调试技术和工作流程
性能优化套件：性能分析和改进工具
工具链掌握：复杂工具编排的高级技术
很棒的复制品系列：精心策划的发展资源收藏
观察性套件：MCP生态系统的综合监测和可观测性资源
分析工具包：MCP生态系统优化的高级分析工具和资源
可靠性工程套件：用于建立和维护可靠的MCP服务器生态系统的资源
安全评估套件：综合安全评估和漏洞管理资源
合规管理套件：用于管理法规遵从性和治理的资源
隐私保护框架：用于实施和维护数据隐私保护的资源
事故响应手册：全面的事件响应资源和程序

每个资源集包含：

多种资源（提示、工作流、模板、示例）
复杂性评级
类别分类
描述性标签

工具链验证示例

工具链验证

// Validate a tool chain for correctness and security
const validation = await mcpClient.callTool('validate_tool_chain', {
  toolChain: [
    {
      serverName: 'filesystem-mcp',
      toolName: 'read_file',
      parameters: { path: 'config.json' }
    },
    {
      serverName: 'filesystem-mcp',
      toolName: 'search_replace',
      parameters: { path: 'config.json', old_string: '"debug": false', new_string: '"debug": true' },
      dependsOn: ['read_file']
    }
  ],
  checkCircularDependencies: true,
  checkToolAvailability: true,
  checkParameterCompatibility: true
});
console.log(validation);

性能分析

// Analyze tool chain performance and get optimization suggestions
const analysis = await mcpClient.callTool('analyze_tool_chain_performance', {
  toolChain: [
    {
      serverName: 'filesystem-mcp',
      toolName: 'list_dir',
      parameters: { path: 'src' }
    },
    {
      serverName: 'grep-mcp',
      toolName: 'grep',
      parameters: { pattern: 'TODO|FIXME', path: 'src' },
      dependsOn: ['list_dir']
    }
  ],
  includeExecutionMetrics: true,
  includeComplexityAnalysis: true,
  includeOptimizationSuggestions: true
});
console.log(analysis);

监控和分析提示

// Use the system health monitoring prompt
const healthPrompt = await mcpClient.callTool('get_prompt', {
  id: 'system-health-monitoring'
});

// Use the performance bottleneck analysis prompt
const perfPrompt = await mcpClient.callTool('get_prompt', {
  id: 'performance-bottleneck-analysis'
});

安全与合规提示

// Use the security vulnerability assessment prompt
const securityPrompt = await mcpClient.callTool('get_prompt', {
  id: 'security-vulnerability-assessment'
});

// Use the compliance audit workflow prompt
const compliancePrompt = await mcpClient.callTool('get_prompt', {
  id: 'compliance-audit-workflow'
});

模型的好处

这些预构建的提示和资源集有助于模型：

了解工具功能：学习如何有效地组合和使用可用工具
遵循最佳实践：应用经过验证的工作流程和技术
处理复杂任务：将复杂问题分解为可管理的步骤
保持一贯性：在类似任务中使用标准化方法
加速学习：从出色的副驾驶那里获得专家指导和最佳实践

安装

克隆或下载此存储库
安装依赖项：

   npm install

构建项目：

   npm run build

配置

将链式MCP服务器添加到MCP客户端配置中：

{
  "mcpServers": {
    "chaining": {
      "command": "node",
      "args": ["/path/to/chaining-mcp-server/dist/index.js"],
      "env": {
        "SEQUENTIAL_THINKING_AVAILABLE": "true",
        "AWESOME_COPILOT_ENABLED": "true",
        "RELIABILITY_MONITORING_ENABLED": "true",
        "GITHUB_TOKEN": "your_github_token_here"
      }
    }
  }
}

注：替换 /path/to/chaining-mcp-server 使用链接mcp服务器目录的实际路径。

重要提示： 集 GITHUB_TOKEN 为了使用出色的副驾驶工具，请使用有效的GitHub个人访问令牌。从获取令牌https://github.com/settings/tokens.

可用工具

岩芯链工具

1. `list_mcp_servers`

列出系统上发现的所有MCP服务器。

输入：无

输出：JSON对象，包含服务器信息，包括名称、命令、参数、环境变量和功能。

2. `analyze_tools`

分析发现的MCP服务器中的可用工具。

输入:

serverName （可选）：按特定服务器名称筛选
category （可选）：按工具类别筛选

输出：包含工具分析的JSON对象，按服务器和类别分组。

3. `generate_route_suggestions`

为给定任务生成最佳路线建议。

输入:

task （必填）：要解决的任务或问题
criteria （可选）：优化标准对象

标准选项:

prioritizeSpeed：优化速度
prioritizeSimplicity：优化以简化
prioritizeReliability：优化可靠性
maxComplexity：最大复杂度级别（1-10）
maxDuration：最大持续时间（毫秒）
requiredCapabilities：所需能力数组
excludedTools：要排除的一系列工具

输出：JSON对象，包含使用工具的建议路线、估计持续时间、复杂性、置信度和推理。

4. `analyze_with_sequential_thinking`

使用顺序思维分析复杂的工作流程。

输入:

problem （必填）：要分析的问题
criteria （可选）：优化标准
maxThoughts （可选）：最大思考次数（1-20，默认值：10）

输出：包含顺序思维分析、想法和建议的JSON对象。

5. `get_tool_chain_analysis`

获取可用工具和建议路线的全面分析。

输入:

input （必填）：输入分析说明
criteria （可选）：优化标准

输出：JSON对象，包含全面分析，包括总工具、平均复杂性和路由建议。

出色的复制工具

6. `search_instructions`

根据描述中的关键字搜索自定义说明。

输入:

keywords （必填）：在指令描述中搜索的关键字

输出：带有匹配指令及其元数据的JSON对象。需要配置GITHUB_TOKEN环境变量。

7. `load_instruction`

从存储库加载自定义指令。

输入:

mode （必填）：指令模式（指令、提示、聊天模式）
filename （必填）：加载指令的文件名

输出：包含指令内容和元数据的JSON对象。需要配置GITHUB_TOKEN环境变量。

顺序思维工具

8. `sequentialthinking`

一个通过思考动态和反思性解决问题的详细工具。

输入:

thought （必填）：您当前的思考步骤
nextThoughtNeeded （必填）：是否需要另一个思考步骤
thoughtNumber （必填）：当前思考次数
totalThoughts （必填）：估计所需的总想法
isRevision （可选）：这是否改变了之前的想法
revisesThought （可选）：正在重新考虑哪个想法
branchFromThought （可选）：分支点思想数
branchId （可选）：分支标识符
needsMoreThoughts （可选）：如果需要更多思考

输出：带有思维处理结果和元数据的JSON对象。

9. `brainstorming`

使用不同的头脑风暴方法为问题产生创造性的想法和解决方案。

输入:

topic （必填）：需要集体讨论的主题或问题
context （可选）：附加上下文或背景信息
approach （可选）：头脑风暴方法（“创造性”、“分析性”、“实用性”、”创新性”）-默认为“创造性”
ideaCount （可选）：要生成的想法数量（3-20）-默认为10
includeEvaluation （可选）：是否包括评估和优先级排序-默认为true
constraints （可选）：要考虑的约束或要求数组

输出：JSON对象，包含生成的想法，包括可行性、创新和努力指标，以及评估和建议。

方法:

creative：产生创新和非传统的想法
analytical：数据驱动和逻辑解决方案生成
practical：现实可行的解决方案
innovative：结合多种视角的尖端方法

10. `workflow_orchestrator`

通过依赖关系管理和错误处理在MCP生态系统中执行复杂的多服务器工作流。

输入:

workflowId （必需）：工作流的唯一标识符
name （必填）：工作流的可读名称
description （可选）：描述此工作流的功能
steps （必填）：要执行的工作流步骤数组

- id：此步骤的唯一标识符 - serverName：要在其上执行的MCP服务器的名称 - toolName：要执行的工具的名称 - parameters：传递给工具的参数 - dependsOn （可选）：在此步骤之前必须完成的步骤的ID - outputMapping （可选）：将此步骤的输出映射到相关步骤的输入参数 - retryOnFailure （可选）：失败时是否重试此步骤 - maxRetries （可选）：最大重试次数

failFast （可选）：是否在第一次失败时停止执行
timeout （可选）：最大执行时间（毫秒）
variables （可选）：全局变量可用于所有步骤

输出：包含工作流执行结果、分步状态、执行时间和聚合结果的JSON对象。

主要特点:

依赖管理：自动处理步骤依赖关系和执行顺序
参数传递：自动将一个步骤的输出作为输入传递给相关步骤
错误处理：可配置的重试逻辑和故障处理策略
进度跟踪：工作流执行的实时状态监控
超时支持：长时间运行的工作流的可配置执行超时
状态持久性：工作流状态跟踪和恢复功能

时间管理工具

11. `get_current_time`

获取特定时区的当前时间。

输入:

timezone （必填）：IANA时区名称（例如，“美国/纽约”、“欧洲/伦敦”）

输出：具有时区、日期时间、星期几和夏令时状态的JSON对象。

12. `convert_time`

在时区之间转换时间。

输入:

source_timezone （必填）：源IANA时区名称
time （必填）：转换为24小时格式的时间（HH:MM）
target_timezone （必填）：目标IANA时区名称

输出：带有源和目标时间以及时差的JSON对象。

13. `get_prompt`

按ID获取特定的预构建提示。

输入:

id （必填）：要检索的提示的ID

输出：包含完整提示及其内容和元数据的JSON对象。

14. `search_prompts`

按关键字、类别或标签搜索提示。

输入:

query （必需）：搜索查询以匹配提示名称、描述、类别或标签
category （可选）：按类别筛选（开发、调试等）
complexity （可选）：按复杂度级别（低、中、高）过滤

输出：带有匹配提示及其元数据的JSON对象。

15. `get_resource_set`

按ID获取特定资源集。

输入:

id （必填）：要检索的资源集的ID

输出：JSON对象，包含完整的资源集及其所有资源。

16. `search_resource_sets`

按关键字、类别或标签搜索资源集。

输入:

query （必需）：搜索查询以匹配资源集名称、描述、类别或标签
category （可选）：按类别筛选（开发、调试等）
complexity （可选）：按复杂度级别（低、中、高）过滤

输出：具有匹配资源集及其元数据的JSON对象。

17. `validate_tool_chain`

验证工具链的正确性、依赖性和潜在问题。检查循环依赖关系、工具可用性和参数兼容性。

输入:

toolChain （必需）：包含服务器名称、工具名称、参数和依赖关系的工具链步骤数组
checkCircularDependencies （可选）：是否检查循环依赖关系（默认值：true）
checkToolAvailability （可选）：是否验证其服务器上是否存在工具（默认值：true）
checkParameterCompatibility （可选）：是否检查参数兼容性（默认值：true）

输出：JSON对象，其验证结果包括错误、警告和整体有效性状态。

18. `analyze_tool_chain_performance`

分析工具链的性能指标和效率。提供执行时间估计、复杂性分析和优化建议。

输入:

toolChain （必填）：要分析的工具链步骤数组
includeExecutionMetrics （可选）：是否包括执行时间估计（默认值：true）
includeComplexityAnalysis （可选）：是否分析复杂性度量（默认值：true）
includeOptimizationSuggestions （可选）：是否提供优化建议（默认：true）

输出：带有性能指标、复杂性分析和优化建议的JSON对象。

可用资源

`chaining://servers`

返回所有发现的MCP服务器的JSON列表。

`chaining://tools`

返回已发现服务器中所有可用工具的JSON列表。

`chaining://analysis`

返回当前分析状态的JSON摘要。

`chaining://prompts`

返回常见开发任务的所有可用预构建提示的JSON集合。

`chaining://resources`

返回针对不同开发场景的精心策划的资源集的JSON集合。

`chaining://prompts/overview`

按类别和复杂性级别返回可用提示的JSON概述。

`chaining://awesome-copilot/collections`

返回所有可用的出色副驾驶集合及其元数据的JSON集合。

`chaining://awesome-copilot/instructions`

返回所有可用的出色副驾驶指令及其元数据的JSON集合。

`chaining://awesome-copilot/status`

返回一个JSON对象，其中包含令人敬畏的副驾驶集成的当前状态。

`chaining://sequential/state`

返回一个JSON对象，其中包含连续思维会话的当前状态，包括思维历史和活动会话状态。

`chaining://workflows/status`

返回一个JSON对象，其中包含活动和已完成工作流编排的状态，包括执行进度和结果。

`chaining://tool-chains`

返回一个JSON集合，其中包含全面的工具链资源，包括专门为复杂的开发工作流程和编排模式设计的提示和资源集。

`chaining://tool-chains/overview`

返回按类别和复杂性级别组织的可用工具链资源的JSON概述，提供对工具链功能的见解。

使用示例

基本服务器发现

// List all discovered MCP servers
const servers = await mcpClient.callTool('list_mcp_servers', {});
console.log(servers);

工具分析

// Analyze tools by category
const analysis = await mcpClient.callTool('analyze_tools', {
  category: 'filesystem'
});
console.log(analysis);

路线生成

// Generate route suggestions for a task
const routes = await mcpClient.callTool('generate_route_suggestions', {
  task: 'Read a file and search for specific content',
  criteria: {
    prioritizeSpeed: true,
    maxComplexity: 5
  }
});
console.log(routes);

顺序思维分析

// Analyze complex workflow with sequential thinking
const analysis = await mcpClient.callTool('analyze_with_sequential_thinking', {
  problem: 'Design a complex data processing pipeline',
  criteria: {
    prioritizeReliability: true,
    maxDuration: 10000
  },
  maxThoughts: 15
});
console.log(analysis);

出色的副驾驶集成

// Search for development instructions
const instructions = await mcpClient.callTool('search_instructions', {
  keywords: 'mcp server'
});

// Load a specific instruction
const instruction = await mcpClient.callTool('load_instruction', {
  mode: 'instructions',
  filename: 'typescript-mcp-server.instructions.md'
});

// Note: These tools require GITHUB_TOKEN environment variable to be configured
// Get a token from https://github.com/settings/tokens and set it in your environment

顺序思维

// Use sequential thinking for complex problem solving
const thought1 = await mcpClient.callTool('sequentialthinking', {
  thought: 'I need to analyze this complex problem step by step',
  nextThoughtNeeded: true,
  thoughtNumber: 1,
  totalThoughts: 5
});

const thought2 = await mcpClient.callTool('sequentialthinking', {
  thought: 'Let me break down the problem into smaller components',
  nextThoughtNeeded: true,
  thoughtNumber: 2,
  totalThoughts: 5
});

头脑风暴

// Generate creative ideas for a product feature
const creativeIdeas = await mcpClient.callTool('brainstorming', {
  topic: 'user onboarding experience',
  approach: 'creative',
  ideaCount: 8,
  constraints: ['must be mobile-friendly', 'budget under $50k']
});

// Generate practical solutions for a technical problem
const practicalSolutions = await mcpClient.callTool('brainstorming', {
  topic: 'database performance optimization',
  context: 'high-traffic e-commerce platform',
  approach: 'practical',
  ideaCount: 6,
  includeEvaluation: true
});

// Generate analytical approaches for data analysis
const analyticalIdeas = await mcpClient.callTool('brainstorming', {
  topic: 'customer churn prediction',
  approach: 'analytical',
  constraints: ['must use existing data', 'prediction accuracy > 85%']
});

工作流程编排

// Execute a multi-server research workflow
const researchWorkflow = await mcpClient.callTool('workflow_orchestrator', {
  workflowId: 'research-workflow-001',
  name: 'AI Technology Research Pipeline',
  description: 'Comprehensive research on AI technologies using multiple MCP servers',
  steps: [
    {
      id: 'search-trends',
      serverName: 'google-search-mcp',
      toolName: 'search_trends',
      parameters: {
        topics: ['artificial intelligence', 'machine learning'],
        timeframe: '6M',
        includePredictions: true
      }
    },
    {
      id: 'academic-research',
      serverName: 'google-search-mcp',
      toolName: 'academic_search',
      parameters: {
        query: 'artificial intelligence trends 2024',
        maxResults: 5
      },
      dependsOn: ['search-trends']
    },
    {
      id: 'content-analysis',
      serverName: 'google-search-mcp',
      toolName: 'content_summarizer',
      parameters: {
        urls: ['output://academic-research.results'], // Using output mapping
        maxLength: 500
      },
      dependsOn: ['academic-research'],
      outputMapping: {
        'urls': 'academic-research.results.urls' // Map output to input
      }
    }
  ],
  failFast: false,
  timeout: 300000 // 5 minutes
});

// Check workflow status
const workflowStatus = await mcpClient.readResource('chaining://workflows/status');
console.log('Active workflows:', workflowStatus);

时间管理

// Get current time in different timezones
const nyTime = await mcpClient.callTool('get_current_time', {
  timezone: 'America/New_York'
});

const londonTime = await mcpClient.callTool('get_current_time', {
  timezone: 'Europe/London'
});

// Convert time between timezones
const conversion = await mcpClient.callTool('convert_time', {
  source_timezone: 'America/New_York',
  time: '14:30',
  target_timezone: 'Asia/Tokyo'
});

预先构建的提示和资源

// Get a specific prebuilt prompt
const prompt = await mcpClient.callTool('get_prompt', {
  id: 'analyze-project-structure'
});
console.log(prompt);

// Search for prompts by keyword
const searchResults = await mcpClient.callTool('search_prompts', {
  query: 'debugging',
  category: 'development',
  complexity: 'medium'
});
console.log(searchResults);

// Get a resource set
const resourceSet = await mcpClient.callTool('get_resource_set', {
  id: 'development-starter-kit'
});
console.log(resourceSet);

// Search for resource sets
const resourceSearch = await mcpClient.callTool('search_resource_sets', {
  query: 'performance',
  complexity: 'high'
});
console.log(resourceSearch);

访问资源

// Get all available prompts
const allPrompts = await mcpClient.readResource('chaining://prompts');
console.log(allPrompts);

// Get all resource sets
const allResources = await mcpClient.readResource('chaining://resources');
console.log(allResources);

// Get prompts overview
const overview = await mcpClient.readResource('chaining://prompts/overview');
console.log(overview);

// Get awesome-copilot collections
const collections = await mcpClient.readResource('chaining://awesome-copilot/collections');
console.log(collections);

// Get awesome-copilot instructions
const instructions = await mcpClient.readResource('chaining://awesome-copilot/instructions');
console.log(instructions);

// Get awesome-copilot integration status
const status = await mcpClient.readResource('chaining://awesome-copilot/status');
console.log(status);

// Get sequential thinking state
const sequentialState = await mcpClient.readResource('chaining://sequential/state');
console.log(sequentialState);

// Get comprehensive tool chaining resources
const toolChains = await mcpClient.readResource('chaining://tool-chains');
console.log('Available tool chains:', toolChains);

// Get tool chaining overview
const toolChainsOverview = await mcpClient.readResource('chaining://tool-chains/overview');
console.log('Tool chaining overview:', toolChainsOverview);

环境变量

SEQUENTIAL_THINKING_AVAILABLE：设置为“true”以启用顺序思维集成
MCP_SERVERS：包含其他MCP服务器配置的JSON字符串
DISABLE_THOUGHT_LOGGING：设置为“true”可禁用顺序思维思维记录
AWESOME_COPILOT_ENABLED：设置为“false”可禁用出色的副驾驶集成
GITHUB_TOKEN：出色的副驾驶工具需要GitHub个人访问令牌（从获取https://github.com/settings/tokens)

发展

项目结构

src/
├── index.ts                           # Main entry point
├── server.ts                          # Clean orchestrator (220 lines, fully modularized)
├── types.ts                           # Type definitions and Zod schemas
├── core/
│   ├── discovery.ts                   # Server discovery logic
│   └── optimizer.ts                   # Route optimization algorithms
├── managers/
│   ├── brainstorming-manager.ts       # Brainstorming functionality
│   ├── sequential-thinking-manager.ts # Sequential thinking processing
│   ├── workflow-orchestrator.ts       # Workflow orchestration
│   ├── reliability-manager.ts         # System reliability management
│   ├── time-manager.ts                # Time and timezone management
│   └── memory-manager.ts              # Memory and knowledge management
├── integrations/
│   ├── awesome-copilot-integration.ts # Awesome Copilot integration
│   └── sequential-integration.ts      # Sequential thinking integration
├── prompts/
│   ├── prompt-definitions.ts          # Prompt and resource set data definitions
│   ├── prompt-handlers.ts             # Dynamic prompt generation and validation logic
│   └── prompt-registry.ts             # Registry for managing prompts and resource sets (40 prompts, 12 resource sets)
├── config/
│   ├── config-loader.ts               # Configuration loading utilities
│   └── discovery-config.ts            # Discovery configuration
├── utils/
│   └── schema-utils.ts                # Schema utility functions
├── handlers/
│   └── request-handlers.ts            # Central tool execution dispatcher
├── tools/
│   ├── tool-registry.ts               # Tool definitions and listing (18 tools)
│   ├── core-chaining-tools.ts         # Core chaining tool schemas (6 tools)
│   ├── awesome-copilot-tools.ts       # Awesome Copilot tool schemas (2 tools)
│   ├── sequential-thinking-tools.ts   # Sequential thinking tool schemas (2 tools)
│   ├── time-management-tools.ts       # Time management tool schemas (2 tools)
│   ├── prompt-resource-tools.ts       # Prompt/resource tool schemas (4 tools)
│   └── validation-analysis-tools.ts   # Validation/analysis tool schemas (2 tools)
└── resources/
    ├── resource-registry.ts           # Resource definitions and handlers
    ├── resource-definitions.ts        # Static resource metadata (13 resources)
    └── resource-handlers.ts           # Dynamic resource content generation

建筑

npm run build    # Build TypeScript to JavaScript
npm run dev      # Watch mode for development
npm run clean    # Clean dist directory

测试

局部测试

node dist/index.js

与其他MCP服务器集成

此服务器旨在与生态系统中的其他MCP服务器无缝协作：

顺序思维MCP集成

当顺序思维MCP服务器可用时，链式服务器可以：

运用顺序思维分析复杂问题
生成更智能的路线建议
为建议提供详细的理由
处理多步骤工作流程规划

出色的副驾驶集成

该服务器与官方出色的副驾驶MCP服务器集成，提供：

实时访问GitHub托管的开发说明和提示
通过MCP协议与出色的副驾驶库直接通信
使用GitHub个人访问令牌进行安全身份验证
来自精彩副驾驶社区资源的实时更新

项目守护者集成

链式服务器通过以下方式补充了Project Guardian：

提供高级协调和编排
提供开发指导和工作流程管理
避免重复功能（数据库操作由Project Guardian处理）

许可证

MIT许可证-有关详细信息，请参阅许可证文件。

贡献

克隆该仓库
创建要素分支
进行更改
如果适用，添加测试
提交拉取请求

支持

对于问题和疑问，请在存储库中创建问题。

Chaining MCP Server

快速接入

详细介绍

企业链MCP服务器

目录

特性

核心连锁能力

出色的副驾驶集成

高级思维能力

时间管理

企业能力

技术特性

预先构建的提示和资源集

预构建提示

资源集

工具链验证示例

工具链验证

性能分析

监控和分析提示

安全与合规提示

模型的好处

安装

可用工具

岩芯链工具

1. list_mcp_servers

2. analyze_tools

3. generate_route_suggestions

4. analyze_with_sequential_thinking

5. get_tool_chain_analysis

出色的复制工具

6. search_instructions

7. load_instruction

顺序思维工具

8. sequentialthinking

9. brainstorming

10. workflow_orchestrator

时间管理工具

11. get_current_time

12. convert_time

13. get_prompt

14. search_prompts

15. get_resource_set

16. search_resource_sets

17. validate_tool_chain

18. analyze_tool_chain_performance

可用资源

chaining://servers

chaining://tools

chaining://analysis

chaining://prompts

chaining://resources

chaining://prompts/overview

chaining://awesome-copilot/collections

chaining://awesome-copilot/instructions

chaining://awesome-copilot/status

chaining://sequential/state

chaining://workflows/status

chaining://tool-chains

chaining://tool-chains/overview

使用示例

基本服务器发现

工具分析

路线生成

顺序思维分析

出色的副驾驶集成

顺序思维

头脑风暴

工作流程编排

时间管理

预先构建的提示和资源

访问资源

环境变量

发展

项目结构

建筑

测试

局部测试

与其他MCP服务器集成

顺序思维MCP集成

出色的副驾驶集成

1. `list_mcp_servers`

2. `analyze_tools`

3. `generate_route_suggestions`

4. `analyze_with_sequential_thinking`

5. `get_tool_chain_analysis`

6. `search_instructions`

7. `load_instruction`

8. `sequentialthinking`

9. `brainstorming`

10. `workflow_orchestrator`

11. `get_current_time`

12. `convert_time`

13. `get_prompt`

14. `search_prompts`

15. `get_resource_set`

16. `search_resource_sets`

17. `validate_tool_chain`

18. `analyze_tool_chain_performance`

`chaining://servers`

`chaining://tools`

`chaining://analysis`

`chaining://prompts`

`chaining://resources`

`chaining://prompts/overview`

`chaining://awesome-copilot/collections`

`chaining://awesome-copilot/instructions`

`chaining://awesome-copilot/status`

`chaining://sequential/state`

`chaining://workflows/status`

`chaining://tool-chains`

`chaining://tool-chains/overview`