光标链接MCP服务器
用于Cursor IDE的自定义MCP（模型上下文协议）服务器，具有：
- 🌐 网络搜索 -深度网络搜索使用 API链接
- 📚 RAG（检索增强生成） -使用Ollama的LlamaIndex查询文档
✨ 主要特点
- ✅ 本地AI -使用Ollama（llama3.2）实现完全隐私
- ✅ API成本为零 -RAG工具完全免费（使用本地模型）
- ✅ 来源引用 -知道答案从哪里来
- ✅ 多种文档类型 -支持PDF、DOCX、MD、TXT等格式
- ✅ 光标集成 -在Cursor IDE中无缝工作
📋 先决条件
🚀 快速开始
1.克隆和安装依赖项
git clone https://github.com/RanneG/linkup_mcp.git
cd linkup_mcp
uv sync默认安装 (uv sync / pip install -e .)是 光标MCP+RAG 只有（更轻的venv）。对于 stitch_rag_bridge.py、face/Outh/Gmail和服务器端语音STT，添加 --extra stitch-bridge.
2.安装Ollama&Model
# Download from https://ollama.ai/download
# Then pull the model:
ollama pull llama3.23.配置环境（可选）
创建一个 .env 用于网络搜索的文件（RAG在没有API密钥的情况下工作）：
LINKUP_API_KEY=your_linkup_api_key # Optional, for web_search tool4.配置光标
增添 ~/.cursor/mcp.json （或 C:\Users\\.cursor\mcp.json 在Windows上）：
{
"mcpServers": {
"linkup-server": {
"command": "C:\\Users\\YOUR_USERNAME\\AppData\\Local\\Microsoft\\WindowsApps\\python.exe",
"args": [
"-m", "uv", "run",
"--directory", "C:\\path\\to\\linkup_mcp",
"python", "server.py"
]
}
}
}替换 YOUR_USERNAME 并按照你的实际价值观走下去。
5.免费本地开发端口（可选）
如果 8765 （缝合桥/捆绑UI）， 1420 （Tauri），或 5173 （Vite）撞车后卡住了，跑吧 Close-DevPorts.bat 在repo根目录（或 .\scripts\Close-StitchDevPorts.ps1).使用 -DryRun 列出听众而不杀人。这停止了 在这些端口上侦听的进程，而不是“localhost”本身。
6.重新启动游标并使用！
在Cursor的聊天中：
- “使用抹布工具告诉我\[主题\]”
- “使用rag_stritch工具获取UI就绪应答有效负载”
- “在网上搜索\[query\]” （需要Linkup API密钥）
- 本地耳语（无链接）：
whisper_stt_status然后transcribe_wav_file有一条通往.wav文件。需要pip install -e ".[stitch-whisper]"并重新启动光标MCP。
7.语音提示热键工具（离线）
使用 voice_prompt_tool.py 将一次听写直接输入到您的编码流中：
uv sync --extra stitch-whisper --extra voice-prompt
python voice_prompt_tool.py --hotkey ctrl+shift+v它的作用：
- 麦克风捕获的全局启动/停止热键
- 本地更快的耳语转录（离线）
- 文件引用提取(
auth.ts->@auth.ts) - 提示信封已复制到剪贴板：
- [FILE REFERENCE: ...] - [TASK: ...]
复制后可选择直接粘贴：
python voice_prompt_tool.py --autopaste📚 使用RAG工具
将文档添加到 data/ 文件夹：
data/
├── document1.pdf
├── notes.md
└── research/
└── paper.pdf支持：PDF、DOCX、TXT、MD、HTML等。
针式响应形状
这 rag 工具现在返回一个JSON字符串：
answer：最终合成答案文本confidence:low,medium，或highfallback:true当证据不足时sources：已排序的源代码片段(source_id,score,snippet)
这 rag_stitch 工具返回一个面向UI的JSON字符串：
state:answered或fallbackanswerconfidence(low,medium，或high)source_cards（空时state是fallback因此UI保持干净）show_sources(false回退）debug_retrieval_cards（仅当STITCH_RAG_DEBUG=1以及回退——用于调试的原始顶部块）
存储库拆分（缝合生产）
stitch-api-types （TypeScript）
NPM工作区 packages/stitch-api-types 发表 .d.ts 为了 POST /api/rag/stitch, POST /api/rag/stitch-help, GET /api/health，以及相关的有效载荷。从repo根构建： npm run build:stitch-api-types. 缝合应用程序 可以依靠它 file: 路径（参见 缝合应用程序 docs/BACKEND.md).
Stitch HTTP桥（用于Stitch桌面应用程序）
运行一个小型Flask服务器，该服务器暴露的有效负载与 rag_stitch，加上可选 本地人脸验证 (/api/face/*，DeepFace+OpenCV活跃度——请参阅 face_verification/).需要 stitch-bridge 附加：
uv sync --extra stitch-bridge
.\.venv\Scripts\python.exe stitch_rag_bridge.py从该仓库开发Stitch UI（可选）
根脚本 npm run dev:browser, npm run dev:desktop, npm run build:stitch-web, npm run build:stitch-app 使用 scripts/run-stitch-ui.mjs，这解决了 STITCH_APP_ROOT 或兄弟姐妹 ../stitch-app 只有。看 docs/缝合/MIGRATION.md.
缝合单窗口GUI
规范捆绑流现在从 缝合应用程序 (Stitch.bat 在那里）。需要时，它将此仓库用于后端网桥功能。
- 构建 里面的Stitch桌面包 缝合应用程序 (
npm run build). - 跑
Stitch.bat从 缝合应用程序 根。 - 保持此仓库可用于网桥运行时(
stitch_rag_bridge.py)on127.0.0.1:8765.
Stitch作为原生桌面应用程序（无需长时间手动命令链）
史迪奇 apps/desktop 包装用途 涛瑞 对于一个真正的窗口应用程序(npm run dev 那里= tauri dev).运行这些从 缝合应用程序:
| 目标 | 做什么 |
|---|---|
| 双击一次 （桥接+同步+Tauri） | 跑步 Stitch-Desktop.bat 在 缝合应用程序 回购根。 |
| 与终端相同 | npm run dev （缝合应用程序） |
| Bridge已在运行 | 从Stitch应用程序启动Stitch并保持此repo桥打开 127.0.0.1:8765 |
| 仅限Tauri（你自己开始桥） | npm run dev:desktop |
| 仅浏览器选项卡（无Tauri） | npm run dev:browser （使用 缝合应用程序 通过 run-stitch-ui.mjs) |
包装好的 .exe /安装程序 | npm run build:stitch-app （之后 牛磺酸先决条件 和一个 缝合应用程序 克隆） |
你需要 节点 上 PATH 以及当地 缝合应用程序 克隆（兄弟姐妹 ../stitch-app 或 STITCH_APP_ROOT).第一次Tauri开发运行可能会编译Rust依赖项（一次性等待）。
快速回归运行
要对本地PDF语料库运行v1提示套件：
python rag_regression.py这将打印每个响应有效负载和一个小摘要（源计数、回退计数、低置信度计数）。
缝合JSON合约测试
python -m unittest tests.test_rag_stitch_contract -v确认 rag_stitch_contract._to_stitch_view 形状(answered 对比 fallback, show_sources，可选 debug_retrieval_cards).
如果MCP安全提示回退，请将MCP横向图添加到 data/:
🛠️ 项目结构
linkup_mcp/
├── server.py # Main MCP server
├── local_whisper_stt.py # faster-whisper helpers (MCP transcribe_wav_file)
├── rag.py # RAG workflow
├── stitch_rag_bridge.py # Local HTTP bridge for Stitch UI dev (RAG + /api/face)
├── face_verification/ # Local 1:1 face match + liveness (used by bridge)
├── integrations/stitch/ # Pointer README — UI lives in stitch-app repo
├── docs/ # e.g. stitch_user_guide.md (bridge Help / Ask Stitch)
├── data/ # Your documents
├── pyproject.toml # Dependencies
├── .cursorrules # AI context for Cursor
└── .env # Environment variables (create this)🔧 运作原理
Cursor IDE → MCP Server (server.py)
↓
┌────────────┴────────────┐
│ RAG Tool │ Web Search│
│ (rag.py) │ (Linkup) │
└──────┬──────┴────────────┘
↓
Ollama (llama3.2) - runs locally💰 成本
| 工具 | 成本 |
|---|---|
| 抹布 | $0 （当地Ollama） |
| 网络搜索 | ~10-50美元/月（链接API） |
| 奥拉马 | $0 （在本地运行） |
🐛 故障排除
MCP服务器未加载？
- 检查Ollama是否正在运行：
ollama list - 验证路径
mcp.json - 检查游标日志：
%APPDATA%\Cursor\logs\
奥拉玛的联系被拒绝了？
ollama serve🔐 隐私
- ✅ RAG工具：100%本地，文档永远不会离开您的机器
- ✅ 奥拉玛：本地运行，无云API调用
- ⚠️ 网络搜索：发送到Linkup服务器的查询
📖 相关项目
| 存储库 | 目的 |
|---|---|
| 聊天机器人rag core | 可重用的Python RAG库 |
| 聊天机器人api服务器 | 生产Docker API服务器 |
🎓 资源
📝 许可证
MIT许可证-请参阅 许可证
🙏 学分
- 原件： patchy631/ai工程中心
- 连接 用于网络搜索
- 骆驼索引 对于RAG
- 奥拉玛 对于本地AI
______________________________________________________________________
由以下材料制成❤️ 适用于Cursor IDE用户