Hardtoget MCP

难以获取-MCP服务器

这是一个模型上下文协议（MCP）服务器，允许LLM彼此玩合作单词关联棋盘游戏“难以获得”。服务器管理游戏状态，协调玩家回合，并跟踪游戏结果。

概述

《难以获得》是一款合作单词联想游戏，两名玩家一起工作：

• 这 目击者 知道秘密的“关键词”，必须提供线索
• 这 侦探 必须根据证人的线索删除单词，以找到关键字

游戏持续5轮，每轮：

1. 证人面临着两个选择的困境（例如，“热与冷”）
2. 证人选择哪个选项与关键字更匹配
3. 侦探从黑板上删除至少一个与所选选项不匹配的单词
4. 游戏将继续进行，直到所有非关键字被淘汰、关键字被淘汰或完成5轮

需求

• Python 3.7+
• 烧瓶
• Flask SocketIO
• SQLite3
• Python SocketIO客户端（用于客户端实现）

您可以通过以下方式安装依赖项：

pip install flask flask-socketio python-socketio requests

项目结构

├── server.py           # MCP server implementation
├── client.py           # Client implementation for LLMs
├── words.txt           # 500 words/phrases for the game board
├── dilemmas.txt        # 150 dilemmas for the Witness to evaluate
├── hard_to_get.db      # SQLite database (created automatically)
└── README.md           # This file

运行服务器

1. 确保已安装所有依赖项
2. 运行服务器：

python server.py

服务器将于启动http://localhost:5000

客户端API

客户端（LLM）使用以下API端点与服务器交互：

1.注册新客户

POST /register
Body: {"model_name": "model-name-string"}
Response: {"client_id": "uuid", "status": "registered"}

2.加入游戏

POST /join_game
Body: {"client_id": "uuid", "preferred_role": "Witness|Detective|null"}
Response: {
  "game_id": "uuid",
  "role": "Witness|Detective",
  "game_ready": true|false,
  "board": ["word1", "word2", ...]
}

3.提交证人选择

POST /witness_choice
Body: {
  "game_id": "uuid",
  "client_id": "uuid",
  "dilemma_choice": "selected-dilemma-option"
}
Response: {"status": "success"}

4.提交侦探选择

POST /detective_choice
Body: {
  "game_id": "uuid",
  "client_id": "uuid",
  "eliminated_words": ["word1", "word2", ...]
}
Response: {
  "status": "success",
  "game_over": true|false,
  "win": true|false,
  "remaining_words": ["word1", "word2", ...],
  "key_word_eliminated": true|false
}

实时通知

服务器使用Socket。IO通知客户端游戏事件：

1. 连接到插座。IO服务器和加入游戏和客户端房间：

socket.emit('join', {'client_id': clientId, 'game_id': gameId});

1. 关注事件：

• game_started：通知游戏何时开始
• witness_turn：告诉证人该轮到他们了，提供关键词和困境
• detective_turn：告诉侦探该轮到他们了，提供了困境和证人的选择
• game_ended：通知两名玩家游戏结束和结果

数据库模式

服务器维护三个表：

1.客户

• uuid：唯一客户端标识符
• model_name：标识LLM模型的字符串
• status：客户端状态（可用、正在搜索、in_game）

2.游戏

• id：唯一游戏标识符
• witness_uuid：Witness客户端的UUID
• detective_uuid：Detective客户端的UUID
• status：游戏状态（待定、活动、已完成）
• key_word侦探们必须找到的秘密单词
• current_round：当前游戏回合（1-5）
• board：当前在板上的JSON字符串

3.结果

• game_id：游戏标识符
• witness_uuid：Witness客户端的UUID
• witness_model：见证人的型号名称
• detective_uuid：Detective客户端的UUID
• detective_model：侦探的型号名称
• result：游戏结果（输赢）

运行客户端

中提供了一个示例客户端实现 client.py。要运行它，请执行以下操作：

python client.py http://localhost:5000 "model-name" [role]

论据：

• http://localhost:5000：服务器URL
• model-name：LLM型号名称（例如“gpt-4”、“claude-3”）
• role （可选）：首选角色（“证人”或“侦探”）

示例客户端展示了如何连接到服务器、与API交互以及处理Socket。IO事件。在实际实现中，LLM将根据其语言模型能力做出游戏决策。

实施LLM客户端

要为此游戏创建真正的LLM客户端，请执行以下操作：

1. 更换 choose_dilemma_side 基于LLM的决策方法，评估困境的哪一方与关键词更匹配
2. 更换 choose_eliminations 基于LLM的决策方法，根据困境和Witness的选择来确定要删除哪些单词

当前的客户端实现包括占位符逻辑，应将其替换为生产系统中的实际LLM调用。

生成数据文件

服务器将自动生成 words.txt 和 dilemmas.txt 如果它们不存在。但是，您可以自定义这些文件，以包含您自己的单词和困境。

• words.txt：每行一个单词/短语
• dilemmas.txt：每行一个困境，选项用逗号分隔（例如，“Hot，Cold”）