MCP Rag Covers

概述

轻量级 MCP服务器 这让你：

• 🔍 在MusicBrainz中搜索发布组
• 🎨 构建颜色聚类 Vibe板 来自封面艺术档案图片
• 🧠 （可选）用 LLM （OpenAI *或* 免费本地 奥拉玛)

它还提供了一个小型web UI http://localhost:8000 在那里，您可以搜索、可视化封面并生成简短的叙述。

______________________________________________________________________

特性

• MCP工具： search, fetch, vibe_board, rag_summarize
• 智能艺术品检索： 尝试释放组和释放级艺术
• 颜色分析： K-Means调色板聚类和HSV统计
• 可选RAG： 使用OpenAI或Ollama总结视觉集群

______________________________________________________________________

需求

• python 3.10+
• macOS/Linux/Windows（PowerShell）
• 互联网接入（适用于MusicBrainz+CAA）
• 可选： 奥拉玛 免费本地LLMs

______________________________________________________________________

快速开始

1.创建并激活虚拟环境

python3 -m venv .venv
source .venv/bin/activate        # Windows PowerShell: .\\.venv\\Scripts\\Activate.ps1

2.安装依赖项

pip install -r requirements.txt

3.设置环境变量

必需：MusicBrainz用户代理

export MB_USER_AGENT="covers-mcp/0.4.0 (you@example.com)"

MusicBrainz需要有效的识别码 User-Agent 联系方式。

可选：选择LLM后端

A.OpenAI（付费、最便宜的模型 gpt-4o-mini)

export OPENAI_API_KEY="sk-...yourkey..."
export OPENAI_MODEL="gpt-4o-mini"     # optional

B.Ollama（免费，当地）

# 1. Install and start Ollama: https://ollama.com
ollama pull llama3.2
# 2. Point the server at it:
export OLLAMA_HOST="http://localhost:11434"
export OLLAMA_MODEL="llama3.2"        # optional
# Do NOT set OPENAI_API_KEY at the same time

4.运行服务器

python server_http.py

然后打开 http://localhost:8000

尝试：

1. 键入艺术家姓名（例如。 *电台司令*)
2. 点击 构建Vibe板
3. （可选）单击 生成Vibe叙事

______________________________________________________________________

🧪 CLI测试（可选）

搜索

curl -s -X POST http://127.0.0.1:8000/mcp \
 -H "Content-Type: application/json" -H "Accept: application/json" \
 -d '{"jsonrpc":"2.0","id":"s1","method":"tools/call","params":{"name":"search","arguments":{"query":"Radiohead","limit":12}}}' \
 | jq -r '.result.content[0].text' | jq '.results | length'

Vibe板

curl -s -X POST http://127.0.0.1:8000/mcp \
 -H "Content-Type: application/json" -H "Accept: application/json" \
 -d '{"jsonrpc":"2.0","id":"v1","method":"tools/call","params":{"name":"vibe_board","arguments":{"query":"Radiohead","limit":12,"debug":true}}}' \
 | jq -r '.result.content[0].text' | jq .

总结（RAG生成）

# Create a vibe board
curl -s -X POST http://127.0.0.1:8000/mcp \
 -H "Content-Type: application/json" -H "Accept: application/json" \
 -d '{"jsonrpc":"2.0","id":"v1","method":"tools/call","params":{"name":"vibe_board","arguments":{"query":"Radiohead","limit":8}}}' \
 | jq -r '.result.content[0].text' > /tmp/vibe.json

# Summarize it with the LLM
jq -r '.' /tmp/vibe.json | \
xargs -0 -I{} bash -lc '
curl -s -X POST http://127.0.0.1:8000/mcp \
 -H "Content-Type: application/json" -H "Accept: application/json" \
 -d "{\\"jsonrpc\\":\\"2.0\\",\\"id\\":\\"v2\\",\\"method\\":\\"tools/call\\",\\"params\\":{\\"name\\":\\"rag_summarize\\",\\"arguments\\":{\\"json\\":$(printf %q "{}"),\\"style\\":\\"poetic\\"}}}" \
 | jq -r ".result.content[0].text" | jq .
'

______________________________________________________________________

🧠 什么是MCP？什么是RAG？

______________________________________________________________________

🛠️ 故障排除

“未找到氛围组”

• 尝试另一位艺术家（披头士乐队、迈尔斯·戴维斯）
• 确保出站访问MusicBrainz/CAA
• 确认 follow_redirects=True 在 vibe_core.py

“LLM后端错误：429太多请求”

• 等待一分钟，然后重试（速率限制窗口）
• 减少 limit (6–8)
• 对于OpenAI：使用 gpt-4o-mini 或者切换到Ollama