Meetings MCP Server

会议mcp服务器


展示 MCP（模型上下文协议） TypeScript中的服务器。

它揭示了：

• 工具： UserStory-Extractor, Gherkin-Extractor, MeetingSignals-Extractor, UserStory-Synthesizer, Gherkin-Synthesizer
• 资源：租户特定的会议指南+来自 data/tenants/*
• 提示：可重复使用的模板可驱动一致的提取

此回购是 默认情况下为确定性 （不需要API密钥）。

• 这 *提取器* 只是确定性的。
• 这 *合成器* 可以选择使用 OpenAI兼容 如果您提供env变量，则表示聊天完成端点；它们总是支持确定性回退。

先决条件

• Node.js 20+

安装

npm install

运行（stdio）--默认值

npm run dev:stdio

演示（stdio）--端到端运行工具

这将运行一个小型演示客户端，生成stdio服务器，读取 examples/inputs/sample-notes.txt，调用这三个工具，并打印JSON结果。

npm run demo:stdio

演示（流式HTTP）——端到端运行工具

这将运行一个小型演示客户端，在本地主机上生成HTTP服务器入口点，通过Streamable HTTP客户端传输进行连接，调用三个工具，并打印JSON结果。

npm run demo:http

运行（流式HTTP）--可选

这是后续场景的第二个入口点。它绑定到 127.0.0.1.

npm run dev:http

然后POST MCP JSON-RPC请求：

• http://127.0.0.1:3000/mcp

MCP表面的作用

工具

提取器工具接受相同的输入形状：

{ "text": "...", "tenantId": "demo" }

所有工具归还 structuredContent 形状像：

{ "ok": true, "result": { "tenantId": "demo", "...": "..." } }

• UserStory-Extractor

- 从以下行中提取明确的用户故事： As a I want so that . - 捕获附近的验收标准(AC: / Acceptance Criteria: +子弹）。 - 发射 gaps + followUpQuestions 当故事是缺失的领域。 - 细节： docs/tools/UserStory-Extractor.md

• Gherkin-Extractor

- 提取物 Feature: / Scenario: 块和 Given/When/Then 步骤。 - 支持 And / But 继续步骤。 - 发射 nonGherkinFindings 适用于不符合Gherkin结构的线条。 - 细节： docs/tools/Gherkin-Extractor.md

• MeetingSignals-Extractor

- 检测会议“信号”，如 Decision:, Action item:, Risk:, Dependency:, Open question:. - 如果 tenantId 如果提供了，它可以使用租户配置 extractionRules 从 data/tenants//signals.json. - 发射 suggestedActions 基于检测到的信号。 - 细节： docs/tools/MeetingSignals-Extractor.md

• UserStory-Synthesizer

- 从简单的英语成绩单/笔记中合成用户故事。 - 支持 mode: auto （默认）， deterministic, llm. - 细节： docs/tools/UserStory-Synthesizer.md

• Gherkin-Synthesizer

- 从简单的英语成绩单/笔记中合成小黄瓜风格的特征/场景。 - 支持 mode: auto （默认）， deterministic, llm. - 细节： docs/tools/Gherkin-Synthesizer.md

可选LLM配置（仅限合成器）

设置这些环境变量以启用LLM支持的合成：

• LLM_CHAT_COMPLETIONS_URL （需要启用LLM）
• LLM_API_KEY （除非 LLM_AUTH_MODE=none)
• LLM_AUTH_MODE （可选）： bearer （默认）| api-key | none
• LLM_MODEL （可选）
• LLM_EXTRA_HEADERS_JSON （可选）：额外标头的JSON对象
• LLM_TIMEOUT_MS （可选）：请求超时（毫秒）（默认值： 20000)

验证说明：

• LLM_AUTH_MODE 必须是以下之一 bearer, api-key, none.
• LLM_EXTRA_HEADERS_JSON 必须是具有字符串值的JSON对象（例如。 {"x-foo":"bar"}).
• 无效值会很快失败，并出现显式的启动/工具调用错误。

OpenAI示例：

set LLM_CHAT_COMPLETIONS_URL=https://api.openai.com/v1/chat/completions
set LLM_AUTH_MODE=bearer
set LLM_API_KEY=...your key...

Azure OpenAI示例（与OpenAI兼容的聊天完成）：

set LLM_CHAT_COMPLETIONS_URL=https://YOUR-RESOURCE.openai.azure.com/openai/deployments/YOUR-DEPLOYMENT/chat/completions?api-version=YYYY-MM-DD
set LLM_AUTH_MODE=api-key
set LLM_API_KEY=...your key...

资源（数据通道）

资源将租户文件作为MCP资源公开：

• tenant:///guidance → Markdown指导文本。

- 支持： data/tenants//guidance.md - 缺少租户/文件会返回一条友好的错误消息，其中包含所请求的 tenantId. - 细节： docs/resources/tenant-guidance.md

• tenant:///signals → JSON信号分类+可选提取规则。

- 支持： data/tenants//signals.json - 缺少租户/文件或无效的JSON返回一条友好的错误消息，其中包含请求的 tenantId. - 细节： docs/resources/tenant-signals.md

静态知识资源（回购拥有的指导）：

• knowledge://user-story-structure → 用户故事结构指导。
• knowledge://gherkin-structure → 小黄瓜结构指导。
• knowledge://mapping-guidelines → 如何将会议文本映射到故事/场景。

- 支持： data/knowledge/* - 细节： docs/resources/knowledge-docs.md

提示

提示是可重用的消息模板，适用于希望驱动一致提取的客户端。

• extract-user-stories → 询问用户故事+接受标准+后续问题的提示。

- 细节： docs/prompts/extract-user-stories.md

• extract-gherkin → 一个提示，要求输入小黄瓜特征/场景/步骤。

- 细节： docs/prompts/extract-gherkin.md

租户数据

租户文件位于：

• data/tenants//guidance.md
• data/tenants//signals.json

租户样本 demo 包括在内。

租户信号提取规则

signals.json 可以可选地包括 extractionRules 控制方式 MeetingSignals-Extractor 检测该租户的信号。

• 如果 tenantId 提供给工具，以及 extractionRules 如果存在，则使用这些规则。
• 如果规则缺失或无效，服务器将恢复其内置默认值。

图案格式：

• 普通正则表达式源字符串（使用不区分大小写的标志编译），例如。 "^\\s*(decision)\\s*[:\\-]"
• 或 /.../flags 形式，例如。 "/^\\s*decision\\s*[:\\-]/i"

备注

• 提取逻辑是有意轻量级的（启发式+解析），以在没有API键的情况下保持repo可运行。
• 您可以选择配置与OpenAI兼容的端点，以提高合成精度，而无需更改工具契约。