文件搜索MCP服务器
TypeScript中的最小FastMCP 2.x服务器，它公开了一个RPC--retrieveDocs(question)--它从OpenAI文件搜索返回原始排名块。
特性
- 充当OpenAI的简单代理
/v1/responses端点使用file_search工具。 - 倒像
OPENAI_API_KEY从环境变量。 - 倒像
vectorStoreId从config.json. - 使用FastMCP 2.x
addTool和ctx.log. - 返回原始块(
{ id, text, score }[])作为JSON字符串，从中提取file_search_call.results. - 包括鲁棒性功能：30秒超时、瞬态错误（429、5xx、网络）的重试逻辑（3次尝试）和结构化错误报告。
- 可选的详细日志记录，通过
DEBUG_OPENAI环境变量。
先决条件
- Node.js（建议使用v18或更高版本）
- npm（或pnpm/yarn）
- 一个OpenAI API密钥
- 现有的OpenAI矢量存储ID
- Git（用于克隆）
设置
- 克隆存储库（如果适用）：
# git clone
# cd filesearch-mcp-server- 安装依赖项： 安装所需的软件包。
npm install- 配置：
- config.json: 复制 config.template.json 向 config.json 并添加您的矢量存储ID。
cp config.template.json config.json然后编辑 config.json:
{
"vectorStoreId": "vs_YOUR_VECTOR_STORE_ID"
}_（替换 vs_YOUR_VECTOR_STORE_ID 使用您的实际ID。git通过以下方式忽略此文件 .gitignore.)_
- 环境变量： 创建一个 .env 文件（或直接设置环境变量）。您可以复制示例：
cp .env.example .env然后编辑 .env 使用API密钥：
# Required: Your OpenAI API Key
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
# Optional: Set to "true" or "1" for verbose OpenAI API response logging
# DEBUG_OPENAI=false_（git通过忽略此文件 .gitignore.)_
或者，通过临床MCP设置进行配置(cline_mcp_setting.json):
{
"servers": [
{
"id": "filesearch-mcp-server",
"command": "npm start",
"working_directory": "path/to/filesearch-mcp-server",
"environment": {
"OPENAI_API_KEY": "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
"DEBUG_OPENAI": "false"
}
}
]
}- 构建TypeScript代码：
npm run build运行服务器
npm start此命令运行 node dist/server.js，使用启动服务器 stdio 传输（默认）。它在标准输入/输出上监听MCP请求，使其适合与Cline或其他期望进行stdio通信的MCP客户端一起使用。
发展
- 构建：
npm run build（将TypeScript编译为dist/) - 格式：
npm run format（使用Prettier格式化代码） - 棉绒：
npm run lint（使用ESLint检查代码样式） - 观看&跑步：
npm run dev（监视服务器的更改、重建和重启）
块状结构
服务器从中提取块 output[*].file_search_call.results OpenAI API响应中的字段。返回的JSON数组中的每个块都遵循 Chunk 接口： { id: string, text: string, score: number }The id 从结果对象的 id 字段（有回退）， text 是块内容，以及 score 是OpenAI提供的相关性得分。
许可证
此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。