Back to MCP directory
publicPublicdnsLocal runtime

doctah-mcp

Doctah-MCP是一个基于Model Context Protocol的明日方舟游戏数据查询服务器,为AI助手提供干员和敌人信息的搜索与访问接口。

article

README

🚀 Doctah-MCP

Doctah-MCP 服务器借助模型上下文协议(MCP),在 AI 助手和 PRTS.wiki 的明日方舟知识库之间搭建了一座桥梁。它能让 AI 模型以编程方式搜索干员和敌人信息,并访问其具体内容。

🚀 快速开始

从源代码安装

git clone https://github.com/TonybotNi/Doctah-MCP.git
cd doctah-mcp
pip install -e .

验证安装:

# 测试全局命令是否可用
doctah-mcp --help

# 或者使用 Python 模块进行测试
python -m doctah_mcp.server --help

若用于开发:

# 克隆并设置开发环境
git clone https://github.com/TonybotNi/Doctah-MCP.git
cd doctah-mcp

# 安装带有测试依赖的包
pip install -e ".[dev]"

🔌 MCP 集成

为你的 MCP 客户端配置文件选择以下配置方法之一: 方法 1:使用全局命令(推荐)

{
    "mcpServers": {
        "doctah-mcp": {
            "command": "doctah-mcp",
            // 或者使用完整路径: "/full/path/to/doctah-mcp"
            "args": []
        }
    }
}

💡 若未找到 doctah-mcp 命令,请使用方法 3 并指定 Python 可执行文件的完整路径。

方法 2:使用 Python 模块

{
    "mcpServers": {
        "doctah-mcp": {
            "command": "python",
            "args": ["-m", "doctah_mcp.server"]
        }
    }
}

方法 3:使用完整路径(最可靠)

{
    "mcpServers": {
        "doctah-mcp": {
            "command": "/full/path/to/python",
            "args": ["-m", "doctah_mcp.server"],
            "cwd": "/path/to/doctah-mcp-folder"
        }
    }
}

💡 注意cwd 是工作目录,仅在方法 3 中需要,指向你下载的 doctah-mcp 项目文件夹。

✨ 主要特性

  • 🎯 干员搜索:查询详细的干员信息,包括技能、天赋和属性。
  • ⚔️ 敌人情报:获取包含等级进展的全面敌人数据。
  • 📋 列表搜索:通过模糊搜索功能查找干员和敌人。
  • 🔍 内容验证:智能内容验证,区分干员和敌人。
  • 🤖 对 AI 友好:输出结构一致、简洁的 Markdown 内容。

💻 使用示例

基础用法

服务器提供了四个主要工具:

1. 干员搜索

搜索详细的干员信息:

result = await call_tool("search_operator_mcp", {
    "name": "Amiya",
    "sections": "skills,talents"
})

2. 敌人搜索

获取全面的敌人数据:

result = await call_tool("search_enemy_mcp", {
    "name": "Originium Slug",
    "sections": "level0,level1"
})

3. 列出干员

查找匹配模式的干员:

result = await call_tool("list_operators_mcp", {
    "name": "guard"
})

4. 列出敌人

查找匹配模式的敌人:

result = await call_tool("list_enemies_mcp", {
    "name": "drone"
})

📋 客户端配置

Claude Desktop

配置文件位置:

  • macOS~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows%APPDATA%\Claude\claude_desktop_config.json
  • Linux~/.config/Claude/claude_desktop_config.json 推荐配置(最简单)
{
  "mcpServers": {
    "doctah-mcp": {
      "command": "doctah-mcp",
      "args": []
    }
  }
}

备用配置(若上述配置不起作用)

{
  "mcpServers": {
    "doctah-mcp": {
      "command": "/full/path/to/python",
      "args": ["-m", "doctah_mcp.server"],
      "cwd": "/path/to/doctah-mcp-folder"
    }
  }
}

Cherry Studio

  1. 打开 Cherry Studio → 设置 → MCP 服务器 → 添加。
  2. 选择类型:STDIO。
  3. 简单配置
    • 命令doctah-mcp
    • 参数[]
  4. 备用配置(若上述配置不起作用):
    • 命令/full/path/to/python
    • 参数["-m", "doctah_mcp.server"]
    • 工作目录/path/to/doctah-mcp-folder

🔧 配置

通过环境变量进行配置: | 变量 | 用途 | 默认值 | |------|------|--------| | LOG_LEVEL | 日志记录级别 | INFO |

🧪 测试

运行测试套件:

python -m pytest

📄 许可证

本项目采用 MIT 许可证发布。详情请参阅 LICENSE 文件。

📚 详细文档

需要更详细的配置和故障排除指南?请查看:


为明日方舟社区用心打造

GitHub 星标历史

Star History Chart

help

Runtime guide

cloud

Hosted runtime

Hosted servers run from a provider-managed environment. You usually connect the MCP client to the hosted endpoint or follow the provider's authorization flow, without keeping a local process alive

  1. Open provider connection page
  2. Authorize or copy endpoint
  3. Connect from your MCP client
terminal

Local runtime / other methods

Local servers run on your own machine or infrastructure. You normally copy the server_config into your MCP client, install the required package, and provide env variables from env_schema when needed

  1. Copy server_config
  2. Install required package
  3. Fill env variables and restart client