企业官网建设流程全解析

prompt-optimizer MCP 集成指南：3 步部署并接入 Claude Desktop

【免费下载链接】prompt-optimizerAn AI prompt optimizer for writing better prompts and getting better AI results.项目地址: https://gitcode.com/GitHub_Trending/pro/prompt-optimizer

你正在 Claude Desktop 里写提示词，"你是一个助手"这种一句话设定效果不佳，想请专业工具优化——但手边没有，只能切到浏览器，打开 prompt-optimizer 网页版，复制、粘贴、再复制回来。prompt-optimizer 把核心优化能力封装成了 MCP 服务器（MCP 协议，Model Context Protocol，可以理解为给 AI 助手装上"手"，让它能实际调用你部署的工具），你读完本文可以：用 Docker 5 分钟部署 MCP 服务器，再花 3 步把 Claude Desktop 接入 MCP 服务器，之后优化提示词就只是在对话里说一句话的事。

🎬 为什么需要 MCP 集成

传统做法是"人肉搬运"：复制提示词到优化工具、等结果、再复制回对话窗口。每优化一轮就要切一次应用，打断写作节奏，长提示词来回粘贴还容易漏内容。MCP 协议的价值在于省掉了这个搬运步骤：Claude 在对话中直接发起工具调用，优化结果直接回到上下文里，你可以立刻基于结果继续对话。

🧩 它到底怎么工作的

MCP 协议在这里是中间人：Claude Desktop 发出优化请求，MCP 服务器校验参数后交给 Core 优化服务处理，结果原路返回对话。

三条设计要点（详见 MCP 服务器模块说明）：

1. 零侵入：MCP 层只调用现有 Core 模块 API，不改动核心代码。
2. 无状态：使用内存存储，每次请求独立处理，服务重启不依赖本地文件。
3. 标准协议：走标准 MCP HTTP Streamable 传输，任何兼容 MCP 的客户端都能连，不限于 Claude Desktop。

🐳 从零到跑通：Docker 部署 MCP 插件

最快路径（预计耗时 ≤ 5 分钟）。一条命令同时起 Web 界面和 MCP 服务器，MCP 端点通过/mcp路径暴露在同一个端口上：

# 基础部署：Web 界面在 8081，MCP 端点为 http://localhost:8081/mcp docker run -d -p 8081:80 \ -e VITE_OPENAI_API_KEY=你的OpenAI密钥 \ -e MCP_DEFAULT_MODEL_PROVIDER=openai \ --name prompt-optimizer \ linshen/prompt-optimizer

国内拉取镜像慢时，换成阿里云镜像源：

docker run -d -p 8081:80 \ -e VITE_OPENAI_API_KEY=你的OpenAI密钥 \ --name prompt-optimizer \ registry.cn-guangzhou.aliyuncs.com/prompt-optimizer/prompt-optimizer

灵活路径：需要多模型或自定义参数时用 Docker Compose，下面只列关键项，可选配置按需取消注释：

services: prompt-optimizer: image: linshen/prompt-optimizer:latest container_name: prompt-optimizer restart: unless-stopped ports: - "8081:80" # Web 界面 + MCP 共用端口 environment: - VITE_OPENAI_API_KEY=你的OpenAI密钥 # 必填：至少一个 API 密钥 # - VITE_DEEPSEEK_API_KEY=你的DeepSeek密钥 # 按需取消注释：追加第二个模型 # - MCP_DEFAULT_MODEL_PROVIDER=deepseek # 按需取消注释：指定首选模型提供商 # - MCP_LOG_LEVEL=info # 按需取消注释：生产日志级别 - MCP_DEFAULT_LANGUAGE=zh

核心环境变量一览（完整说明见 MCP 服务器用户指南）：

🖥️ 接入 Claude Desktop 三步走

服务器跑起来后，装完之后的第一件事是把 Claude Desktop 接进来。

步骤 1：定位配置文件

先找到 Claude Desktop 的配置目录，三个平台位置如下：

步骤 2：写入 JSON 配置

在配置目录中创建或编辑services.json，最小可用片段如下：

{ "services": [ { "name": "Prompt Optimizer", // 工具组显示名称，随意起 "url": "http://localhost:8081/mcp" // MCP 服务器地址，Docker 部署为 8081 } ] }

注意：如果你是开发者本地部署（pnpm mcp:dev，端口 3000），把 URL 改成http://localhost:3000/mcp。

步骤 3：重启并验证

改完配置，完全退出并重启 Claude Desktop。建议先用浏览器打开http://localhost:8081/healthz确认服务器存活，然后在 Claude 对话里输入/tools，应该能看到 3 个工具：

• optimize-user-prompt
• optimize-system-prompt
• iterate-prompt

看到这三个名字，接入就完成了。

🧪 拿真实任务试一把

三个工具对应三类任务，你只需在对话里描述需求，Claude 会自动选工具填参数。

场景 A：一段日常对话提示词——什么时候用到：随手提问太含糊，想让回答更靠谱。

optimize-user-prompt({ prompt: "帮我写篇文章", // 必填：待优化的原始提示词 // template: 可选，优化模板；省略时自动用内置默认模板 });

场景 B：给 AI 定义一个专业角色——什么时候用到：要搭一个自定义助手或专家角色，需要规范的系统提示词。

optimize-system-prompt({ prompt: "你是一个医疗助手", // 必填：当前简陋的角色设定 // template: 可选，不同模板的优化侧重不同，见 /tools 里的参数说明 });

场景 C：已有提示词想微调——什么时候用到：提示词已经能用，但输出有具体毛病，只改毛病、不动其余。

iterate-prompt({ prompt: "现有提示词全文", // 必填：正在使用的完整提示词 requirements: "输出格式不稳定，要求固定为 JSON", // 必填：具体的改进需求 // template: 可选，迭代策略模板 });

优化结果大致长这样（下图为项目中一个优化后的提示词展示）：

🔧 配置调优：多模型、Ollama 与日志

多模型切换

docker run -d -p 8081:80 \ -e VITE_OPENAI_API_KEY=你的OpenAI密钥 \ -e VITE_DEEPSEEK_API_KEY=你的DeepSeek密钥 \ -e MCP_DEFAULT_MODEL_PROVIDER=deepseek \ --name prompt-optimizer \ linshen/prompt-optimizer

配了多个密钥时，用MCP_DEFAULT_MODEL_PROVIDER指定首选，提供商名称必须小写且与密钥类型一致（openai不是OpenAI）。匹配不到时会回退到第一个可用模型。

自定义 API 端点（以 Ollama 为例）

docker run -d -p 8081:80 \ -e VITE_CUSTOM_API_KEY=任意占位值 \ -e VITE_CUSTOM_API_BASE_URL=http://host.docker.internal:11434/v1 \ -e VITE_CUSTOM_API_MODEL=qwen2.5:7b \ -e MCP_DEFAULT_MODEL_PROVIDER=custom \ --name prompt-optimizer \ linshen/prompt-optimizer

Ollama 不校验密钥，VITE_CUSTOM_API_KEY填任意值即可；容器里访问宿主机服务要用host.docker.internal代替localhost。完整的变量格式参考 env.local.example 中VITE_CUSTOM_API_*一节的注释。

日志级别

docker run -d -p 8081:80 \ -e VITE_OPENAI_API_KEY=你的OpenAI密钥 \ -e MCP_LOG_LEVEL=info \ --name prompt-optimizer \ linshen/prompt-optimizer

MCP_LOG_LEVEL支持 debug/info/warn/error 四档，级别越高打印越少。生产环境建议开 info 级别，排查问题再临时切到 debug。

🐞 踩坑速查：MCP 工具调用失败排查

症状：启动报Error: listen EADDRINUSE: address already in use原因：端口被占用（本地开发模式默认 3000，容器映射端口冲突同理）。 修复：换个端口再起，例如MCP_HTTP_PORT=3001 pnpm mcp:dev，或docker run时改映射端口。

症状：启动即报No enabled models found原因：没有任何有效 API 密钥被传入容器，或变量名拼错。 修复：核对docker run的-e参数，确认至少一个VITE_*_API_KEY存在且拼写正确。

症状：工具调用返回 "MCP default model is not configured"原因：MCP_DEFAULT_MODEL_PROVIDER与你实际配置的密钥类型对不上。 修复：把它改成与已配置密钥一致的提供商名，小写拼写。

症状：Claude Desktop 一直连不上原因：URL 端口写错（8081 与 3000 混用）、JSON 格式不合法，或防火墙拦截。 修复：先浏览器访问http://localhost:8081/healthz确认服务器存活，再检查services.json能否被正常解析。

如果以上都没解决，带着MCP_LOG_LEVEL=debug下的日志去项目 issue 区搜索或提问，日志里会标明失败发生在协议层还是模型调用层。

🗺️ 推荐工作流

一套"从草稿到定型"的 5 步循环：

1. 初稿：把想法用最直白的话写出来，别纠结措辞。
2. 优化：按提示词类型选对工具，让 Claude 在对话里跑一轮优化。
3. 测试：拿优化后的提示词真实跑几个用例，看输出是否达标。
4. 迭代：把具体毛病写成 requirements，用iterate-prompt定向修补，不动其余部分。
5. 固化：效果满意后存进 prompt-optimizer 的模板库或 Claude 的记忆，下次直接复用。

选择逻辑一目了然：

模板参数不用背：/tools里每个工具的template字段描述里列了全部可选值，不确定就省略它，用内置默认模板。

📌 现在就能做三件事

读完本文，你已经具备这些能力：

• ✅ 用一条 Docker 命令把 prompt-optimizer 的 MCP 服务器部署起来，Web 界面和/mcp端点同时可用
• ✅ 完成 Claude Desktop 接入 MCP 服务器的三步配置，并确认 3 个工具注册成功
• ✅ 区分三个工具各自的适用场景，知道什么时候该用iterate-prompt而不是整段重写
• ✅ 遇到"工具调用失败排查"类问题时，能按症状定位到密钥、端口、提供商名三个最常见原因

行动清单：

1. 部署：复制本文的docker run命令，填入你的密钥，跑起服务器。
2. 接入：编辑services.json，重启 Claude Desktop，用/tools确认 3 个工具在列。
3. 试用：挑一段你最近写过、效果不理想的提示词，在对话里让 Claude 优化一遍，感受"不切应用"的差别。

【免费下载链接】prompt-optimizerAn AI prompt optimizer for writing better prompts and getting better AI results.项目地址: https://gitcode.com/GitHub_Trending/pro/prompt-optimizer