erickwendel-contributions-mcp
ErickWendel/erickwendel-contributions-mcp加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下这样的场景：你是一家科技公司的技术布道师，每年在世界各地参加数十场技术大会、写博客、发视频，建立自己的技术影响力。但当你想要整理一份完整的年度内容报告时，却发现数据散落在 GitHub、Medium、YouTube、个人网站等多个平台，手动汇总费时费力。
erickwendel-contributions-mcp 正是为解决这一痛点而生。它是一个基于 Model Context Protocol（MCP）的服务器，专门为 AI 助手（如 Claude、Cursor）提供查询巴西知名技术布道师 Erick Wendel 在各平台贡献数据的能力。只需在 AI 工具中配置一行 JSON，AI 就能以自然语言帮你查询他的演讲、博客文章、视频，甚至生成按年份或语言统计的内容报告。
图1：Cursor IDE 中使用该 MCP Server 查询 2024 年视频数据
Erick Wendel 是巴西乃至全球 Node.js 社区中最活跃的技术布道师之一。他拥有微软 MVP（Most Valuable Professional）和 Google Developer Expert（GDE）等多项技术认证，常年活跃于国际技术大会，分享关于 Node.js 性能优化、并发编程、企业级 JavaScript 架构等主题的演讲。他的 YouTube 频道、博客文章和技术社区贡献构成了一个庞大的内容体系。
2025 年 AI 编程工具（如 Cursor、Claude）迅速普及，开发者们开始习惯用自然语言让 AI 帮忙完成各种任务。Erick Wendel 敏锐地捕捉到这一趋势，利用 Model Context Protocol（MCP）这一新兴的 AI 工具标准协议，将自己多年积累的内容数据封装为 AI 友好的工具集，让任何人都可以通过 AI 来查询和分析他的技术贡献。
这个项目的另一个亮点是：它是用 Cursor AI IDE 的默认 Agent 模式构建的——这本身就是一次"吃自己的狗粮"（Dogfooding）的实践，向社区展示如何用 AI 工具开发 AI 工具。
项目采用纯 TypeScript 开发，目标运行时为 Node.js 20+，充分利用了 Node.js 的原生测试运行器（node --experimental-strip-types）和 ECMAScript 模块系统。核心技术依赖只有两个：
McpServer、StdioServerTransport 等核心类，开发者无需关心底层协议细节，只需按规范注册工具、提示词和资源即可。代码结构清晰，分为四个主要目录：
erickwendel-sdk/ # 自研 GraphQL SDK（genql 风格）
runtime/ # 底层 HTTP 客户端、错误处理
schema.ts # 类型化的 GraphQL Schema
types.ts # TypeScript 类型定义
index.ts # 对外导出 createClient
src/
index.ts # MCP 服务器入口，组装所有组件
config/api.ts # GraphQL 端点、工具名配置
services/api.ts # GraphQL 查询逻辑（带分页）
tools/ # MCP 工具实现（talks/posts/videos/status）
types/index.ts # 共享类型定义
test/ # 完整测试套件（Node.js 原生测试）
这种分层设计保证了各模块职责单一：SDK 层负责 GraphQL 通信，服务层负责业务逻辑，工具层负责 MCP 协议适配，测试层负责质量保障。
项目提供了 4 个 MCP 工具：
get_talks 是最复杂的工具，支持按 ID、标题、语言、城市、国家、年份等多维度过滤，还支持分页和聚合统计（按语言/国家/城市分组计数）。当用户传入 year 参数时，工具内部会自动进行游标分页，直到获取到指定年份的所有演讲数据，逻辑十分严谨。
get_posts 和 get_videos 提供了类似的多维度过滤和分页能力，允许按语言、门户（博客平台）等条件筛选。
check_status 是健康检查工具，用于验证后端 GraphQL API 是否可用。
此外，项目还注册了两个 MCP Prompt（提示词模板）：find-content 用于生成查找特定内容的自然语言查询，summarize-activity 用于生成内容活动摘要。这体现了 MCP 协议在"上下文注入"层面的扩展能力。
值得注意的是，项目没有使用社区成熟的 GraphQL 客户端（如 Apollo Client、urql），而是自研了一个轻量级的 erickwendel-sdk。这个 SDK 基于 genql 的类型生成模式，通过 generateGraphqlOperation 函数手动拼接 GraphQL 查询字符串，底层配合一个极简的 HTTP 客户端。
这种设计取舍的考量是：MCP 工具返回的数据结构需要精确控制，成熟客户端的缓存和规范化机制反而会增加不必要的复杂度。自研 SDK 约 500 行代码，恰好够用。
图2：Erick Wendel 历年技术演讲的统计数据示例
项目的数据源是一个 GraphQL API（https://tml-api.herokuapp.com/graphql），该 API 由 Erick Wendel 个人维护，托管在 Heroku 平台。所有数据均为公开可获取的内容元数据——演讲标题、摘要、会议名称、视频链接、博客文章标题等，不涉及任何隐私信息。
从代码来看，SDK 直接将查询参数透传给后端 API，工具层也没有实现额外的缓存机制，这意味着每次调用都会产生一次真实的网络请求。数据隐私风险极低。
作为 MCP Server，部署方式极为简洁。用户只需在 Claude Desktop 或 Cursor 的 MCP 配置文件（mcp.json）中加入如下配置：
{
"mcpServers": {
"erickwendel-contributions": {
"command": "npx",
"args": ["-y", "@erickwendel/contributions-mcp"]
}
}
}
保存配置后，AI 工具会自动下载并启动 MCP Server，无需安装、无需配置环境变量、无需启动额外进程。Server 通过标准输入/输出（stdio）与 AI 工具通信，完全符合 MCP 协议规范。
如果需要本地开发调试，项目也提供了 npm run dev（带热重载的 inspect 模式）和 npm run inspect（MCP 官方调试器）两种方式，开发体验友好。
项目使用 Node.js 18+ 内置的测试运行器（node --test）编写测试套件，覆盖了 talks、posts、talks-by-year 等核心场景。测试文件位于 test/ 目录，配置了 ESLint 进行代码风格检查。虽然没有看到覆盖率报告，但测试覆盖面较为完整。
值得注意的是，项目使用了 --experimental-strip-types 标志来直接运行 TypeScript 源码，无需预先编译。这种做法在开发阶段非常高效，但发布到 npm 时会通过 prepublishOnly 脚本调用 esbuild 进行打包，确保生产环境使用优化后的纯 JavaScript 文件。
亮点方面： 项目巧妙地将 MCP 协议与个人内容数据结合，展示了 AI 工具在"个人知识管理"场景下的新范式。使用 Cursor AI IDE 构建 AI 工具本身就是一个很好的案例。代码结构清晰，TypeScript 类型覆盖全面。
局限方面： 目前数据源硬编码为 Erick Wendel 个人的 GraphQL API，不具备通用性。后端 API 托管在 Heroku 免费版，稳定性可能存在隐患。此外，SDK 层缺少缓存机制，每次查询都会产生额外的网络开销。
erickwendel-contributions-mcp 属于 MCP 生态系统中的一个小型但有代表性的工具。截至目前，MCP 协议正在快速发展，Anthropic、Cursor 等主流 AI 工具厂商纷纷宣布支持。这一背景下，围绕特定数据源构建 MCP Server 的实践正在成为趋势——不仅是个人可以用它整理自己的内容资产，企业也可以用类似模式为自己的产品文档、知识库构建 MCP 工具，供 AI 助手调用。
Erick Wendel 本人在 Node.js 社区的活跃度和影响力（微软 MVP、Google GDE）为这个项目带来了天然的社区关注度，也为类似项目提供了"如何围绕个人品牌构建 AI 工具"的参考模板。