osp_marketing_tools

项目概述

想象这样一个场景：你是一名技术作家，手头有一堆产品文档要写，却发现 AI 生成的内容要么过于营销腔、要么技术细节含糊不清。你花了大量时间在「让 AI 理解我们要表达什么」这件事上，而不是真正专注于内容本身。Open Strategy Partners（OSP）营销工具正是为了解决这个痛点而诞生的——它将一家专业营销机构的核心理方法论，封装成一套 AI 可直接调用的标准工具，让 AI 真正成为营销写作的得力助手。

OSP 营销工具（全称 Open Strategy Partners Marketing Tools for LLMs）是一个基于 Model Context Protocol（MCP） 协议的服务器，它的核心使命是：让大型语言模型（LLM）能够调用 Open Strategy Partners 积累多年的专业营销写作技巧和方法论。该项目于 2025 年初发布，支持 Claude 桌面应用和 Cursor IDE 等主流 MCP 客户端。

项目背景与创始团队

Open Strategy Partners 是一家专注于 B2B 技术营销的咨询公司，其创始团队成员包括 Robert Douglass、Tracy Evans、Jeffrey McGuire 等资深营销专业人士。与传统营销工具不同，OSP 的方法论强调语义化编辑——不是简单地检查语法或关键词密度，而是从受众认知、价值传递、竞争定位等多个维度对内容进行系统性优化。

这支团队在 2024-2025 年间敏锐地捕捉到一个趋势：随着 Claude、Cursor 等 AI 工具的普及，内容创作者越来越多地依赖 AI 辅助写作，但 AI 生成内容的一个显著问题是「营销腔」过重——听起来正确但缺乏说服力，堆砌功能但没有清晰的价值主张。OSP 认为，如果能将他们的方法论编码成 AI 可理解的工具，就能从根本上改善这一问题。

MCP（Model Context Protocol）正是实现这一目标的技术桥梁。该协议由 Anthropic 提出，旨在建立一个开放的标准，让 AI 模型能够与各种外部工具和数据源无缝对接。通过 MCP，OSP 将其专业营销知识转化为六个可被 AI 调用的标准化工具函数，任何支持 MCP 的 LLM 客户端（如 Claude、Cursor）都能直接使用这些工具。

核心功能与使用场景

六大 MCP 工具函数

项目在 server.py 中实现了六个核心工具，每个工具对应 OSP 方法论的一个具体应用场景：

1. get_editing_codes：语义编辑代码系统。OSP 的编辑代码是一套用于标记和分类文本问题的元语言系统，涵盖价值主张模糊、目标受众错位、技术细节缺失等常见问题。AI 在处理用户提供的文本时，可以通过这套代码系统对内容进行全面「体检」，精准定位每个段落的问题所在。

2. get_writing_guide：OSP 写作指南。该指南定义了 OSP 的核心写作原则，包括如何建立信任感、如何处理技术与受众之间的信息不对称、如何让产品描述既有技术深度又有商业说服力。AI 在起草新内容时，可以参照这套指南确保输出符合专业营销标准。

3. get_meta_guide：Meta 信息指南。专注于网页元数据（标题、描述、关键词）的优化策略，帮助 AI 生成符合 SEO 最佳实践的元信息，提升内容在搜索引擎中的可见性。

4. get_on_page_seo_guide：页内 SEO 指南。涵盖标题层级、关键词分布、内链结构等技术层面的优化建议，配合写作指南使用，可生成结构完整、搜索引擎友好的技术文档。

5. get_product_value_map：产品价值地图。这是 OSP 方法论的精髓之一，它要求 AI 在描述产品时必须明确回答三个核心问题：谁在使用这个产品？他们的核心需求是什么？产品的哪些特性解决了这些需求？价值地图以结构化方式呈现这三者之间的关系，帮助生成有说服力的产品营销内容。

6. health_check：服务健康检查。验证 MCP 服务器运行状态和资源可访问性。

典型使用流程

在 Claude 或 Cursor 中，用户只需提供待处理的产品文档或内容片段，并附上具体指令。例如：

Prompt: "Generate an OSP value map for [Product Name] focusing on [target audience] with the following key features: [list features]"

Prompt: "Review this technical content using OSP editing codes: [paste content]"

AI 收到指令后，会自动调用对应的 MCP 工具获取 OSP 方法论知识，结合用户提供的内容生成优化建议或新内容。整个过程无需用户手动查阅营销书籍或模板，AI 直接获得了专业营销机构的方法论支撑。

技术架构分析

MCP 协议与 FastMCP 框架

项目采用 FastMCP 作为 MCP 服务器的开发框架。FastMCP 是 MCP 协议的 Python 实现，提供了简洁的 @mcp.tool() 装饰器语法，开发者只需定义异步函数并在函数上添加装饰器，即可将任意 Python 函数暴露为 MCP 工具。

项目依赖 mcp[cli] 包，并通过 aiohttp==3.11.11 处理异步 HTTP 请求。FastMCP 服务器默认以 STDIO 模式运行，这意味着它通过标准输入/输出与 LLM 客户端通信，而非 HTTP 接口。这种设计非常适合本地集成场景——Claude 桌面应用和 Cursor IDE 都是通过 STDIO 与 MCP 服务器交互的。

依赖管理与构建

项目使用 uv 作为 Python 包管理工具（现代高性能的 pip 替代品），通过 pyproject.toml 定义项目元数据和依赖。Python 版本要求为 >=3.10,<3.14，这是一个合理的前向兼容性范围，覆盖了当前主流的 Python 3.10-3.12 版本。

Dockerfile 采用多阶段构建（Multi-stage Build）策略：

• Builder 阶段：使用 ghcr.io/astral-sh/uv:latest 基础镜像，通过 uv 安装依赖
• 最终镜像：基于 python:3.10-slim，仅包含运行时必要的组件

这种设计确保最终镜像体积最小化（slim 基础镜像约 150MB），同时依赖安装速度也大幅提升（uv 的并行下载和缓存机制显著优于 pip）。

代码结构

项目采用简洁的单模块结构：

src/osp_marketing_tools/
├── __init__.py
├── server.py           # MCP 服务器主文件（含6个工具函数）
├── codes-llm.md        # OSP 编辑代码文档
├── guide-llm.md        # OSP 写作指南
├── meta-llm.md         # Meta 信息指南
├── on-page-seo-guide.md # 页内 SEO 指南
└── product-value-map-llm.md # 产品价值地图模板

每个 *-llm.md 文件都是 OSP 方法论的知识载体，server.py 通过 os.path.dirname(os.path.abspath(__file__)) 获取脚本目录，确保这些文档文件始终能从相对路径正确加载。这种将知识文档与代码逻辑分离的设计，使得非技术人员也能独立更新和维护营销方法论内容。

许可证与开源策略

项目采用 CC-BY-SA-4.0（Creative Commons Attribution-ShareAlike 4.0）许可证，而非传统的开源软件许可证（如 MIT 或 Apache 2.0）。这意味着任何人都可以自由使用、修改和分发本项目的内容，但衍生作品必须采用相同的许可证，并注明原作者。这种许可证选择反映了 OSP 团队的商业策略：通过开放方法论吸引更多用户接触 OSP 的咨询和服务，核心商业价值仍在专业咨询而非软件本身。

部署体验

容器化部署（推荐）

项目提供了完整的多阶段 Dockerfile，部署流程极为简单：

docker build -t osp-marketing-tools .
docker run -i osp-marketing-tools

容器以 STDIO 模式运行，连接标准输入输出与 LLM 客户端。由于服务本身无状态且资源消耗极低（无需 GPU，仅需约 1GB 内存和 500MB 磁盘），几乎可以在任何 Docker 环境中运行。

Smithery 一键部署

项目包含 smithery.yaml 配置文件，支持 Smithery 平台（一个 MCP 服务器托管平台）一键部署。对于不熟悉 Docker 的用户，这是最便捷的上手方式——只需在 Smithery 平台点击部署，系统会自动完成环境配置。

本地 Python 环境

对于需要深度定制的开发者，项目也支持传统 Python 环境运行：

pip install -e .
osp_marketing_tools

依赖安装通过 uv pip install 或 pip install -r requirements.txt 完成，兼容性良好。

Web UI 支持

本项目不支持 Web UI。作为纯 MCP STDIO 服务器，它专为 AI 客户端集成设计，不提供图形界面或 HTTP API。如果需要 Web 管理界面，需要额外开发 wrapper 层。

优势与局限

核心优势

专业方法论背书：OSP 是 B2B 技术营销领域的知名咨询品牌，其方法论经过大量实战验证。将这套方法论工具化后，内容创作者无需成为营销专家，也能产出符合专业标准的内容。

极低的 AI 使用门槛：传统上，让 AI 写出好的营销内容需要精心设计 prompt，工程量不亚于直接写作。通过 MCP 工具封装，AI 获得了结构化的营销知识输入通道，用户只需提供原始内容和目标描述，复杂的营销逻辑由工具自动处理。

多客户端兼容：由于 MCP 是开放协议，OSP 工具可以在任何支持 MCP 的客户端中使用——Claude 桌面应用、Cursor IDE、LibreChat 等，形成了一次开发、多端复用的效果。

潜在局限

知识边界固定：OSP 工具本质上是一套基于预定义 Markdown 文档的查询系统，其输出质量受限于知识库的内容深度。如果用户的场景超出 OSP 方法论覆盖的范围，工具的指导价值会显著下降。

无 AI 推理增强：项目未集成 RAG（检索增强生成）或其他 AI 推理技术，所有工具都是静态文档查询，而非动态分析。这意味着 AI 无法对用户提供的具体内容进行深度语义理解，只能机械地套用模板。

依赖 MCP 生态：作为 MCP 服务器，项目价值与 MCP 协议的普及程度紧密绑定。如果未来 MCP 协议式微，项目需要重大的架构调整才能继续维护。

行业意义与发展展望

OSP 营销工具的推出，反映了 AI 应用领域的一个深层趋势：从「让 AI 自由发挥」到「给 AI 提供结构化知识」。早期 AI 写作工具的思路是喂给模型大量语料让其自学，但实际效果往往差强人意——AI 能写出语法正确的句子，却缺乏专业领域的判断力。OSP 的方法论工具化提供了一种新思路：将人类专家的决策逻辑编码成可调用的工具，让 AI 在每个关键节点都能获得专业指导。

从增长数据看，该项目在 GitHub 上获得了 270 颗星，虽然规模不大，但考虑到其垂直的应用场景（MCP + 营销 + 技术写作），这个数字说明它精准命中了一部分强需求用户。MCP 协议本身的生态系统正在快速扩张，OSP 工具作为较早一批 MCP 服务器，有机会随着协议普及获得更多关注。

未来，该项目可能在以下方向演进：增加更多 OSP 方法论工具（如竞争分析、客户访谈指导）、集成 RAG 实现动态内容分析、以及支持更多 LLM 客户端。作为一个采用 CC-BY-SA 许可证的项目，其商业可持续性将与 OSP 咨询业务的增长紧密绑定。