TV推荐MCP服务器 🚀

基于TMDb API的美剧推荐MCP服务器，提供按类型推荐、相似剧集推荐和剧集详情功能。

项目描述

本项目是一个基于MCP(Model Context Protocol)的服务器，专门用于提供全面的美剧推荐和信息查询服务。服务器通过标准输入/输出(stdio)与支持MCP的客户端通信，并通过调用TMDb(The Movie Database) API获取数据。服务覆盖从剧集发现、详情查询到观看渠道、演员信息、用户评论等多方面功能，为用户提供一站式剧集探索体验。

项目背景与愿景

大型语言模型（LLM）在理解和生成文本方面表现出色，但在提供实时、个性化的美剧推荐方面存在局限性（如知识截止、缺乏用户偏好理解）。用户期望通过自然语言交互获得更精准、更及时的推荐，而现有LLM难以完全满足此需求。本项目旨在通过Model Context Protocol (MCP) Server扩展LLM的能力，解决这一痛点，抓住提供更智能影视发现体验的机会。

愿景： 让用户能够通过与LLM的自然对话，无缝地发现、了解并获取个性化、实时、可解释的美剧推荐，将LLM变为强大的个人娱乐顾问。

目标用户

主要目标用户是熟悉并使用支持MCP的LLM客户端（如Claude Desktop）的个人用户。他们是美剧爱好者，对通过AI获取信息持开放态度，并希望以更自然、交互的方式发现符合口味的新剧集。

系统架构

此MCP服务器采用模块化设计，具有明确的关注点分离。服务器初始化MCP框架，注册各种推荐工具，并使用TMDb客户端与TMDb API交互。配置设置（特别是TMDb API密钥）通过环境变量管理。

高级架构图

flowchart TD
    A["MCP客户端<br>(LLM工具)"] -- "MCP请求<br>(stdio)" --> B
    
    subgraph "服务器架构"
    B["MCP核心<br>(stdio)"] --> C["工具路由器"]
    C --> D["工具实现层"]
    D --> E["TMDb服务客户端"]
    D --> F["工具辅助功能<br>(如类型映射)"]
    E -- "HTTP请求" --> G["TMDb API"]
    D --> H["日志系统"]
    E --> H
    end
    
    G -- "HTTP响应" --> E
    B -- "发送响应" --> A

核心组件

MCP服务器实现：服务器基于Model Context Protocol SDK for TypeScript构建，提供工具注册和客户端通信的基础。
TMDb客户端：负责与TMDb API的所有交互，处理认证、构建API请求并处理响应。
推荐工具：服务器公开各种工具，提供与电视节目发现和信息检索相关的特定功能。

功能与路线图 (Features & Roadmap)

以下是本项目的完整功能列表及开发状态 (基于 .ai 目录下的用户故事):

Epic 1: 核心推荐工具 MVP (Core Recommendation Tools MVP)

MCP 服务器基础设置与 API 集成 (MCP Server Setup & API Integration) (story-1-1-setup-integration.md)
按类型推荐剧集 (Recommend Shows by Genre) (story-1-2-recommend-genre.md) - 工具: get_recommendations_by_genre
查找相似剧集 (Find Similar Shows) (story-1-3-recommend-similar.md) - 工具: get_similar_shows
获取剧集详情 (Get Show Details) (story-1-4-show-details.md) - 工具: get_show_details

Epic 2: 增强与扩展 (Enhancements & Expansion)

Epic 3: 个性化与集成 (Personalization & Integration)

智能追剧进度管理 (Smart Watch Progress Management) (story-3-1-watch-progress.md)

Epic 4: 可视化与探索 (Visualization & Exploration)

可视化系列/宇宙探索 (Visual Franchise/Universe Exploration) (story-4-1-franchise-visualization.md)

技术栈

语言: TypeScript
运行时环境: Node.js
MCP SDK: @modelcontextprotocol/sdk
类型验证: zod
HTTP客户端: axios
外部API: TMDb (The Movie Database)
环境变量管理: dotenv

快速开始

使用npx可以快速运行服务器，无需安装：

# 设置TMDb API密钥（必须）
export TMDB_API_KEY=your_api_key_here

# 运行服务器
npx tv-recommender-mcp-server

安装步骤

从NPM安装

npm install -g tv-recommender-mcp-server

配置环境变量
```
export TMDB_API_KEY=your_api_key_here
```
运行服务器
```
tv-recommender-mcp-server
```

或者，您可以克隆仓库：

克隆仓库

git clone <仓库地址>
cd tv-recommender-mcp-server

安装依赖
```
npm install
```
配置环境变量
- 复制.env-example为.env
- 在TMDb申请API密钥
- 将API密钥填入.env文件的TMDB_API_KEY字段
构建并运行项目
```
npm run build
npm start
```

在Smithery平台中使用

要在Smithery平台中使用此MCP服务器，请按照以下步骤操作：

访问 Smithery平台并登录您的账户
搜索"@terryso/tv-recommender-mcp-server"或直接访问 tv-recommender-mcp-server
点击"Install"按钮安装此服务
重要: 在配置过程中，您需要提供一个TMDb API密钥
- 您可以在 TMDb 网站注册并申请免费API密钥
- 在输入框中填入您的API密钥
完成安装后，您可以在任何支持Smithery工具的AI聊天中使用此服务

在Cursor中配置MCP服务器

要在Cursor中使用此MCP服务器，请按照以下步骤操作：

在项目根目录创建（或编辑）.cursor/mcp.json文件

在文件中配置服务器信息，格式如下（使用npx方式）：

{
  "mcpServers": {
    "TVRecommender": {
      "command": "npx",
      "args": [
        "tv-recommender-mcp-server"
      ]
    }
  }
}

使用环境变量传递TMDb API密钥：

{
  "mcpServers": {
    "TVRecommender": {
      "command": "env",
      "args": [
        "TMDB_API_KEY=your_api_key_here",
        "npx",
        "tv-recommender-mcp-server"
      ]
    }
  }
}

保存文件后，Cursor会自动检测并加载此MCP服务器
现在，您可以在Cursor中通过以下方式使用此工具：
- 在对话中输入 / 并选择 TVRecommender 工具
- 输入相关查询，如 "推荐科幻类电视剧" 或 "查找与《权力的游戏》相似的剧集"
如需调试或查看日志：
- 在Cursor的开发者工具中（按 Cmd+Option+I 打开）查看控制台输出
- 通过环境变量启用调试模式："DEBUG=mcp:*,npx tv-recommender-mcp-server"

使用场景示例

以下是几个实际使用场景示例，展示如何结合多个工具获得更好的体验：

发现新剧集：
- 使用 get_popular_shows 或 get_trending_shows 获取当前热门剧集
- 找到感兴趣的剧集后，用 get_show_details 查看详情
- 通过 get_show_videos 观看预告片
- 使用 get_watch_providers 查找哪里可以观看
基于喜爱的演员探索：
- 通过 get_actor_details_and_credits 查看喜欢的演员的所有作品
- 使用 get_recommendations_by_actor 获取与该演员相关的推荐
- 对感兴趣的剧集，用 get_show_reviews 查看其他观众的评价
精确筛选剧集：
- 使用 discover_shows 结合多种条件（类型、年代、评分、关键词等）精确查找符合个人口味的剧集
- 例如：查找2020年后的高分科幻剧集，或者查找特定电视网络（如HBO、Netflix）的原创剧集
相似内容探索：
- 看完一部喜欢的剧集后，使用 get_similar_shows 寻找风格相似的其他剧集
- 结合 get_recommendations_by_genre 探索更多同类型优质内容

以上功能可以在AI聊天中自然地组合使用，例如可以对AI说"推荐一些类似《怪奇物语》的科幻剧，并告诉我在哪里可以观看"，MCP工具会自动配合AI提供所需信息。

工具说明

本MCP服务器提供以下工具:

get_recommendations_by_genre - 按类型获取剧集推荐
get_similar_shows - 获取与指定剧集相似的推荐
get_show_details - 获取指定剧集的详细信息
get_watch_providers - 查询特定剧集在指定国家/地区的观看渠道（流媒体、租赁、购买）
discover_shows - 高级剧集发现，支持多种条件组合（如类型、评分、年份、关键词、播放平台等）
find_shows_by_actor - 查找演员参演的剧集
get_recommendations_by_actor - 获取演员推荐的剧集
get_actor_details_and_credits - 获取演员详细信息（如简介、照片）及其参演的剧集列表
get_popular_shows - 获取当前最热门的剧集
get_trending_shows - 获取近期趋势剧集（支持日趋势和周趋势）
get_show_videos - 获取指定剧集的预告片和相关视频
get_show_reviews - 查看其他用户对特定剧集的评论

工具详细文档

更多关于工具使用和系统架构的详细文档，请访问我们的DeepWiki文档，其中包含：

工具实现架构
请求流程图
部署和配置指南
各工具的详细参数说明
开发和测试指南
项目路线图等

功能示例

以下是各工具的使用示例:

获取观看渠道

/TVRecommender get_watch_providers --show_title="怪奇物语" --country_code="US"

高级剧集发现

/TVRecommender discover_shows --with_genres=["科幻", "惊悚"] --vote_average_gte=8.0 --first_air_date_year=2022

查询演员信息及作品

/TVRecommender get_actor_details_and_credits --actor_name="布莱恩·科兰斯顿"

获取热门与趋势剧集

/TVRecommender get_popular_shows
/TVRecommender get_trending_shows --time_window="day"

获取剧集预告片与视频

/TVRecommender get_show_videos --show_title="权力的游戏"

查询剧集用户评论

/TVRecommender get_show_reviews --show_title="绝命毒师" --page=1

安全考量

API Key管理：TMDb API密钥是敏感的，不应硬编码在源代码中或提交到版本控制系统。它将仅通过环境变量使用dotenv包加载。.env文件必须包含在.gitignore中。
输入验证：尽管MCP通信通常在客户端/服务器之间受信任，但建议在工具实现中进行基本的输入参数验证。
速率限制：请注意TMDb API的速率限制。如有必要，请在未来的迭代中实现基本的重试逻辑或缓存。
依赖项：保持依赖项更新，以修补已知的漏洞。

开发模式

如果您希望参与开发，可以使用以下命令启动开发模式：

npm run dev

发布到NPM

本项目配置了GitHub Actions工作流，可以自动发布到NPM：

确保更新了package.json中的版本号
在GitHub仓库设置中添加以下密钥：
- NPM_TOKEN: 您的NPM访问令牌
在GitHub上创建一个新的Release或推送标签（v*格式）
GitHub Actions会自动构建并发布到NPM

您也可以手动触发工作流进行发布。

贡献指南

欢迎提交Issue和Pull Request来帮助改进这个项目。

许可证

English Version

TV推荐MCP服务器 🚀

基于TMDb API的美剧推荐MCP服务器，提供按类型推荐、相似剧集推荐和剧集详情功能。

项目描述

项目背景与愿景

愿景： 让用户能够通过与LLM的自然对话，无缝地发现、了解并获取个性化、实时、可解释的美剧推荐，将LLM变为强大的个人娱乐顾问。

目标用户

系统架构

高级架构图

flowchart TD
    A["MCP客户端<br>(LLM工具)"] -- "MCP请求<br>(stdio)" --> B
    
    subgraph "服务器架构"
    B["MCP核心<br>(stdio)"] --> C["工具路由器"]
    C --> D["工具实现层"]
    D --> E["TMDb服务客户端"]
    D --> F["工具辅助功能<br>(如类型映射)"]
    E -- "HTTP请求" --> G["TMDb API"]
    D --> H["日志系统"]
    E --> H
    end
    
    G -- "HTTP响应" --> E
    B -- "发送响应" --> A

核心组件

MCP服务器实现：服务器基于Model Context Protocol SDK for TypeScript构建，提供工具注册和客户端通信的基础。
TMDb客户端：负责与TMDb API的所有交互，处理认证、构建API请求并处理响应。
推荐工具：服务器公开各种工具，提供与电视节目发现和信息检索相关的特定功能。

功能与路线图 (Features & Roadmap)

以下是本项目的完整功能列表及开发状态 (基于 .ai 目录下的用户故事):

Epic 1: 核心推荐工具 MVP (Core Recommendation Tools MVP)

MCP 服务器基础设置与 API 集成 (MCP Server Setup & API Integration) (story-1-1-setup-integration.md)
按类型推荐剧集 (Recommend Shows by Genre) (story-1-2-recommend-genre.md) - 工具: get_recommendations_by_genre
查找相似剧集 (Find Similar Shows) (story-1-3-recommend-similar.md) - 工具: get_similar_shows
获取剧集详情 (Get Show Details) (story-1-4-show-details.md) - 工具: get_show_details

Epic 2: 增强与扩展 (Enhancements & Expansion)

Epic 3: 个性化与集成 (Personalization & Integration)

智能追剧进度管理 (Smart Watch Progress Management) (story-3-1-watch-progress.md)

Epic 4: 可视化与探索 (Visualization & Exploration)

可视化系列/宇宙探索 (Visual Franchise/Universe Exploration) (story-4-1-franchise-visualization.md)

技术栈

语言: TypeScript
运行时环境: Node.js
MCP SDK: @modelcontextprotocol/sdk
类型验证: zod
HTTP客户端: axios
外部API: TMDb (The Movie Database)
环境变量管理: dotenv

快速开始

使用npx可以快速运行服务器，无需安装：

# 设置TMDb API密钥（必须）
export TMDB_API_KEY=your_api_key_here

# 运行服务器
npx tv-recommender-mcp-server

安装步骤

从NPM安装

npm install -g tv-recommender-mcp-server

配置环境变量
```
export TMDB_API_KEY=your_api_key_here
```
运行服务器
```
tv-recommender-mcp-server
```

或者，您可以克隆仓库：

克隆仓库

git clone <仓库地址>
cd tv-recommender-mcp-server

安装依赖
```
npm install
```
配置环境变量
- 复制.env-example为.env
- 在TMDb申请API密钥
- 将API密钥填入.env文件的TMDB_API_KEY字段
构建并运行项目
```
npm run build
npm start
```

在Smithery平台中使用

要在Smithery平台中使用此MCP服务器，请按照以下步骤操作：

访问 Smithery平台并登录您的账户
搜索"@terryso/tv-recommender-mcp-server"或直接访问 tv-recommender-mcp-server
点击"Install"按钮安装此服务
重要: 在配置过程中，您需要提供一个TMDb API密钥
- 您可以在 TMDb 网站注册并申请免费API密钥
- 在输入框中填入您的API密钥
完成安装后，您可以在任何支持Smithery工具的AI聊天中使用此服务

在Cursor中配置MCP服务器

要在Cursor中使用此MCP服务器，请按照以下步骤操作：

在项目根目录创建（或编辑）.cursor/mcp.json文件

在文件中配置服务器信息，格式如下（使用npx方式）：

{
  "mcpServers": {
    "TVRecommender": {
      "command": "npx",
      "args": [
        "tv-recommender-mcp-server"
      ]
    }
  }
}

使用环境变量传递TMDb API密钥：

{
  "mcpServers": {
    "TVRecommender": {
      "command": "env",
      "args": [
        "TMDB_API_KEY=your_api_key_here",
        "npx",
        "tv-recommender-mcp-server"
      ]
    }
  }
}

保存文件后，Cursor会自动检测并加载此MCP服务器
现在，您可以在Cursor中通过以下方式使用此工具：
- 在对话中输入 / 并选择 TVRecommender 工具
- 输入相关查询，如 "推荐科幻类电视剧" 或 "查找与《权力的游戏》相似的剧集"
如需调试或查看日志：
- 在Cursor的开发者工具中（按 Cmd+Option+I 打开）查看控制台输出
- 通过环境变量启用调试模式："DEBUG=mcp:*,npx tv-recommender-mcp-server"

使用场景示例

以下是几个实际使用场景示例，展示如何结合多个工具获得更好的体验：

发现新剧集：
- 使用 get_popular_shows 或 get_trending_shows 获取当前热门剧集
- 找到感兴趣的剧集后，用 get_show_details 查看详情
- 通过 get_show_videos 观看预告片
- 使用 get_watch_providers 查找哪里可以观看
基于喜爱的演员探索：
- 通过 get_actor_details_and_credits 查看喜欢的演员的所有作品
- 使用 get_recommendations_by_actor 获取与该演员相关的推荐
- 对感兴趣的剧集，用 get_show_reviews 查看其他观众的评价
精确筛选剧集：
- 使用 discover_shows 结合多种条件（类型、年代、评分、关键词等）精确查找符合个人口味的剧集
- 例如：查找2020年后的高分科幻剧集，或者查找特定电视网络（如HBO、Netflix）的原创剧集
相似内容探索：
- 看完一部喜欢的剧集后，使用 get_similar_shows 寻找风格相似的其他剧集
- 结合 get_recommendations_by_genre 探索更多同类型优质内容

工具说明

本MCP服务器提供以下工具:

get_recommendations_by_genre - 按类型获取剧集推荐
get_similar_shows - 获取与指定剧集相似的推荐
get_show_details - 获取指定剧集的详细信息
get_watch_providers - 查询特定剧集在指定国家/地区的观看渠道（流媒体、租赁、购买）
discover_shows - 高级剧集发现，支持多种条件组合（如类型、评分、年份、关键词、播放平台等）
find_shows_by_actor - 查找演员参演的剧集
get_recommendations_by_actor - 获取演员推荐的剧集
get_actor_details_and_credits - 获取演员详细信息（如简介、照片）及其参演的剧集列表
get_popular_shows - 获取当前最热门的剧集
get_trending_shows - 获取近期趋势剧集（支持日趋势和周趋势）
get_show_videos - 获取指定剧集的预告片和相关视频
get_show_reviews - 查看其他用户对特定剧集的评论

工具详细文档

更多关于工具使用和系统架构的详细文档，请访问我们的DeepWiki文档，其中包含：

工具实现架构
请求流程图
部署和配置指南
各工具的详细参数说明
开发和测试指南
项目路线图等

功能示例

以下是各工具的使用示例:

获取观看渠道

/TVRecommender get_watch_providers --show_title="怪奇物语" --country_code="US"

高级剧集发现

/TVRecommender discover_shows --with_genres=["科幻", "惊悚"] --vote_average_gte=8.0 --first_air_date_year=2022

查询演员信息及作品

/TVRecommender get_actor_details_and_credits --actor_name="布莱恩·科兰斯顿"

获取热门与趋势剧集

/TVRecommender get_popular_shows
/TVRecommender get_trending_shows --time_window="day"

获取剧集预告片与视频

/TVRecommender get_show_videos --show_title="权力的游戏"

查询剧集用户评论

/TVRecommender get_show_reviews --show_title="绝命毒师" --page=1

安全考量

API Key管理：TMDb API密钥是敏感的，不应硬编码在源代码中或提交到版本控制系统。它将仅通过环境变量使用dotenv包加载。.env文件必须包含在.gitignore中。
输入验证：尽管MCP通信通常在客户端/服务器之间受信任，但建议在工具实现中进行基本的输入参数验证。
速率限制：请注意TMDb API的速率限制。如有必要，请在未来的迭代中实现基本的重试逻辑或缓存。
依赖项：保持依赖项更新，以修补已知的漏洞。

开发模式

如果您希望参与开发，可以使用以下命令启动开发模式：

npm run dev

发布到NPM

本项目配置了GitHub Actions工作流，可以自动发布到NPM：

确保更新了package.json中的版本号
在GitHub仓库设置中添加以下密钥：
- NPM_TOKEN: 您的NPM访问令牌
在GitHub上创建一个新的Release或推送标签（v*格式）
GitHub Actions会自动构建并发布到NPM

您也可以手动触发工作流进行发布。

贡献指南

欢迎提交Issue和Pull Request来帮助改进这个项目。

tv-recommender-mcp-server

README Documentation

TV推荐MCP服务器 🚀

项目描述

项目背景与愿景

目标用户

系统架构

高级架构图

核心组件

功能与路线图 (Features & Roadmap)

技术栈

快速开始

安装步骤

在Smithery平台中使用

在Cursor中配置MCP服务器

使用场景示例

工具说明

工具详细文档

功能示例

获取观看渠道

高级剧集发现

查询演员信息及作品

获取热门与趋势剧集

获取剧集预告片与视频

查询剧集用户评论

安全考量

开发模式

发布到NPM

贡献指南

许可证

Quick Install

Quick Actions

Key Features

tv-recommender-mcp-server

README Documentation

TV推荐MCP服务器 🚀

项目描述

项目背景与愿景

目标用户

系统架构

高级架构图

核心组件

功能与路线图 (Features & Roadmap)

技术栈

快速开始

安装步骤

在Smithery平台中使用

在Cursor中配置MCP服务器

使用场景示例

工具说明

工具详细文档

功能示例

获取观看渠道

高级剧集发现

查询演员信息及作品

获取热门与趋势剧集

获取剧集预告片与视频

查询剧集用户评论

安全考量

开发模式

发布到NPM

贡献指南

许可证

Quick Install

Quick Actions

Key Features