DevDocs MCP

DevDocs MCP

一个模型上下文协议的实现,它支持通过 AI 驱动的方式访问文档资源,具有基于 URI 的导航、模板匹配和结构化文档管理等功能。

Category
访问服务器

README

DevDocs MCP 实现

一个用于文档管理和集成的模型上下文协议 (MCP) 实现。

项目结构

src/
├── resources/
│   ├── templates/      # 资源模板系统
│   └── managers/       # 资源管理
├── documentation/
│   ├── processors/     # 文档处理器
│   └── integrators/    # 集成处理程序
├── tasks/
│   ├── issues/         # 问题跟踪
│   └── reviews/        # 审查管理
└── tests/
    ├── property/       # 基于属性的测试
    └── integration/    # 集成测试

核心组件

资源模板系统

资源模板系统提供基于 URI 的文档资源访问,具有:

  • 通过 Pydantic 实现的类型安全参数处理
  • 灵活的 URI 模板匹配
  • 完善的错误处理
  • 资源生命周期的状态管理

使用示例:

from src.resources.templates.base import ResourceTemplate

# 创建一个带有参数类型的模板
template = ResourceTemplate(
    uri_template='docs://api/{version}/endpoint',
    parameter_types={'version': str}
)

# 提取并验证参数
params = template.extract_parameters('docs://api/v1/endpoint')
template.validate_parameters(params)

测试策略

该项目使用 Hypothesis 进行基于属性的测试,以确保:

  • URI 模板验证
  • 参数提取的正确性
  • 错误处理的健壮性
  • 类型安全强制执行

运行测试:

pytest tests/property/test_templates.py

实现进度

已完成

  • [x] 基本项目结构
  • [x] 资源模板系统
  • [x] 基于属性的测试基础设施
  • [x] URI 验证和参数提取
  • [x] 错误处理基础

进行中

  • [ ] 文档处理器集成
  • [ ] 缓存层实现
  • [ ] 任务管理系统
  • [ ] 性能优化

计划中

  • [ ] 搜索实现
  • [ ] 分支映射系统
  • [ ] 状态跟踪
  • [ ] 监控系统

开发指南

  1. 遵循 TDD 方法:

    • 首先编写基于属性的测试
    • 实现最小的通过代码
    • 重构以提高清晰度和效率
  2. 错误处理:

    • 使用结构化的错误类型
    • 实施恢复策略
    • 维护系统稳定性
  3. 文档:

    • 保持 README 更新
    • 记录新功能
    • 包括使用示例

分支管理

该项目使用基于分支的开发方法,用于:

  • 功能跟踪
  • 文档集成
  • 任务管理
  • 进度监控

贡献

  1. 创建功能分支
  2. 添加属性测试
  3. 实现功能
  4. 更新文档
  5. 提交拉取请求

下一步

  1. 实现文档处理器集成
  2. 添加具有适当生命周期管理的缓存层
  3. 开发任务管理系统
  4. 创建监控和性能指标

支持资源

  • MCP 概念:mcp-docs/docs/concepts/
  • Python SDK:python-sdk/src/mcp/
  • 示例服务器:python-sdk/examples/servers/

推荐服务器

Baidu Map

Baidu Map

百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。

官方
精选
JavaScript
Playwright MCP Server

Playwright MCP Server

一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。

官方
精选
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。

官方
精选
本地
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

官方
精选
本地
TypeScript
VeyraX

VeyraX

一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。

官方
精选
本地
graphlit-mcp-server

graphlit-mcp-server

模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。

官方
精选
TypeScript
Kagi MCP Server

Kagi MCP Server

一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

官方
精选
Python
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

Exa MCP Server

模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。

官方
精选