MCP Jieba Server

这是一个基于 rjieba (Rust implementation of Jieba) 的 Model Context Protocol (MCP) 服务器，提供高性能的中文分词服务。

功能特性

• 高性能分词: 使用 Rust 编写的底层引擎。
• 多模式支持: 支持精确模式 (exact) 和搜索引擎模式 (search)。
• 词性标注: 支持 ICTCLAS 兼容的词性标注。
• 关键词提取: 基于 BM25 算法的关键词提取。
• 批量处理: 支持单字符串或字符串数组输入，返回 JSON 格式结果。
• 双模部署:
  • STDIO: 适用于本地开发和 Claude Context/Cherry Studio/VS Code 集成。
  • Streamable-HTTP: 适用于远程部署（如 ModelScope）。

安装

使用 pip / uv / pipx

# 使用 pip
pip install .

# 使用 uv
uv pip install .

使用方法

1. 本地运行 (STDIO)

直接运行模块即可启动 STDIO 服务器：

python -m mcp_jieba.server

或者在 Claude Context/Cherry Studio/VS Code 的 MCP 配置中添加：

{
  "mcpServers": {
    "jieba": {
      "command": "python",
      "args": ["-m", "mcp_jieba.server"]
    }
  }
}

2. 远程部署 (Streamable-HTTP)

使用命令行参数启动 HTTP 服务器：

python -m mcp_jieba.server --transport http --host 0.0.0.0 --port 8000

SSE 端点地址: http://localhost:8000/sse

ModelScope 部署

在 ModelScope 创建 Space 时，选择 Python 环境，并使用以下启动命令：

python -m mcp_jieba.server --transport http --host 0.0.0.0 --port 8000

当前 pyproject.toml 已经包含所有依赖。

开发与测试

目前项目的单元测试尚不完善。建议使用 MCP Inspector 进行交互式测试和调试。

bunx @modelcontextprotocol/inspector python -m mcp_jieba.server

工具说明

tokenize

对文本进行分词。

项目	描述
参数	<ul><li>text (required): 待分词的文本，可以是单个字符串或字符串数组。</li><li>mode (optional): 分词模式，可选 "exact" (默认) 或 "search"。</li></ul>
返回	JSON 对象，键为输入数组的索引（字符串格式），值为分词结果数组。

示例:

• 输入: text=["我爱北京天安门"], mode="exact"
• 输出: {"0": ["我", "爱", "北京", "天安门"]}

tag

对文本进行词性标注，标注类型符合ICTCLAS标准。

项目	描述
参数	<ul><li>text (required): 待标注的文本，可以是单个字符串或字符串数组。</li></ul>
返回	JSON 对象，键为输入数组的索引，值为单词-词性对的列表。

示例:

• 输入: text=["我爱北京天安门"]
• 输出: {"0": [{"word": "我", "flag": "r"}, {"word": "爱", "flag": "v"}, ...]}

extract_keywords

使用向量化的针对关键词BM25-ADPT算法提取关键词。

项目	描述
参数	<ul><li>text (required): 待提取的文本，可以是单个字符串或字符串数组。</li><li>top_k (optional): 每个文档提取的关键词数量 (默认 3)。</li></ul>
返回	JSON 对象，键为输入数组的索引，值为关键词列表。

示例:

• 输入: text=["我爱北京天安门"], top_k=2
• 输出: {"0": ["天安门", "北京"]}

---

鸣谢

• @messense/jieba-rs
• @messense/rjieba-py
• BM25-ADPT https://doi.org/10.1145/2063576.2063871
• GitHub Copilot