MCP JSONDiff Kel
An efficient MCP server for performing accurate, deep comparisons between JSON objects or strings using the deepdiff engine. It provides AI agents with standardized difference reports, supporting nested structures and various input formats to ensure precise data analysis.
README
MCP JSONDiff Kel
基于 Model Context Protocol (MCP) 的高效JSON对比工具,专为AI对话场景设计。
📋 项目简介
在AI辅助开发过程中,JSON对比常常遇到以下问题:
- 准确性不足: 传统AI对比方法可能存在误判
- 理解偏差: AI可能误解需求,生成对比代码而非直接对比结果
- 输出冗长: 对比结果过于详细,难以快速获取关键信息
本项目通过MCP协议提供标准化的JSON对比服务,确保AI能够准确、快速地完成JSON对比任务。
🛠️ 部署指南
使用 uvx(推荐)
uvx mcp-jsondiff-kel@latest
使用 pip
pip install mcp-jsondiff-kel
从源码安装
git clone https://github.com/your-username/mcp-jsondiff.git
cd mcp-jsondiff
pip install -e .
应用配置
Claude Desktop 配置
在应用配置文件中添加以下配置:
{
"mcpServers": {
"mcp_jsondiff": {
"command": "uvx",
"args": [
"mcp-jsondiff-kel@latest"
]
}
}
}
Cherry Studio 配置
{
"mcpServers": {
"mcp_jsondiff": {
"command": "uvx",
"args": [
"mcp-jsondiff-kel@latest"
]
}
}
}
📖 使用示例
演示示例用 Cherry Studio进行演示
首先在对话框中选择此 mcp 工具
然后输入形如如下的文案即可进行对比 json对比,预期值:{"a":1,"b":2}, 实际值:{"a":1,"b":2}
字符串对比

json 对比

转义后的 json 对比

嵌套 json 对比

演示视频
https://www.bilibili.com/video/BV1yYh2zNEcY/?spm_id_from=333.1387.homepage.video_card.click&vd_source=1a77b8b856c66190a0ab82a7acb92136
🚀 项目特性
- 🔍 智能对比: 基于
deepdiff库的深度JSON差异检测 - ⚡ 快速响应: 优化的对比算法,支持大型JSON文档
- 🔄 灵活输入: 支持JSON字符串和字典对象两种输入格式
- 📊 清晰输出: 结构化的差异报告,快速定位问题
- 🔧 MCP集成: 无缝集成到支持MCP协议的AI应用中
- 🐍 Python原生: 基于Python 3.13+,性能优异
🔧 API 文档
核心工具:jsonDiff
功能: 对比两个JSON对象或字符串,返回详细的差异信息
参数:
expectKey(Union[str, dict]): 期望的JSON值,支持JSON字符串或字典对象actualKey(Union[str, dict]): 实际的JSON值,支持JSON字符串或字典对象
返回值:
{
"differences": "DeepDiff对象,包含所有差异信息",
"is_identical": "布尔值,表示两个JSON是否完全一致",
"message": "字符串,描述对比结果或错误信息"
}
特性:
- 自动忽略数组顺序差异 (
ignore_order=True) - 支持嵌套JSON结构对比
- 智能错误处理,提供清晰的错误信息
🧪 调试与测试
使用MCP检查器调试
npx @modelcontextprotocol/inspector uvx mcp-jsondiff-kel
本地运行测试
cd src/mcp_jsondiff_kel
python server.py
🏗️ 项目结构
mcp-jsondiff/
├── pyproject.toml # 项目配置和依赖
├── README.md # 项目文档
├── src/
│ └── mcp_jsondiff_kel/
│ ├── __init__.py # 包入口点
│ ├── __main__.py # 命令行入口
│ └── server.py # MCP服务器核心逻辑
└── uv.lock # 依赖锁定文件
🔧 技术栈
- Python 3.13+: 核心运行时
- FastMCP: MCP协议实现框架
- DeepDiff: JSON差异检测引擎
- Hatchling: 构建系统
🤝 贡献指南
我们欢迎社区贡献!请遵循以下步骤:
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 开启 Pull Request
开发环境设置
# 克隆仓库
git clone https://github.com/your-username/mcp-jsondiff.git
cd mcp-jsondiff
# 安装开发依赖
pip install -e ".[dev]"
# 运行测试
python -m pytest
📝 更新日志
v0.1.5
- 初始版本发布
- 支持基础JSON对比功能
- MCP协议集成
- 错误处理和用户友好的输出格式
📄 许可证
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
👥 作者
- yohan - 2220041897@qq.com
🙏 致谢
- Model Context Protocol - 提供MCP协议标准
- DeepDiff - 强大的差异检测库
- FastMCP - 高效的MCP实现框架
📞 支持与反馈
如果您在使用过程中遇到问题或有改进建议,请:
- 在 GitHub Issues 中提交问题
- 发送邮件至 2220041897@qq.com
- 参与社区讨论
⭐ 如果这个项目对您有帮助,请给我们一个星标!
推荐服务器
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。
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。
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。
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。
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。
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。
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。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
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。