MCP LLMS-TXT文档服务器
概述
llms.txt是法学硕士 (LLM) 的网站索引，提供背景信息、指导以及详细 Markdown 文件的链接。像 Cursor 和 Windsurf 这样的 IDE，或者像 Claude Code/Desktop 这样的应用程序，可以使用llms.txt检索任务的上下文。然而，这些应用程序使用不同的内置工具来读取和处理像llms.txt这样的文件。检索过程可能不透明，并且并不总是有办法审计工具调用或返回的上下文。
MCP为开发者提供了一种完全控制这些应用程序所用工具的方法。我们创建了一个开源 MCP 服务器，为 MCP 宿主应用程序（例如 Cursor、Windsurf、Claude Code/Desktop）提供 (1) 用户定义的llms.txt文件列表，以及 (2) 一个简单的fetch_docs工具，用于读取任何提供的llms.txt文件中的 URL。这允许用户审计每个工具调用以及返回的上下文。
llms-txt
您可以在此处找到 langgraph 和 langchain 的 llms.txt 文件：
快速入门
安装 uv
curl -LsSf https://astral.sh/uv/install.sh | sh
选择要使用的llms.txt文件。
- 例如，这是LangGraph
llms.txt文件。
注意：安全性和域访问控制
出于安全原因，mcpdoc 实施严格的域访问控制：
- 远程 llms.txt 文件：当您指定远程 llms.txt URL（例如
https://langchain-ai.github.io/langgraph/llms.txt ）时，mcpdoc 会自动将该特定域名（ langchain-ai.github.io ）添加到允许域列表中。这意味着该工具只能从该域名上的 URL 获取文档。 - 本地 llms.txt 文件：使用本地文件时，不会自动将任何域名添加到允许列表中。您必须使用
--allowed-domains参数明确指定允许哪些域名。
- 添加其他域：为了允许从自动包含的域之外的域获取：
- 使用
--allowed-domains domain1.com domain2.com添加特定域 - 使用
--allowed-domains '*'允许所有域（谨慎使用）
此安全措施可防止未经授权访问用户未明确批准的域，确保只能从受信任的来源检索文档。
（可选）使用您选择的llms.txt文件在本地测试 MCP 服务器：
uvx --from mcpdoc mcpdoc \
--urls "LangGraph:https://langchain-ai.github.io/langgraph/llms.txt" "LangChain:https://python.langchain.com/llms.txt" \
--transport sse \
--port 8082 \
--host localhost
npx @modelcontextprotocol/inspector
连接到光标
- 打开
Cursor Settings和MCP选项卡。 - 这将打开
~/.cursor/mcp.json文件。
- 将以下内容粘贴到文件中（我们使用
langgraph-docs-mcp名称并链接到 LangGraph llms.txt ）。
{
"mcpServers": {
"langgraph-docs-mcp": {
"command": "uvx",
"args": [
"--from",
"mcpdoc",
"mcpdoc",
"--urls",
"LangGraph:https://langchain-ai.github.io/langgraph/llms.txt LangChain:https://python.langchain.com/llms.txt",
"--transport",
"stdio"
]
}
}
}
- 确认服务器正在
Cursor Settings/MCP选项卡中运行。 - 最佳做法是更新 Cursor Global（用户）规则。
- 打开光标
Settings/Rules并使用以下内容（或类似内容）更新User Rules ：
for ANY question about LangGraph, use the langgraph-docs-mcp server to help answer --
+ call list_doc_sources tool to get the available llms.txt file
+ call fetch_docs tool to read it
+ reflect on the urls in llms.txt
+ reflect on the input question
+ call fetch_docs on any urls relevant to the question
+ use this to answer the question
CMD+L （在 Mac 上）打开聊天。- 确保已选择
agent 。
然后，尝试示例提示，例如：
what are types of memory in LangGraph?
连接到 Windsurf
- 使用
CMD+L打开 Cascade（在 Mac 上）。 - 单击
Configure MCP以打开配置文件~/.codeium/windsurf/mcp_config.json 。 - 如上所述，使用
langgraph-docs-mcp进行更新。
- 使用以下内容（或类似内容）更新
Windsurf Rules/Global rules ：
for ANY question about LangGraph, use the langgraph-docs-mcp server to help answer --
+ call list_doc_sources tool to get the available llms.txt file
+ call fetch_docs tool to read it
+ reflect on the urls in llms.txt
+ reflect on the input question
+ call fetch_docs on any urls relevant to the question
然后，尝试示例提示：
连接到 Claude 桌面
- 打开
Settings/Developer来更新~/Library/Application\ Support/Claude/claude_desktop_config.json 。 - 如上所述，使用
langgraph-docs-mcp进行更新。 - 重新启动 Claude 桌面应用程序。
[!Note] 如果您在尝试将 MCPDoc 工具添加到 Claude Desktop 时遇到 Python 版本不兼容的问题，您可以在uvx命令中明确指定python可执行文件的文件路径。
{
"mcpServers": {
"langgraph-docs-mcp": {
"command": "uvx",
"args": [
"--python",
"/path/to/python",
"--from",
"mcpdoc",
"mcpdoc",
"--urls",
"LangGraph:https://langchain-ai.github.io/langgraph/llms.txt",
"--transport",
"stdio"
]
}
}
}
[!Note] 目前（2025 年 3 月 21 日）Claude Desktop 似乎不支持全局rules ，因此请将以下内容附加到您的提示中。
<rules>
for ANY question about LangGraph, use the langgraph-docs-mcp server to help answer --
+ call list_doc_sources tool to get the available llms.txt file
+ call fetch_docs tool to read it
+ reflect on the urls in llms.txt
+ reflect on the input question
+ call fetch_docs on any urls relevant to the question
</rules>
然后，尝试示例提示：
连接到克劳德代码
claude mcp add-json langgraph-docs '{"type":"stdio","command":"uvx" ,"args":["--from", "mcpdoc", "mcpdoc", "--urls", "langgraph:https://langchain-ai.github.io/langgraph/llms.txt", "--urls", "LangChain:https://python.langchain.com/llms.txt"]}' -s local
- 您将看到
~/.claude.json已更新。 - 通过启动 Claude Code 并运行来查看您的工具进行测试：
[!Note] 目前（2025 年 3 月 21 日）看来，Claude Code 不支持全局rules ，因此请将以下内容附加到您的提示中。
<rules>
for ANY question about LangGraph, use the langgraph-docs-mcp server to help answer --
+ call list_doc_sources tool to get the available llms.txt file
+ call fetch_docs tool to read it
+ reflect on the urls in llms.txt
+ reflect on the input question
+ call fetch_docs on any urls relevant to the question
</rules>
然后，尝试示例提示：
命令行界面
mcpdoc命令提供了一个简单的 CLI 来启动文档服务器。
您可以通过三种方式指定文档源，并且可以组合使用：
- 使用 YAML 配置文件：
- 这将从此 repo 中的
sample_config.yaml文件加载 LangGraph Python 文档。
mcpdoc --yaml sample_config.yaml
- 使用 JSON 配置文件：
- 这将从此 repo 中的
sample_config.json文件加载 LangGraph Python 文档。
mcpdoc --json sample_config.json
- 直接指定带有可选名称的 llms.txt URL：
- URL 可以指定为纯 URL，也可以使用
name:url格式的可选名称来指定。 - 您可以多次使用
--urls参数来指定多个 URL。 - 这就是我们为上面的 MCP 服务器加载
llms.txt的方式。
mcpdoc --urls LangGraph:https://langchain-ai.github.io/langgraph/llms.txt --urls LangChain:https://python.langchain.com/llms.txt
您还可以组合这些方法来合并文档源：
mcpdoc --yaml sample_config.yaml --json sample_config.json --urls LangGraph:https://langchain-ai.github.io/langgraph/llms.txt --urls LangChain:https://python.langchain.com/llms.txt
附加选项
--follow-redirects ：遵循 HTTP 重定向（默认为 False）--timeout SECONDS ：HTTP 请求超时时间（秒）（默认为 10.0）
带有附加选项的示例：
mcpdoc --yaml sample_config.yaml --follow-redirects --timeout 15
这将以 15 秒的超时时间加载 LangGraph Python 文档，并在必要时遵循任何 HTTP 重定向。
配置格式
YAML 和 JSON 配置文件都应包含文档源列表。
每个源必须包含一个llms_txt URL，并且可以选择包含一个name ：
YAML 配置示例（sample_config.yaml）
# Sample configuration for mcp-mcpdoc server
# Each entry must have a llms_txt URL and optionally a name
- name: LangGraph Python
llms_txt: https://langchain-ai.github.io/langgraph/llms.txt
JSON 配置示例 (sample_config.json)
[
{
"name": "LangGraph Python",
"llms_txt": "https://langchain-ai.github.io/langgraph/llms.txt"
}
]
程序化使用
from mcpdoc.main import create_server
# Create a server with documentation sources
server = create_server(
[
{
"name": "LangGraph Python",
"llms_txt": "https://langchain-ai.github.io/langgraph/llms.txt",
},
# You can add multiple documentation sources
# {
# "name": "Another Documentation",
# "llms_txt": "https://example.com/llms.txt",
# },
],
follow_redirects=True,
timeout=15.0,
)
# Run the server
server.run(transport="stdio")