Server Configuration
Describes the environment variables required to run the server.
| Name | Required | Description | Default |
|---|---|---|---|
No arguments | |||
Capabilities
Server capabilities have not been inspected yet.
Tools
Functions exposed to the LLM to take actions
| Name | Description |
|---|---|
| mmla_validate_code | Validate code against MMLA specification. 🚨 核心修正 1: 絕對門禁檢查 只有狀態為 GREEN 的節點才能進行代碼驗證 Args: code: The Python code to validate node_id: The MMLA node ID to validate against use_agentic_loop: If True, use Agentic Loop with auto-fix (up to 16 retries) Returns: JSON string with validation results |
| mmla_update_status | - |
| mmla_create_node | Create a new node in the architecture. 'spec' should be a JSON string defining inputs/outputs/constraints. |
| check_bluemouse_environment | 檢查藍圖小老鼠運行環境 檢測宿主環境（Antigravity/Cursor/VSCode）、API Key配置和依賴狀態。 Returns: JSON 格式的環境檢測報告 |
| open_bluemouse_ui | 啟動藍圖小老鼠 UI 在瀏覽器中打開藍圖小老鼠的用戶界面，開始使用者旅程。 Args: api_key: 可選的 API Key（BYOK模式） mode: 啟動模式 ("landing" | "workspace") Returns: UI 啟動狀態和 URL |
| analyze_requirement_trap | 分析用戶需求並檢測是否需要蘇格拉底面試 檢測需求中的模糊點、邏輯漏洞和潛在災難場景， 如果發現問題則自動生成蘇格拉底式問題。 Args: user_input: 用戶的系統需求描述 Returns: JSON 格式的分析結果，包含是否需要面試和問題列表 |
| record_socratic_answers | 記錄蘇格拉底面試的答案到 data_trap.jsonl 用於訓練數據收集（如果用戶允許）。 Args: requirement: 原始需求 questions: 問題列表（JSON字符串） answers: 用戶答案（JSON字符串） framework: 選擇的框架 Returns: 記錄狀態 |
| deliver_bluemouse_project | 將生成的項目文件寫入宿主工作區 完成從「寄生」到「交付」的完整閉環。 Args: project_name: 項目名稱 files: 文件映射 (JSON字符串) metadata: 元數據 (JSON字符串) Returns: 生成報告 |
Prompts
Interactive templates invoked by user choice
| Name | Description |
|---|---|
No prompts | |
Resources
Contextual data attached and managed by the client
| Name | Description |
|---|---|
| get_summary |