[{"_1":2,"_356":-5,"_357":-5},"loaderData",{"_3":4,"_22":23,"_259":260},"root",{"_5":6,"_7":8},"toasts",[],"visitor",{"_9":10,"_11":12},"viewportWidth",1280,"visitorSession",{"_13":14,"_16":17,"_18":-5,"_19":20,"_21":-5},"attributes",[15],"bot","id",17782814,"membership","referenceId","0199bf5f-ca2b-7322-a5a4-336805538485","userAccount","routes/_public/mcp/servers/~namespace/~slug/_pages/_layout",{"_24":25,"_74":-5,"_75":38,"_27":76,"_175":176,"_258":159},"availableLocales",[26,38,44,50,56,62,68],{"_27":28,"_31":35,"_36":37},"mcpServer",{"_29":30,"_31":32,"_33":34},"description","Ein Model Context Protocol-Server zum Aufnehmen, Aufteilen und semantischen Durchsuchen von Dokumentationsdateien mit Unterstützung für Markdown, Python, OpenAPI, HTML-Dateien und URLs.","name","doc-lib-mcp","readme","# doc-lib-mcp MCP-Server\n\nEin Model Context Protocol (MCP)-Server für die Dokumentenaufnahme, das Chunking, die semantische Suche und die Notizverwaltung.\n\n## Komponenten\n\n### Ressourcen\n\n* Implementiert ein einfaches Notizspeichersystem mit:\n * Benutzerdefiniertes `note://` URI-Schema für den Zugriff auf einzelne Notizen\n * Jede Notizressource hat einen Namen, eine Beschreibung und `text/plain` MIME-Typ\n\n### Eingabeaufforderungen\n\n* Bietet eine Eingabeaufforderung:\n * **summarize-notes** : Erstellt Zusammenfassungen aller gespeicherten Notizen\n * Optionales „Stil“-Argument zur Steuerung des Detaillierungsgrads (kurz/detailliert)\n * Generiert eine Eingabeaufforderung, die alle aktuellen Notizen mit der Stilpräferenz kombiniert\n\n### Werkzeuge\n\nDer Server implementiert eine breite Palette von Tools:\n\n* **add-note** : Fügt dem Notizspeicher im Arbeitsspeicher eine neue Notiz hinzu\n * Argumente: `name` (Zeichenfolge), `content` (Zeichenfolge)\n* **ingest-string** : Nehmen Sie eine Markdown- oder Nur-Text-Zeichenfolge auf und teilen Sie sie in Blöcke auf, die über eine Nachricht bereitgestellt wird.\n * Argumente: `content` (Zeichenfolge, erforderlich), `source` (Zeichenfolge, optional), `tags` (Liste von Zeichenfolgen, optional)\n* **ingest-markdown** : Eine Markdown-Datei (.md) aufnehmen und in Blöcke aufteilen\n * Argumente: `path` (Zeichenfolge)\n* **ingest-python** : Eine Python-Datei (.py) aufnehmen und in Blöcke aufteilen\n * Argumente: `path` (Zeichenfolge)\n* **ingest-openapi** : Eine OpenAPI-JSON-Datei aufnehmen und in Blöcke aufteilen\n * Argumente: `path` (Zeichenfolge)\n* **ingest-html** : Eine HTML-Datei aufnehmen und in Blöcke aufteilen\n * Argumente: `path` (Zeichenfolge)\n* **ingest-html-url** : HTML-Inhalte von einer URL aufnehmen und in Blöcke aufteilen (optional mit Playwright für dynamische Inhalte)\n * Argumente: `url` (Zeichenfolge), `dynamic` (Boolesch, optional)\n* **smart\\_ingestion** : Extrahiert mit Gemini alle technisch relevanten Inhalte aus einer Datei und unterteilt sie dann mithilfe einer robusten Markdown-Logik in Blöcke.\n * Argumente:\n * `path` (Zeichenfolge, erforderlich): Zu erfassender Dateipfad.\n * `prompt` (Zeichenfolge, optional): Benutzerdefinierte Eingabeaufforderung zur Verwendung für Gemini.\n * `tags` (Liste von Zeichenfolgen, optional): Optionale Liste von Tags zur Klassifizierung.\n * Verwendet Gemini 2.0 Flash 001, um nur Code, Konfiguration, Markdown-Struktur und technische Definitionen zu extrahieren (keine Zusammenfassungen oder Kommentare).\n * Übergibt den extrahierten Inhalt an einen auf Mistune 3.x basierenden Chunker, der sowohl Codeblöcke als auch Markdown-/Narrativinhalte als separate Chunks beibehält.\n * Jeder Block wird eingebettet und für die semantische Suche und Abfrage gespeichert.\n* **Suchblöcke** : Semantische Suche über aufgenommene Inhalte\n * Argumente:\n * `query` (Zeichenfolge): Die semantische Suchabfrage.\n * `top_k` (Ganzzahl, optional, Standard 3): Anzahl der zurückzugebenden Top-Ergebnisse.\n * `type` (Zeichenfolge, optional): Filtern Sie die Ergebnisse nach Blocktyp (z. B. `code` , `html` , `markdown` ).\n * `tag` (Zeichenfolge, optional): Filtern Sie die Ergebnisse nach Tag in den Chunk-Metadaten.\n * Gibt die relevantesten Blöcke für eine bestimmte Abfrage zurück, optional gefiltert nach Typ und/oder Tag.\n* **delete-source** : Löscht alle Chunks aus einer bestimmten Quelle\n * Argumente: `source` (Zeichenfolge)\n* **delete-chunk-by-id** : Löscht einen oder mehrere Chunks nach ID\n * Argumente: `id` (Ganzzahl, optional), `ids` (Liste von Ganzzahlen, optional)\n * Sie können einen einzelnen Block löschen, indem Sie `id` angeben, oder mehrere Blöcke gleichzeitig löschen, indem Sie `ids` angeben.\n* **update-chunk-type** : Aktualisieren Sie das Typattribut für einen Block nach ID\n * Argumente: `id` (Ganzzahl, erforderlich), `type` (Zeichenfolge, erforderlich)\n* **ingest-batch** : Mehrere Dokumentationsdateien (Markdown, OpenAPI JSON, Python) im Batch aufnehmen und in Blöcke aufteilen\n * Argumente: `paths` (Liste von Zeichenfolgen)\n* **list-sources** : Listet alle eindeutigen Quellen (Dateipfade) auf, die aufgenommen und im Speicher abgelegt wurden, mit optionaler Filterung nach Tag oder semantischer Suche.\n * Argumente:\n * `tag` (Zeichenfolge, optional): Filtern Sie Quellen nach Tag in Chunk-Metadaten.\n * `query` (Zeichenfolge, optional): Semantische Suchanfrage zum Auffinden relevanter Quellen.\n * `top_k` (Ganzzahl, optional, Standard 10): Anzahl der Top-Quellen, die bei Verwendung der Abfrage zurückgegeben werden sollen.\n* **get-context** : Rufen Sie relevante Inhaltsblöcke (nur Inhalt) zur Verwendung als KI-Kontext ab, mit Filterung nach Tag, Typ und semantischer Ähnlichkeit.\n * Argumente:\n * `query` (Zeichenfolge, optional): Die semantische Suchabfrage.\n * `tag` (Zeichenfolge, optional): Filtern Sie die Ergebnisse nach einem bestimmten Tag in den Chunk-Metadaten.\n * `type` (Zeichenfolge, optional): Filtern Sie die Ergebnisse nach Blocktyp (z. B. „Code“, „Markdown“).\n * `top_k` (Ganzzahl, optional, Standard 5): Die Anzahl der abzurufenden relevantesten Blöcke.\n* **update-chunk-metadata** : Aktualisieren Sie das Metadatenfeld für einen Block nach ID\n * Argumente: `id` (Ganzzahl), `metadata` (Objekt)\n* **tag-chunks-by-source** : Fügt den Metadaten aller Chunks, die einer bestimmten Quelle (URL oder Dateipfad) zugeordnet sind, angegebene Tags hinzu. Fügt vorhandene Tags hinzu.\n * Argumente: `source` (Zeichenfolge), `tags` (Liste von Zeichenfolgen)\n* **list-notes** : Listet alle aktuell gespeicherten Notizen und deren Inhalt auf.\n\n#### Chunking und Code-Extraktion\n\n* Markdown-, Python-, OpenAPI- und HTML-Dateien werden zum effizienten Abrufen und Suchen in logische Blöcke aufgeteilt.\n* Der Markdown-Chunker verwendet die AST-API und Regex von Mistune 3.x, um Inhalte robust nach Codeblöcken und Text aufzuteilen und dabei die gesamte ursprüngliche Formatierung beizubehalten.\n* Sowohl Codeblöcke als auch Markdown-/Narrativinhalte bleiben als separate Blöcke erhalten.\n* Der HTML-Chunker verwendet die Bibliothek `readability-lxml` , um zunächst den Hauptinhalt zu extrahieren. Anschließend werden Blockcode-Ausschnitte aus `
` -Tags als dedizierte „Code“-Chunks extrahiert. Inline- `` -Inhalte bleiben Teil der narrativen Chunks.\n\n#### Semantische Suche\n\n* Das `search-chunks` Tool führt eine vektorbasierte semantische Suche über alle aufgenommenen Inhalte durch und gibt die relevantesten Blöcke für eine bestimmte Abfrage zurück.\n* Unterstützt optionale `type` und `tag` -Argumente, um Ergebnisse nach Chunk-Typ (z. B. `code` , `html` , `markdown` ) und/oder nach Tag in Chunk-Metadaten zu filtern, bevor eine semantische Rangfolge erstellt wird.\n* Dies ermöglicht eine sehr gezielte Abfrage, beispielsweise nach „alle mit ‚langfuse‘ markierten Codeblöcke, die für ‚Kosten und Nutzung‘ relevant sind“.\n\n#### Metadatenverwaltung\n\n* Chunks enthalten ein `metadata` zur Kategorisierung und Markierung.\n* Mit dem Tool `update-chunk-metadata` können Metadaten für jeden Chunk anhand seiner ID aktualisiert werden.\n* Mit dem Tool „ `tag-chunks-by-source` können Sie alle Chunks einer bestimmten Quelle in einem Vorgang mit Tags versehen. Beim Taggen werden neue Tags mit vorhandenen zusammengeführt, wobei die vorherigen Tags erhalten bleiben.\n\n## Konfiguration\n\nDer Server benötigt die folgenden Umgebungsvariablen (können in einer .env-Datei festgelegt werden):\n\n### Ollama-Konfiguration\n\n* OLLAMA\\_HOST: Hostname für die Ollama-API (Standard: localhost)\n* OLLAMA\\_PORT: Port für Ollama-API (Standard: 11434)\n* RAG\\_AGENT: Für RAG-Antworten zu verwendendes Ollama-Modell (Standard: llama3)\n* OLLAMA\\_MODEL: Für Einbettungen zu verwendendes Ollama-Modell (Standard: nomic-embed-text-v2-moe)\n\n### Datenbankkonfiguration\n\n* HOST: PostgreSQL-Datenbankhost (Standard: localhost)\n* DB\\_PORT: PostgreSQL-Datenbankport (Standard: 5432)\n* DB\\_NAME: Name der PostgreSQL-Datenbank (Standard: doclibdb)\n* DB\\_USER: PostgreSQL-Datenbankbenutzer (Standard: doclibdb\\_user)\n* DB\\_PASSWORD: PostgreSQL-Datenbankpasswort (Standard: doclibdb\\_password)\n\n### Reranker-Konfiguration\n\n* RERANKER\\_MODEL\\_PATH: Pfad zum Reranker-Modell (Standard: /srv/samba/fileshare2/AI/models/bge-reranker-v2-m3)\n* RERANKER\\_USE\\_FP16: Ob FP16 für Reranker verwendet werden soll (Standard: True)\n\n## Schnellstart\n\n### Installieren\n\n#### Claude Desktop\n\nUnter MacOS: `~/Library/Application\\ Support/Claude/claude_desktop_config.json` Unter Windows: `%APPDATA%/Claude/claude_desktop_config.json`\n\n## Entwicklung\n\n### Erstellen und Veröffentlichen\n\nSo bereiten Sie das Paket für die Verteilung vor:\n\n1. Abhängigkeiten synchronisieren und Sperrdatei aktualisieren:\n\n```bash\nuv sync\n```\n\n2. Erstellen Sie Paketverteilungen:\n\n```bash\nuv build\n```\n\nDadurch werden Quell- und Wheel-Distributionen im Verzeichnis `dist/` erstellt.\n\n3. Auf PyPI veröffentlichen:\n\n```bash\nuv publish\n```\n\nHinweis: Sie müssen PyPI-Anmeldeinformationen über Umgebungsvariablen oder Befehlsflags festlegen:\n\n* Token: `--token` oder `UV_PUBLISH_TOKEN`\n* Oder Benutzername/Passwort: `--username` / `UV_PUBLISH_USERNAME` und `--password` / `UV_PUBLISH_PASSWORD`\n\n### Debuggen\n\nDa MCP-Server über stdio laufen, kann das Debuggen eine Herausforderung darstellen. Für ein optimales Debugging empfehlen wir dringend die Verwendung des [MCP Inspector](https://github.com/modelcontextprotocol/inspector) .\n\nSie können den MCP Inspector über [`npm`](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) mit diesem Befehl starten:\n\n```bash\nnpx @modelcontextprotocol/inspector uv --directory /home/administrator/python-share/doc-lib-mcp run doc-lib-mcp\n```\n\nBeim Start zeigt der Inspector eine URL an, auf die Sie in Ihrem Browser zugreifen können, um mit dem Debuggen zu beginnen.","German","tag","de-DE",{"_27":39,"_31":42,"_36":43},{"_29":40,"_31":32,"_33":41},"A Model Context Protocol server for ingesting, chunking and semantically searching documentation files, with support for markdown, Python, OpenAPI, HTML files and URLs.","# doc-lib-mcp MCP server\n\nA Model Context Protocol (MCP) server for document ingestion, chunking, semantic search, and note management.\n\n## Components\n\n### Resources\n\n- Implements a simple note storage system with:\n  - Custom `note://` URI scheme for accessing individual notes\n  - Each note resource has a name, description, and `text/plain` mimetype\n\n### Prompts\n\n- Provides a prompt:\n  - **summarize-notes**: Creates summaries of all stored notes\n    - Optional \"style\" argument to control detail level (brief/detailed)\n    - Generates prompt combining all current notes with style preference\n\n### Tools\n\nThe server implements a wide range of tools:\n\n- **add-note**: Add a new note to the in-memory note store\n  - Arguments: `name` (string), `content` (string)\n- **ingest-string**: Ingest and chunk a markdown or plain text string provided via message\n  - Arguments: `content` (string, required), `source` (string, optional), `tags` (list of strings, optional)\n- **ingest-markdown**: Ingest and chunk a markdown (.md) file\n  - Arguments: `path` (string)\n- **ingest-python**: Ingest and chunk a Python (.py) file\n  - Arguments: `path` (string)\n- **ingest-openapi**: Ingest and chunk an OpenAPI JSON file\n  - Arguments: `path` (string)\n- **ingest-html**: Ingest and chunk an HTML file\n  - Arguments: `path` (string)\n- **ingest-html-url**: Ingest and chunk HTML content from a URL (optionally using Playwright for dynamic content)\n  - Arguments: `url` (string), `dynamic` (boolean, optional)\n- **smart_ingestion**: Extracts all technically relevant content from a file using Gemini, then chunks it using robust markdown logic.\n  - Arguments:\n    - `path` (string, required): File path to ingest.\n    - `prompt` (string, optional): Custom prompt to use for Gemini.\n    - `tags` (list of strings, optional): Optional list of tags for classification.\n  - Uses Gemini 2.0 Flash 001 to extract only code, configuration, markdown structure, and technical definitions (no summaries or commentary).\n  - Passes the extracted content to a mistune 3.x-based chunker that preserves both code blocks and markdown/narrative content as separate chunks.\n  - Each chunk is embedded and stored for semantic search and retrieval.\n- **search-chunks**: Semantic search over ingested content\n  - Arguments:\n    - `query` (string): The semantic search query.\n    - `top_k` (integer, optional, default 3): Number of top results to return.\n    - `type` (string, optional): Filter results by chunk type (e.g., `code`, `html`, `markdown`).\n    - `tag` (string, optional): Filter results by tag in chunk metadata.\n  - Returns the most relevant chunks for a given query, optionally filtered by type and/or tag.\n- **delete-source**: Delete all chunks from a given source\n  - Arguments: `source` (string)\n- **delete-chunk-by-id**: Delete one or more chunks by id\n  - Arguments: `id` (integer, optional), `ids` (list of integers, optional)\n  - You can delete a single chunk by specifying `id`, or delete multiple chunks at once by specifying `ids`.\n- **update-chunk-type**: Update the type attribute for a chunk by id\n  - Arguments: `id` (integer, required), `type` (string, required)\n- **ingest-batch**: Ingest and chunk multiple documentation files (markdown, OpenAPI JSON, Python) in batch\n  - Arguments: `paths` (list of strings)\n- **list-sources**: List all unique sources (file paths) that have been ingested and stored in memory, with optional filtering by tag or semantic search.\n  - Arguments:\n    - `tag` (string, optional): Filter sources by tag in chunk metadata.\n    - `query` (string, optional): Semantic search query to find relevant sources.\n    - `top_k` (integer, optional, default 10): Number of top sources to return when using query.\n- **get-context**: Retrieve relevant content chunks (content only) for use as AI context, with filtering by tag, type, and semantic similarity.\n  - Arguments:\n    - `query` (string, optional): The semantic search query.\n    - `tag` (string, optional): Filter results by a specific tag in chunk metadata.\n    - `type` (string, optional): Filter results by chunk type (e.g., 'code', 'markdown').\n    - `top_k` (integer, optional, default 5): The number of top relevant chunks to retrieve.\n- **update-chunk-metadata**: Update the metadata field for a chunk by id\n  - Arguments: `id` (integer), `metadata` (object)\n- **tag-chunks-by-source**: Adds specified tags to the metadata of all chunks associated with a given source (URL or file path). Merges with existing tags.\n  - Arguments: `source` (string), `tags` (list of strings)\n- **list-notes**: List all currently stored notes and their content.\n\n#### Chunking and Code Extraction\n\n- Markdown, Python, OpenAPI, and HTML files are split into logical chunks for efficient retrieval and search.\n- The markdown chunker uses mistune 3.x's AST API and regex to robustly split content by code blocks and narrative, preserving all original formatting.\n- Both code blocks and markdown/narrative content are preserved as separate chunks.\n- The HTML chunker uses the `readability-lxml` library to extract main content first, then extracts block code snippets from `` tags as dedicated \"code\" chunks. Inline `` content remains part of the narrative chunks.\n\n#### Semantic Search\n\n- The `search-chunks` tool performs vector-based semantic search over all ingested content, returning the most relevant chunks for a given query.\n- Supports optional `type` and `tag` arguments to filter results by chunk type (e.g., `code`, `html`, `markdown`) and/or by tag in chunk metadata, before semantic ranking.\n- This enables highly targeted retrieval, such as \"all code chunks tagged with 'langfuse' relevant to 'cost and usage'\".\n\n#### Metadata Management\n\n- Chunks include a `metadata` field for categorization and tagging.\n- The `update-chunk-metadata` tool allows updating metadata for any chunk by its id.\n- The `tag-chunks-by-source` tool allows adding tags to all chunks from a specific source in one operation. Tagging merges new tags with existing ones, preserving previous tags.\n\n## Configuration\n\nThe server requires the following environment variables (can be set in a .env file):\n\n### Ollama Configuration\n- OLLAMA_HOST: Hostname for Ollama API (default: localhost)\n- OLLAMA_PORT: Port for Ollama API (default: 11434)\n- RAG_AGENT: Ollama model to use for RAG responses (default: llama3)\n- OLLAMA_MODEL: Ollama model to use for embeddings (default: nomic-embed-text-v2-moe)\n\n### Database Configuration\n- HOST: PostgreSQL database host (default: localhost)\n- DB_PORT: PostgreSQL database port (default: 5432)\n- DB_NAME: PostgreSQL database name (default: doclibdb)\n- DB_USER: PostgreSQL database user (default: doclibdb_user)\n- DB_PASSWORD: PostgreSQL database password (default: doclibdb_password)\n\n### Reranker Configuration\n- RERANKER_MODEL_PATH: Path to the reranker model (default: /srv/samba/fileshare2/AI/models/bge-reranker-v2-m3)\n- RERANKER_USE_FP16: Whether to use FP16 for reranker (default: True)\n\n## Quickstart\n\n### Install\n\n#### Claude Desktop\n\nOn MacOS: `~/Library/Application\\ Support/Claude/claude_desktop_config.json`\nOn Windows: `%APPDATA%/Claude/claude_desktop_config.json`\n\n\n  Development/Unpublished Servers Configuration
\n  ```\n  \"mcpServers\": {\n    \"doc-lib-mcp\": {\n      \"command\": \"uv\",\n      \"args\": [\n        \"--directory\",\n        \"/home/administrator/python-share/doc-lib-mcp\",\n        \"run\",\n        \"doc-lib-mcp\"\n      ]\n    }\n  }\n  ```\n
\n\n\n  Published Servers Configuration
\n  ```\n  \"mcpServers\": {\n    \"doc-lib-mcp\": {\n      \"command\": \"uvx\",\n      \"args\": [\n        \"doc-lib-mcp\"\n      ]\n    }\n  }\n  ```\n
\n\n## Development\n\n### Building and Publishing\n\nTo prepare the package for distribution:\n\n1. Sync dependencies and update lockfile:\n```bash\nuv sync\n```\n\n2. Build package distributions:\n```bash\nuv build\n```\n\nThis will create source and wheel distributions in the `dist/` directory.\n\n3. Publish to PyPI:\n```bash\nuv publish\n```\n\nNote: You'll need to set PyPI credentials via environment variables or command flags:\n- Token: `--token` or `UV_PUBLISH_TOKEN`\n- Or username/password: `--username`/`UV_PUBLISH_USERNAME` and `--password`/`UV_PUBLISH_PASSWORD`\n\n### Debugging\n\nSince MCP servers run over stdio, debugging can be challenging. For the best debugging\nexperience, we strongly recommend using the [MCP Inspector](https://github.com/modelcontextprotocol/inspector).\n\nYou can launch the MCP Inspector via [`npm`](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) with this command:\n\n```bash\nnpx @modelcontextprotocol/inspector uv --directory /home/administrator/python-share/doc-lib-mcp run doc-lib-mcp\n```\n\nUpon launching, the Inspector will display a URL that you can access in your browser to begin debugging.\n","English","en-US",{"_27":45,"_31":48,"_36":49},{"_29":46,"_31":32,"_33":47},"Un servidor de protocolo de contexto de modelo para ingerir, fragmentar y buscar semánticamente archivos de documentación, con soporte para Markdown, Python, OpenAPI, archivos HTML y URL.","# doc-lib-mcp Servidor MCP\n\nUn servidor de Protocolo de Contexto de Modelo (MCP) para la ingesta de documentos, fragmentación, búsqueda semántica y gestión de notas.\n\n## Componentes\n\n### Recursos\n\n* Implementa un sistema de almacenamiento de notas simple con:\n  * `note://` esquema URI para acceder a notas individuales\n  * Cada recurso de nota tiene un nombre, una descripción y un tipo MIME `text/plain`\n\n### Indicaciones\n\n* Proporciona un mensaje:\n  * **resumir-notas** : crea resúmenes de todas las notas almacenadas\n    * Argumento opcional \"estilo\" para controlar el nivel de detalle (breve/detallado)\n    * Genera un mensaje que combina todas las notas actuales con la preferencia de estilo.\n\n### Herramientas\n\nEl servidor implementa una amplia gama de herramientas:\n\n* **add-note** : agrega una nueva nota al almacén de notas en memoria\n  * Argumentos: `name` (cadena), `content` (cadena)\n* **ingest-string** : ingiere y fragmenta una cadena de texto sin formato o de rebajas proporcionada mediante un mensaje\n  * Argumentos: `content` (cadena, obligatorio), `source` (cadena, opcional), `tags` (lista de cadenas, opcional)\n* **ingest-markdown** : ingerir y fragmentar un archivo markdown (.md)\n  * Argumentos: `path` (cadena)\n* **ingest-python** : ingerir y fragmentar un archivo Python (.py)\n  * Argumentos: `path` (cadena)\n* **ingest-openapi** : ingerir y fragmentar un archivo JSON de OpenAPI\n  * Argumentos: `path` (cadena)\n* **ingest-html** : ingerir y fragmentar un archivo HTML\n  * Argumentos: `path` (cadena)\n* **ingest-html-url** : ingerir y fragmentar contenido HTML desde una URL (opcionalmente usando Playwright para contenido dinámico)\n  * Argumentos: `url` (cadena), `dynamic` (booleano, opcional)\n* **smart\\_ingestion** : extrae todo el contenido técnicamente relevante de un archivo usando Gemini y luego lo divide en fragmentos usando una lógica de rebajas robusta.\n  * Argumentos:\n    * `path` (cadena, obligatoria): ruta del archivo a ingerir.\n    * `prompt` (cadena, opcional): mensaje personalizado para usar con Gemini.\n    * `tags` (lista de cadenas, opcional): Lista opcional de etiquetas para clasificación.\n  * Utiliza Gemini 2.0 Flash 001 para extraer solo código, configuración, estructura de rebajas y definiciones técnicas (sin resúmenes ni comentarios).\n  * Pasa el contenido extraído a un fragmentador basado en mistune 3.x que conserva tanto los bloques de código como el contenido markdown/narrativo como fragmentos separados.\n  * Cada fragmento se integra y almacena para su búsqueda y recuperación semántica.\n* **fragmentos de búsqueda** : búsqueda semántica sobre el contenido ingerido\n  * Argumentos:\n    * `query` (cadena): La consulta de búsqueda semántica.\n    * `top_k` (entero, opcional, predeterminado 3): Número de resultados principales a devolver.\n    * `type` (cadena, opcional): filtra los resultados por tipo de fragmento (por ejemplo, `code` , `html` , `markdown` ).\n    * `tag` (cadena, opcional): filtra los resultados por etiqueta en los metadatos del fragmento.\n  * Devuelve los fragmentos más relevantes para una consulta determinada, opcionalmente filtrados por tipo y/o etiqueta.\n* **delete-source** : elimina todos los fragmentos de una fuente determinada\n  * Argumentos: `source` (cadena)\n* **delete-chunk-by-id** : elimina uno o más fragmentos por id\n  * Argumentos: `id` (entero, opcional), `ids` (lista de enteros, opcional)\n  * Puede eliminar un solo fragmento especificando `id` , o eliminar varios fragmentos a la vez especificando `ids` .\n* **update-chunk-type** : actualiza el atributo de tipo para un fragmento por id\n  * Argumentos: `id` (entero, obligatorio), `type` (cadena, obligatorio)\n* **ingest-batch** : ingiere y fragmenta múltiples archivos de documentación (markdown, OpenAPI JSON, Python) en lotes\n  * Argumentos: `paths` (lista de cadenas)\n* **list-sources** : enumera todas las fuentes únicas (rutas de archivos) que se han ingerido y almacenado en la memoria, con filtrado opcional por etiqueta o búsqueda semántica.\n  * Argumentos:\n    * `tag` (cadena, opcional): filtra las fuentes por etiqueta en los metadatos del fragmento.\n    * `query` (cadena, opcional): consulta de búsqueda semántica para encontrar fuentes relevantes.\n    * `top_k` (entero, opcional, predeterminado 10): Número de fuentes principales a devolver cuando se usa la consulta.\n* **get-context** : recupera fragmentos de contenido relevantes (solo contenido) para usar como contexto de IA, con filtrado por etiqueta, tipo y similitud semántica.\n  * Argumentos:\n    * `query` (cadena, opcional): la consulta de búsqueda semántica.\n    * `tag` (cadena, opcional): filtra los resultados por una etiqueta específica en los metadatos del fragmento.\n    * `type` (cadena, opcional): filtra los resultados por tipo de fragmento (por ejemplo, 'código', 'markdown').\n    * `top_k` (entero, opcional, predeterminado 5): la cantidad de fragmentos relevantes principales para recuperar.\n* **update-chunk-metadata** : actualiza el campo de metadatos de un fragmento por id\n  * Argumentos: `id` (entero), `metadata` (objeto)\n* **tag-chunks-by-source** : Añade las etiquetas especificadas a los metadatos de todos los fragmentos asociados a una fuente dada (URL o ruta de archivo). Se fusiona con las etiquetas existentes.\n  * Argumentos: `source` (cadena), `tags` (lista de cadenas)\n* **list-notes** : enumera todas las notas almacenadas actualmente y su contenido.\n\n#### Fragmentación y extracción de código\n\n* Los archivos Markdown, Python, OpenAPI y HTML se dividen en fragmentos lógicos para una recuperación y búsqueda eficientes.\n* El fragmentador de rebajas utiliza la API AST y las expresiones regulares de mistune 3.x para dividir de forma robusta el contenido por bloques de código y narrativa, preservando todo el formato original.\n* Tanto los bloques de código como el contenido narrativo/de rebajas se conservan como fragmentos separados.\n* El fragmentador HTML utiliza la biblioteca `readability-lxml` para extraer primero el contenido principal y, a continuación, extrae fragmentos de código de las etiquetas `` como fragmentos de código dedicados. El contenido `` en línea forma parte de los fragmentos narrativos.\n\n#### Búsqueda semántica\n\n* La herramienta `search-chunks` realiza una búsqueda semántica basada en vectores en todo el contenido ingerido y devuelve los fragmentos más relevantes para una consulta determinada.\n* Admite argumentos `type` y `tag` opcionales para filtrar resultados por tipo de fragmento (por ejemplo, `code` , `html` , `markdown` ) y/o por etiqueta en los metadatos del fragmento, antes de la clasificación semántica.\n* Esto permite una recuperación muy específica, como \"todos los fragmentos de código etiquetados con 'langfuse' relevantes para 'costo y uso'\".\n\n#### Gestión de metadatos\n\n* Los fragmentos incluyen un campo `metadata` para categorización y etiquetado.\n* La herramienta `update-chunk-metadata` permite actualizar los metadatos de cualquier fragmento mediante su identificación.\n* La herramienta de `tag-chunks-by-source` permite agregar etiquetas a todos los fragmentos de un origen específico en una sola operación. El etiquetado fusiona las etiquetas nuevas con las existentes, conservando las anteriores.\n\n## Configuración\n\n\\[TODO: Agregar detalles de configuración específicos para su implementación]\n\n## Inicio rápido\n\n### Instalar\n\n#### Escritorio de Claude\n\nEn MacOS: `~/Library/Application\\ Support/Claude/claude_desktop_config.json` En Windows: `%APPDATA%/Claude/claude_desktop_config.json`\n\n## Desarrollo\n\n### Construcción y publicación\n\nPara preparar el paquete para su distribución:\n\n1. Sincronizar dependencias y actualizar archivo de bloqueo:\n\n```bash\nuv sync\n```\n\n2. Distribuciones de paquetes de compilación:\n\n```bash\nuv build\n```\n\nEsto creará distribuciones de origen y de rueda en el directorio `dist/` .\n\n3. Publicar en PyPI:\n\n```bash\nuv publish\n```\n\nNota: Deberás configurar las credenciales de PyPI a través de variables de entorno o indicadores de comando:\n\n* Token: `--token` o `UV_PUBLISH_TOKEN`\n* O nombre de usuario/contraseña: `--username` / `UV_PUBLISH_USERNAME` y `--password` / `UV_PUBLISH_PASSWORD`\n\n### Depuración\n\nDado que los servidores MCP se ejecutan en stdio, la depuración puede ser complicada. Para una experiencia óptima, recomendamos usar el [Inspector MCP](https://github.com/modelcontextprotocol/inspector) .\n\nPuede iniciar el Inspector MCP a través de [`npm`](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) con este comando:\n\n```bash\nnpx @modelcontextprotocol/inspector uv --directory /home/administrator/python-share/documentation_library/doc-lib-mcp run doc-lib-mcp\n```\n\nAl iniciarse, el Inspector mostrará una URL a la que podrá acceder en su navegador para comenzar a depurar.","Spanish","es-ES",{"_27":51,"_31":54,"_36":55},{"_29":52,"_31":32,"_33":53},"マークダウン、Python、OpenAPI、HTML ファイル、URL をサポートし、ドキュメント ファイルの取り込み、チャンク化、意味的な検索を行うモデル コンテキスト プロトコル サーバーです。","# doc-lib-mcp MCP サーバー\n\nドキュメントの取り込み、チャンク化、セマンティック検索、メモ管理のためのモデル コンテキスト プロトコル (MCP) サーバー。\n\n## コンポーネント\n\n### リソース\n\n* 以下を使用してシンプルなメモ保存システムを実装します。\n  * 個々のノートにアクセスするためのカスタム`note://` URI スキーム\n  * 各ノートリソースには、名前、説明、 `text/plain` MIMEタイプがあります。\n\n### プロンプト\n\n* プロンプトを表示します:\n  * **summary-notes** : 保存されているすべてのメモの要約を作成します\n    * 詳細レベル（簡潔/詳細）を制御するためのオプションの「スタイル」引数\n    * 現在のすべてのメモをスタイルの好みに合わせて組み合わせたプロンプトを生成します\n\n### ツール\n\nサーバーは幅広いツールを実装しています:\n\n* **add-note** : メモリ内のノートストアに新しいノートを追加する\n  * 引数: `name` (文字列)、 `content` (文字列)\n* **ingest-string** : メッセージ経由で提供されたマークダウンまたはプレーンテキスト文字列を取り込み、チャンク化する\n  * 引数: `content` (文字列、必須)、 `source` (文字列、オプション)、 `tags` (文字列のリスト、オプション)\n* **ingest-markdown** : マークダウン (.md) ファイルを取り込んでチャンク化する\n  * 引数: `path` (文字列)\n* **ingest-python** : Python (.py) ファイルを取り込み、チャンク化する\n  * 引数: `path` (文字列)\n* **ingest-openapi** : OpenAPI JSON ファイルを取り込み、チャンク化する\n  * 引数: `path` (文字列)\n* **ingest-html** : HTML ファイルを取り込み、チャンク化する\n  * 引数: `path` (文字列)\n* **ingest-html-url** : URL から HTML コンテンツを取り込み、チャンク化する (動的コンテンツの場合はオプションで Playwright を使用)\n  * 引数: `url` (文字列)、 `dynamic` (ブール値、オプション)\n* **smart\\_ingestion** : Gemini を使用してファイルから技術的に関連するすべてのコンテンツを抽出し、堅牢なマークダウン ロジックを使用してチャンクに分割します。\n  * 引数:\n    * `path` (文字列、必須): 取り込むファイル パス。\n    * `prompt` (文字列、オプション): Gemini で使用するカスタムプロンプト。\n    * `tags` (文字列のリスト、オプション): 分類用のタグのオプションのリスト。\n  * Gemini 2.0 Flash 001 を使用して、コード、構成、マークダウン構造、および技術的な定義のみを抽出します (要約や解説は含まれません)。\n  * 抽出されたコンテンツを、コード ブロックとマークダウン/ナラティブ コンテンツの両方を個別のチャンクとして保存する mistune 3.x ベースのチャンカーに渡します。\n  * 各チャンクは、意味的な検索と取得のために埋め込まれ、保存されます。\n* **search-chunks** : 取り込んだコンテンツに対するセマンティック検索\n  * 引数:\n    * `query` (文字列): セマンティック検索クエリ。\n    * `top_k` (整数、オプション、デフォルト 3): 返される上位結果の数。\n    * `type` (文字列、オプション): チャンクタイプ (例: `code` 、 `html` 、 `markdown` ) で結果をフィルタリングします。\n    * `tag` (文字列、オプション): チャンク メタデータ内のタグで結果をフィルターします。\n  * 指定されたクエリに最も関連性の高いチャンクを返します。オプションでタイプやタグでフィルタリングできます。\n* **delete-source** : 指定されたソースからすべてのチャンクを削除する\n  * 引数: `source` (文字列)\n* **delete-chunk-by-id** : IDで1つ以上のチャンクを削除する\n  * 引数: `id` (整数、オプション)、 `ids` (整数のリスト、オプション)\n  * `id`を指定して 1 つのチャンクを削除することも、 `ids`を指定して複数のチャンクを一度に削除することもできます。\n* **update-chunk-type** : チャンクのtype属性をIDで更新する\n  * 引数: `id` (整数、必須)、 `type` (文字列、必須)\n* **ingest-batch** : 複数のドキュメントファイル（マークダウン、OpenAPI JSON、Python）を一括で取り込み、チャンク化する\n  * 引数: `paths` (文字列のリスト)\n* **list-sources** : メモリに取り込まれ保存されたすべての一意のソース (ファイル パス) を一覧表示します。オプションでタグまたはセマンティック検索によるフィルタリングが可能です。\n  * 引数:\n    * `tag` (文字列、オプション): チャンク メタデータ内のタグでソースをフィルターします。\n    * `query` (文字列、オプション): 関連するソースを見つけるためのセマンティック検索クエリ。\n    * `top_k` (整数、オプション、デフォルト 10): クエリを使用するときに返される上位ソースの数。\n* **get-context** : タグ、タイプ、意味的類似性でフィルタリングして、AI コンテキストとして使用するために関連するコンテンツ チャンク (コンテンツのみ) を取得します。\n  * 引数:\n    * `query` (文字列、オプション): セマンティック検索クエリ。\n    * `tag` (文字列、オプション): チャンク メタデータ内の特定のタグで結果をフィルターします。\n    * `type` (文字列、オプション): チャンクタイプ (例: 'code'、'markdown') で結果をフィルタリングします。\n    * `top_k` (整数、オプション、デフォルト 5): 取得する上位の関連チャンクの数。\n* **update-chunk-metadata** : チャンクのメタデータフィールドをIDで更新する\n  * 引数: `id` (整数)、 `metadata` (オブジェクト)\n* **tag-chunks-by-source** : 指定されたソース（URLまたはファイルパス）に関連付けられたすべてのチャンクのメタデータに、指定されたタグを追加します。既存のタグとマージされます。\n  * 引数: `source` (文字列)、 `tags` (文字列のリスト)\n* **list-notes** : 現在保存されているすべてのメモとその内容を一覧表示します。\n\n#### チャンク化とコード抽出\n\n* Markdown、Python、OpenAPI、HTML ファイルは、効率的な取得と検索のために論理的なチャンクに分割されます。\n* マークダウン チャンカーは、mistune 3.x の AST API と正規表現を使用して、すべての元の書式を保持しながら、コードをブロックと説明ごとに確実に分割します。\n* コード ブロックとマークダウン/説明コンテンツは両方とも個別のチャンクとして保存されます。\n* HTMLチャンクは、 `readability-lxml`ライブラリを使用してまずメインコンテンツを抽出し、次に``タグからブロックコードスニペットを専用の「コード」チャンクとして抽出します。インライン``コンテンツはナラティブチャンクの一部として保持されます。\n\n#### セマンティック検索\n\n* `search-chunks`ツールは、取り込まれたすべてのコンテンツに対してベクトル ベースのセマンティック検索を実行し、指定されたクエリに最も関連性の高いチャンクを返します。\n* セマンティックランキングの前に、チャンク タイプ (例: `code` 、 `html` 、 `markdown` ) および/またはチャンク メタデータ内のタグによって結果をフィルター処理するためのオプションの`type`および`tag`引数をサポートします。\n* これにより、「'コストと使用量' に関連する 'langfuse' タグが付けられたすべてのコード チャンク」など、高度にターゲットを絞った検索が可能になります���\n\n#### メタデータ管理\n\n* チャンクには、分類とタグ付けのための`metadata`フィールドが含まれます。\n* `update-chunk-metadata`ツールを使用すると、ID によって任意のチャンクのメタデータを更新できます。\n* `tag-chunks-by-source`ツールを使用すると、特定のソースのすべてのチャンクに1回の操作でタグを追加できます。タグ付けでは、新しいタグと既存のタグがマージされ、以前のタグは保持されます。\n\n## 構成\n\n\\[TODO: 実装に固有の構成の詳細を追加する]\n\n## クイックスタート\n\n### インストール\n\n#### クロードデスクトップ\n\nMacOS の場合: `~/Library/Application\\ Support/Claude/claude_desktop_config.json` Windows の場合: `%APPDATA%/Claude/claude_desktop_config.json`\n\n## 発達\n\n### 建築と出版\n\n配布用のパッケージを準備するには:\n\n1. 依存関係を同期し、ロックファイルを更新します。\n\n```bash\nuv sync\n```\n\n2. パッケージディストリビューションをビルドします。\n\n```bash\nuv build\n```\n\nこれにより、 `dist/`ディレクトリにソースとホイールのディストリビューションが作成されます。\n\n3. PyPI に公開:\n\n```bash\nuv publish\n```\n\n注: 環境変数またはコマンド フラグを使用して PyPI 資格情報を設定する必要があります。\n\n* トークン: `--token`または`UV_PUBLISH_TOKEN`\n* またはユーザー名/パスワード: `--username` / `UV_PUBLISH_USERNAME`および`--password` / `UV_PUBLISH_PASSWORD`\n\n### デバッグ\n\nMCPサーバーはstdio経由で実行されるため、デバッグが困難になる場合があります。最適なデバッグ環境を実現するには、 [MCP Inspectorの](https://github.com/modelcontextprotocol/inspector)使用を強くお勧めします。\n\n次のコマンドを使用して、 [`npm`](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm)経由で MCP Inspector を起動できます。\n\n```bash\nnpx @modelcontextprotocol/inspector uv --directory /home/administrator/python-share/documentation_library/doc-lib-mcp run doc-lib-mcp\n```\n\n起動すると、ブラウザでアクセスしてデバッグを開始できる URL がインスペクタに表示されます。","Japanese","ja-JP",{"_27":57,"_31":60,"_36":61},{"_29":58,"_31":32,"_33":59},"마크다운, Python, OpenAPI, HTML 파일 및 URL을 지원하여 문서 파일을 수집, 청킹 및 의미적으로 검색하기 위한 모델 컨텍스트 프로토콜 서버입니다.","# doc-lib-mcp MCP 서버\n\n문서 수집, 청킹, 의미 검색 및 메모 관리를 위한 MCP(모델 컨텍스트 프로토콜) 서버입니다.\n\n## 구성 요소\n\n### 자원\n\n* 다음을 사용하여 간단한 메모 저장 시스템을 구현합니다.\n  * 개별 노트에 액세스하기 위한 사용자 지정 `note://` URI 체계\n  * 각 노트 리소스에는 이름, 설명 및 `text/plain` MIME 유형이 있습니다.\n\n### 프롬프트\n\n* 프롬프트를 제공합니다:\n  * **summarize-notes** : 저장된 모든 노트의 요약을 생성합니다.\n    * 세부 수준(간략/상세)을 제어하기 위한 선택적 \"스타일\" 인수\n    * 현재 모든 노트와 스타일 선호도를 결합하여 프롬프트를 생성합니다.\n\n### 도구\n\n서버는 다양한 도구를 구현합니다.\n\n* **add-note** : 메모리 내 노트 저장소에 새 노트를 추가합니다.\n  * 인수: `name` (문자열), `content` (문자열)\n* **ingest-string** : 메시지를 통해 제공된 마크다운 또는 일반 텍스트 문자열을 수집하고 청크화합니다.\n  * 인수: `content` (문자열, 필수), `source` (문자열, 선택 사항), `tags` (문자열 목록, 선택 사항)\n* **ingest-markdown** : 마크다운(.md) 파일을 수집하고 청크화합니다.\n  * 인수: `path` (문자열)\n* **ingest-python** : Python(.py) 파일을 수집하고 청크화합니다.\n  * 인수: `path` (문자열)\n* **ingest-openapi** : OpenAPI JSON 파일을 수집하고 청크화합니다.\n  * 인수: `path` (문자열)\n* **ingest-html** : HTML 파일을 수집하고 청크화합니다.\n  * 인수: `path` (문자열)\n* **ingest-html-url** : URL에서 HTML 콘텐츠를 수집하고 청크화합니다(동적 콘텐츠의 경우 Playwright를 선택적으로 사용).\n  * 인수: `url` (문자열), `dynamic` (부울, 선택 사항)\n* **smart\\_ingestion** : Gemini를 사용하여 파일에서 기술적으로 관련된 모든 콘텐츠를 추출한 다음 강력한 마크다운 논리를 사용하여 이를 덩어리로 나눕니다.\n  * 인수:\n    * `path` (문자열, 필수): 수집할 파일 경로입니다.\n    * `prompt` (문자열, 선택 사항): Gemini에 사용할 사용자 정의 프롬프트입니다.\n    * `tags` (문자열 목록, 선택 사항): 분류를 위한 태그의 선택 사항 목록입니다.\n  * Gemini 2.0 Flash 001을 사용하여 코드, 구성, 마크다운 구조, 기술적 정의만 추출합니다(요약이나 해설은 제외).\n  * 추출된 콘텐츠를 Mistune 3.x 기반 청커로 전달하여 코드 블록과 마크다운/내러티브 콘텐츠를 별도의 청크로 보존합니다.\n  * 각 청크는 ���미 검색 및 회수를 위해 내장되어 저장됩니다.\n* **검색 청크** : 수집된 콘텐츠에 대한 의미 검색\n  * 인수:\n    * `query` (문자열): 의미 검색 쿼리입니다.\n    * `top_k` (정수, 선택 사항, 기본값 3): 반환할 상위 결과 수입니다.\n    * `type` (문자열, 선택 사항): 청크 유형(예: `code` , `html` , `markdown` )별로 결과를 필터링합니다.\n    * `tag` (문자열, 선택 사항): 청크 메타데이터의 태그로 결과를 필터링합니다.\n  * 주어진 쿼리에 가장 관련성이 높은 청크를 반환하며, 선택적으로 유형 및/또는 태그로 필터링할 수 있습니다.\n* **delete-source** : 주어진 소스에서 모든 청크를 삭제합니다.\n  * 인수: `source` (문자열)\n* **delete-chunk-by-id** : id로 하나 이상의 청크를 삭제합니다.\n  * 인수: `id` (정수, 선택 사항), `ids` (정수 목록, 선택 사항)\n  * `id` 지정하여 단일 청크를 삭제할 수 있으며, `ids` 지정하여 여러 청크를 한 번에 삭제할 수 있습니다.\n* **update-chunk-type** : id로 청크의 유형 속성을 업데이트합니다.\n  * 인수: `id` (정수, 필수), `type` (문자열, 필수)\n* **ingest-batch** : 여러 문서 파일(마크다운, OpenAPI JSON, Python)을 일괄적으로 수집하고 청크화합니다.\n  * 인수: `paths` (문자열 목록)\n* **list-sources** : 태그나 의미 검색을 통한 선택적 필터링을 통해 메모리에 수집되어 저장된 모든 고유 소스(파일 경로)를 나열합니다.\n  * 인수:\n    * `tag` (문자열, 선택 사항): 청크 메타데이터의 태그로 소스를 필터링합니다.\n    * `query` (문자열, 선택 사항): 관련 소스를 찾기 위한 의미적 검색 쿼리입니다.\n    * `top_k` (정수, 선택 사항, 기본값 10): 쿼리를 사용할 때 반환할 상위 소스 수입니다.\n* **get-context** : 태그, 유형, 의미적 유사성으로 필터링하여 AI 컨텍스트로 사용할 관련 콘텐츠 청크(콘텐츠만)를 검색합니다.\n  * 인수:\n    * `query` (문자열, 선택 사항): 의미 검색 쿼리입니다.\n    * `tag` (문자열, 선택 사항): 청크 메타데이터의 특정 태그로 결과를 필터링합니다.\n    * `type` (문자열, 선택 사항): 청크 유형(예: '코드', '마크다운')별로 결과를 필터링합니다.\n    * `top_k` (정수, 선택 사항, 기본값 5): 검색할 상위 관련 청크의 수입니다.\n* **update-chunk-metadata** : ID로 청크의 메타데이터 필드를 업데이트합니다.\n  * 인수: `id` (정수), `metadata` (객체)\n* **tag-chunks-by-source** : 지정된 소스(URL 또는 파일 경로)와 연관된 모든 청크의 메타데이터에 지정된 태그를 추가합니다. 기존 태그와 병합합니다.\n  * 인수: `source` (문자열), `tags` (문자열 목록)\n* **list-notes** : 현재 저장된 모든 노트와 그 내용을 나열합니다.\n\n#### 청킹 및 코드 추출\n\n* Markdown, Python, OpenAPI 및 HTML 파일은 효율적인 검색을 위해 논리적인 청크로 분할됩니다.\n* 마크다운 청커는 Mistune 3.x의 AST API와 정규식을 사용하여 모든 원본 형식을 보존하면서 코드 블록과 내러티브별로 콘텐츠를 견고하게 분리합니다.\n* 코드 블록과 마크다운/내러티브 콘텐츠는 모두 별도의 청크로 보존됩니다.\n* HTML 청커는 `readability-lxml` 라이브러리를 사용하여 주요 콘텐츠를 먼저 추출한 다음, `` 태그에서 블록 코드 조각을 전용 \"코드\" 청크로 추출합니다. 인라인 `` 콘텐츠는 내러티브 청크의 일부로 유지됩니다.\n\n#### 의미 검색\n\n* `search-chunks` 도구는 수집된 모든 콘텐츠에 대해 벡터 기반 의미 검색을 수행하여 주어진 쿼리에 가장 관련성이 높은 청크를 반환합니다.\n* 의미 순위를 매기기 전에 청크 유형(예: `code` , `html` , `markdown` ) 및/또는 청크 메타데이터의 태그별로 결과를 필터링하기 위한 선택적 `type` 및 `tag` 인수를 지원합니다.\n* 이를 통해 '비용 및 사용량'과 관련된 'langfuse' 태그가 지정된 모든 코드 청크'와 같이 매우 구체적인 검색이 가능합니다.\n\n#### 메타데이터 관리\n\n* 청크에는 분류 및 태그 지정을 위한 `metadata` 필드가 포함되어 있습니다.\n* `update-chunk-metadata` 도구를 사용하면 ID를 사용하여 모든 청크의 메타데이터를 업데이트할 수 있습니다.\n* `tag-chunks-by-source` 도구를 사용하면 특정 소스의 모든 청크에 한 번의 작업으로 태그를 추가할 수 있습니다. 태그 지정을 통해 새 태그를 기존 태그와 병합하고 이전 태그는 그대로 유지합니다.\n\n## 구성\n\n\\[TODO: 구현에 맞는 구성 세부 정보 추가]\n\n## 빠른 시작\n\n### 설치하다\n\n#### 클로드 데스크탑\n\nMacOS의 경우: `~/Library/Application\\ Support/Claude/claude_desktop_config.json` Windows의 경우: `%APPDATA%/Claude/claude_desktop_config.json`\n\n## 개발\n\n### 건축 및 출판\n\n배포를 위해 패키지를 준비하려면:\n\n1. 종속성 동기화 및 잠금 파일 업데이트:\n\n지엑스피1\n\n2. 패키지 배포 빌드:\n\n```bash\nuv build\n```\n\n이렇게 하면 `dist/` 디렉토리에 소스와 휠 배포판이 생성됩니다.\n\n3. PyPI에 게시:\n\n```bash\nuv publish\n```\n\n참고: 환경 변수나 명령 플래그를 통해 PyPI 자격 증명을 설정해야 합니다.\n\n* 토큰: `--token` 또는 `UV_PUBLISH_TOKEN`\n* 또는 사용자 이름/비밀번호: `--username` / `UV_PUBLISH_USERNAME` 및 `--password` / `UV_PUBLISH_PASSWORD`\n\n### 디버깅\n\nMCP 서버는 stdio를 통해 실행되므로 디버깅이 어려울 수 있습니다. 최상의 디버깅 환경을 위해서는 [MCP Inspector](https://github.com/modelcontextprotocol/inspector) 사용을 강력히 권장합니다.\n\n다음 명령을 사용하여 [`npm`](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) 통해 MCP Inspector를 시작할 수 있습니다.\n\n```bash\nnpx @modelcontextprotocol/inspector uv --directory /home/administrator/python-share/documentation_library/doc-lib-mcp run doc-lib-mcp\n```\n\nInspector를 실행하면 브라우저에서 접근하여 디버깅을 시작할 수 있는 URL이 표시됩니다.","Korean","ko-KR",{"_27":63,"_31":66,"_36":67},{"_29":64,"_31":32,"_33":65},"Сервер Model Context Protocol для приема, разбиения на фрагменты и семантического поиска файлов документации с поддержкой Markdown, Python, OpenAPI, HTML-файлов и URL-адресов.","# doc-lib-mcp MCP-сервер\n\nСервер Model Context Protocol (MCP) для приема документов, разбиения на фрагменты, семантического поиска и управления заметками.\n\n## Компоненты\n\n### Ресурсы\n\n* Реализует простую систему хранения заметок с:\n  * Пользовательская схема URI `note://` для доступа к отдельным заметкам\n  * Каждый ресурс заметки имеет имя, описание и `text/plain` тип MIME.\n\n### Подсказки\n\n* Предоставляет подсказку:\n  * **summary-notes** : Создает сводки всех сохраненных заметок\n    * Необязательный аргумент «стиль» для управления уровнем детализации (краткий/подробный)\n    * Создает подсказку, объединяющую все текущие заметки с предпочтениями стиля\n\n### Инструменты\n\nНа сервере реализован широкий спектр инструментов:\n\n* **add-note** : Добавить новую заметку в хранилище заметок в памяти\n  * Аргументы: `name` (строка), `content` (строка)\n* **ingest-string** : принимает и разбивает на части строку markdown или обычный текст, предоставленный через сообщение\n  * Аргументы: `content` (строка, обязательно), `source` (строка, необязательно), `tags` (список строк, необязательно)\n* **ingest-markdown** : Принять и разбить на части файл markdown (.md)\n  * Аргументы: `path` (строка)\n* **ingest-python** : Прием и разбиение файла Python (.py) на части\n  * Аргументы: `path` (строка)\n* **ingest-openapi** : Прием и разбиение на части JSON-файла OpenAPI\n  * Аргументы: `path` (строка)\n* **ingest-html** : Прием и разбиение HTML-файла на части\n  * Аргументы: `path` (строка)\n* **ingest-html-url** : прием и разбиение HTML-контента из URL-адреса (при желании можно использовать Playwright для динамического контента)\n  * Аргументы: `url` (строка), `dynamic` (логический, необязательный)\n* **smart\\_ingestion** : извлекает весь технически значимый контент из файла с помощью Gemini, а затем разбивает его на части, используя надежную логику разметки.\n  * Аргументы:\n    * `path` (строка, обязательно): Путь к файлу для загрузки.\n    * `prompt` (строка, необязательно): Пользовательская подсказка для использования в Gemini.\n    * `tags` (список строк, необязательно): Необязательный список тегов для классификации.\n  * Использует Gemini 2.0 Flash 001 для извлечения только кода, конфигурации, структуры разметки и технических определений (без резюме или комментариев).\n  * Передает извлеченный контент в блокировщик на основе mistune 3.x, который сохраняет как блоки кода, так и разметку/повествовательный контент в виде отдельных фрагментов.\n  * Каждый фрагмент встраивается и сохраняется для семантического поиска и извлечения.\n* **search-chunks** : Семантический поиск по принятому контенту\n  * Аргументы:\n    * `query` (строка): семантический поисковый запрос.\n    * `top_k` (целое число, необязательное, по умолчанию 3): количество возвращаемых верхних результатов.\n    * `type` (строка, необязательно): Фильтрация результатов по типу фрагмента (например, `code` , `html` , `markdown` ).\n    * `tag` (строка, необязательно): Фильтрация результатов по тегу в метаданных фрагмента.\n  * Возвращает наиболее релевантные фрагменты для заданного запроса, при необходимости отфильтрованные по типу и/или тегу.\n* **delete-source** : Удалить все фрагменты из указанного источника\n  * Аргументы: `source` (строка)\n* **delete-chunk-by-id** : Удалить один или несколько фрагментов по идентификатору\n  * Аргументы: `id` (целое число, необязательно), `ids` (список целых чисел, необязательно)\n  * Вы можете удалить один фрагмент, указав `id` , или удалить несколько фрагментов одновременно, указав `ids` .\n* **update-chunk-type** : обновить атрибут типа для фрагмента по идентификатору\n  * Аргументы: `id` (целое число, обязательно), `type` (строка, обязательно)\n* **ingest-batch** : пакетная загрузка и разбиение на части нескольких файлов документации (markdown, OpenAPI JSON, Python)\n  * Аргументы: `paths` (список строк)\n* **list-sources** : список всех уникальных источников (путей к файлам), которые были приняты и сохранены в памяти, с дополнительной фильтрацией по тегу или семантическому поиску.\n  * Аргументы:\n    * `tag` (строка, необязательно): Фильтрация источников по тегу в метаданных фрагмента.\n    * `query` (строка, необязательно): Семантический поисковый запрос для поиска релевантных источников.\n    * `top_k` (целое число, необязательное, по умолчанию 10): количество основных источников, возвращаемых при использовании запроса.\n* **get-context** : извлечение релевантных фрагментов контента (только контент) для использования в качестве контекста ИИ с фильтрацией по тегу, типу и семантическому сходству.\n  * Аргументы:\n    * `query` (строка, необязательно): семантический поисковый запрос.\n    * `tag` (строка, необязательно): Фильтрация результатов по определенному тегу в метаданных фрагмента.\n    * `type` (строка, необязательно): Фильтрация результатов по типу фрагмента (например, «код», «маркдаун»).\n    * `top_k` (целое число, необязательное, по умолчанию 5): количество наиболее релевантных фрагментов для извлечения.\n* **update-chunk-metadata** : обновить поле метаданных для фрагмента по идентификатору\n  * Аргументы: `id` (целое число), `metadata` (объект)\n* **tag-chunks-by-source** : Добавляет указанные теги к метаданным всех фрагментов, связанных с указанным источником (URL или путь к файлу). Объединяет с существующими тегами.\n  * Аргументы: `source` (строка), `tags` (список строк)\n* **list-notes** : Список всех сохраненных на данный момент заметок и их содержимого.\n\n#### Разделение на части и извлечение кода\n\n* Файлы Markdown, Python, OpenAPI и HTML разбиваются на логические фрагменты для эффективного извлечения и поиска.\n* Инструмент разметки использует API AST и регулярные выра��ения mistune 3.x для надежного разделения контента на блоки кода и повествования, сохраняя все исходное форматирование.\n* Блоки кода и разметка/повествовательный контент сохраняются как отдельные фрагменты.\n* HTML chunker использует библиотеку `readability-lxml` для извлечения основного контента в первую очередь, затем извлекает фрагменты кода блока из тегов `` как выделенные фрагменты \"code\". Встроенный контент `` остается частью повествовательных фрагментов.\n\n#### Семантический поиск\n\n* Инструмент `search-chunks` выполняет векторный семантический поиск по всему полученному контенту, возвращая наиболее релевантные фрагменты для заданного запроса.\n* Поддерживает необязательные аргументы `type` и `tag` для фильтрации результатов по типу фрагмента (например, `code` , `html` , `markdown` ) и/или по тегу в метаданных фрагмента перед семантическим ранжированием.\n* Это позволяет осуществлять узконаправленный поиск, например, «все фрагменты кода, помеченные тегом „langfuse“, имеющие отношение к „стоимости и использованию“».\n\n#### Управление метаданными\n\n* Фрагменты включают поле `metadata` для категоризации и тегирования.\n* Инструмент `update-chunk-metadata` позволяет обновлять метаданные для любого фрагмента по его идентификатору.\n* Инструмент `tag-chunks-by-source` позволяет добавлять теги ко всем частям из определенного источника за одну операцию. Тегирование объединяет новые теги с существующими, сохраняя предыдущие теги.\n\n## Конфигурация\n\nДля сервера требуются следующие переменные среды (их можно задать в файле .env):\n\n### Конфигурация Оллама\n\n* OLLAMA\\_HOST: Имя хоста для API Ollama (по умолчанию: localhost)\n* OLLAMA\\_PORT: Порт для API Ollama (по умолчанию: 11434)\n* RAG\\_AGENT: модель Ollama, используемая для ответов RAG (по умолчанию: llama3)\n* OLLAMA\\_MODEL: Модель Ollama, используемая для встраивания (по умолчанию: nomic-embed-text-v2-moe)\n\n### Конфигурация базы данных\n\n* ХОСТ: Хост базы данных PostgreSQL (по умолчанию: localhost)\n* DB\\_PORT: порт базы данных PostgreSQL (по умолчанию: 5432)\n* DB\\_NAME: Имя базы данных PostgreSQL (по умолчанию: doclibdb)\n* DB\\_USER: Пользователь базы данных PostgreSQL (по умолчанию: doclibdb\\_user)\n* DB\\_PASSWORD: пароль базы данных PostgreSQL (по умолчанию: doclibdb\\_password)\n\n### Конфигурация реранкера\n\n* RERANKER\\_MODEL\\_PATH: Путь к модели реранкера (по умолчанию: /srv/samba/fileshare2/AI/models/bge-reranker-v2-m3)\n* RERANKER\\_USE\\_FP16: Использовать ли FP16 для повторного ранжирования (по умолчанию: True)\n\n## Быстрый старт\n\n### Установить\n\n#### Клод Десктоп\n\nВ MacOS: `~/Library/Application\\ Support/Claude/claude_desktop_config.json` В Windows: `%APPDATA%/Claude/claude_desktop_config.json`\n\n## Разработка\n\n### Строительство и издательское дело\n\nЧтобы подготовить пакет к распространению:\n\n1. Синхронизируем зависимости и обновляем файл блокировки:\n\n```bash\nuv sync\n```\n\n2. Сборка дистрибутивов пакетов:\n\n```bash\nuv build\n```\n\nЭто создаст исходный код и дистрибутивы wheel в каталоге `dist/` .\n\n3. Опубликовать в PyPI:\n\n```bash\nuv publish\n```\n\nПримечание: вам необходимо задать учетные данные PyPI с помощью переменных среды или флагов команд:\n\n* Токен: `--token` или `UV_PUBLISH_TOKEN`\n* Или имя пользователя/пароль: `--username` / `UV_PUBLISH_USERNAME` и `--password` / `UV_PUBLISH_PASSWORD`\n\n### Отладка\n\nПоскольку серверы MCP работают через stdio, отла��ка может быть сложной. Для лучшего опыта отладки мы настоятельно рекомендуем использовать [MCP Inspector](https://github.com/modelcontextprotocol/inspector) .\n\nВы можете запустить MCP Inspector через [`npm`](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) с помощью этой команды:\n\n```bash\nnpx @modelcontextprotocol/inspector uv --directory /home/administrator/python-share/doc-lib-mcp run doc-lib-mcp\n```\n\nПосле запуска Инспектор отобразит URL-адрес, к которому вы можете перейти в своем браузере, чтобы начать отладку.","Russian","ru-RU",{"_27":69,"_31":72,"_36":73},{"_29":70,"_31":32,"_33":71},"用于提取、分块和语义搜索文档文件的模型上下文协议服务器，支持 markdown、Python、OpenAPI、HTML 文件和 URL。","# doc-lib-mcp MCP 服务器\n\n用于文档提取、分块、语义搜索和注释管理的模型上下文协议 (MCP) 服务器。\n\n## 成分\n\n### 资源\n\n* 实现一个简单的笔记存储系统：\n  * 用于访问单个笔记的自定义`note://` URI 方案\n  * 每个笔记资源都有一个名称、描述和`text/plain` mimetype\n\n### 提示\n\n* 提供提示：\n  * **总结笔记**：创建所有存储笔记的摘要\n    * 可选的“样式”参数用于控制详细程度（简要/详细）\n    * 生成提示，结合所有当前注释和样式偏好\n\n### 工具\n\n该服务器实现了多种工具：\n\n* **add-note** ：向内存笔记存储中添加新笔记\n  * 参数： `name` （字符串）、 `content` （字符串）\n* **ingest-string** ：提取并分块通过消息提供的 markdown 或纯文本字符串\n  * 参数： `content` （字符串，必需）、 `source` （字符串，可选）、 `tags` （字符串列表，可选）\n* **ingest-markdown** ：提取并分块 markdown (.md) 文件\n  * 参数： `path` （字符串）\n* **ingest-python** ：提取并分块 Python（.py）文件\n  * 参数： `path` （字符串）\n* **ingest-openapi** ：提取并分块 OpenAPI JSON 文件\n  * 参数： `path` （字符串）\n* **ingest-html** ：提取并分块 HTML 文件\n  * 参数： `path` （字符串）\n* **ingest-html-url** ：从 URL 中提取并分块 HTML 内容（可选择使用 Playwright 来获取动态内容）\n  * 参数： `url` （字符串）、 `dynamic` （布尔值，可选）\n* **smart\\_ingestion** ：使用 Gemini 从文件中提取所有技术相关内容，然后使用强大的 markdown 逻辑对其进行分块。\n  * 参数：\n    * `path` （字符串，必需）：要摄取的文件路径。\n    * `prompt` （字符串，可选）：用于 Gemini 的自定义提示。\n    * `tags` （字符串列表，可选）：用于分类的可选标签列表。\n  * 使用 Gemini 2.0 Flash 001 仅提取代码、配置、markdown 结构和技术定义（无摘要或评论）。\n  * 将提取的内容传递给基于 mistune 3.x 的分块器，该分块器将代码块和 markdown/narrative 内容保存为单独的块。\n  * 每个块都被嵌入并存储以用于语义搜索和检索。\n* **search-chunks** ：对获取的内容进行语义搜索\n  * 参数：\n    * `query` （字符串）：语义搜索查询。\n    * `top_k` （整数，可选，默认值为 3）：要返回的前结果数。\n    * `type` （字符串，可选）：按块类型过滤结果（例如， `code` ， `html` ， `markdown` ）。\n    * `tag` （字符串，可选）：通过块元数据中的标签过滤结果。\n  * 返回给定查询最相关的块，可选择按类型和/或标签进行过滤。\n* **delete-source** ：删除给定源的所有块\n  * 参数： `source` （字符串）\n* **delete-chunk-by-id** ：通过 id 删除一个或多个块\n  * 参数： `id` （整数，可选）、 `ids` （整数列表，可选）\n  * 您可以通过指定`id`删除单个块，或者通过指定`ids`一次删除多个块。\n* **update-chunk-type** ：通过 id 更新块的类型属性\n  * 参数： `id` （整数，必需）、 `type` （字符串，必需）\n* **ingest-batch** ：批量提取和分块多个文档文件（markdown、OpenAPI JSON、Python）\n  * 参数： `paths` （字符串列表）\n* **list-sources** ：列出已摄取并存储在内存中的所有唯一源（文件路径），并可选择按标签或语义搜索进行过滤。\n  * 参数：\n    * `tag` （字符串，可选）：通过块元数据中的标签过滤源。\n    * `query` （字符串，可选）：语义搜索查询以查找相关来源。\n    * `top_k` （整数，可选，默认值为 10）：使用查询时返回的顶级源的数量。\n* **get-context** ：检索相关内容块（仅内容）以用作 AI 上下文，并按标签、类型和语义相似性进行过滤。\n  * 参数：\n    * `query` （字符串，可选）：语义搜索查询。\n    * `tag` （字符串，可选）：通过块元数据中的特定标签过滤结果。\n    * `type` （字符串，可选）：按块类型过滤结果（例如，“代码”，“markdown”）。\n    * `top_k` （整数，可选，默认值为 5）：要检索的顶级相关块的数量。\n* **update-chunk-metadata** ：通过 id 更新块的元数据字段\n  * 参数： `id` （整数）、 `metadata` （对象）\n* **tag-chunks-by-source** ：将指定的标签添加到与给定源（URL 或文件路径）关联的所有块的元数据中。并与现有标签合并。\n  * 参数： `source` （字符串）、 `tags` （字符串列表）\n* **list-notes** ：列出所有当前存储的笔记及其内容。\n\n#### 分块和代码提取\n\n* Markdown、Python、OpenAPI 和 HTML 文件被分成逻辑块，以便高效检索和搜索。\n* markdown chunker 使用 mistune 3.x 的 AST API 和正则表达式通过代码块和叙述稳健地分割内容，保留所有原始格式。\n* 代码块和 markdown/narrative 内容都作为单独的块保存。\n* HTML 分块器首先使用`readability-lxml`库提取主要内容，然后从``标签中提取代码块作为专用的“代码”块。内联``内容仍保留为叙述块的一部分。\n\n#### 语义搜索\n\n* `search-chunks`工具对所有摄取的内容执行基于向量的语义搜索，返回与给定查询最相关的块。\n* 支持可选的`type`和`tag`参数，以便在语义排名之前按块类型（例如， `code` 、 `html` 、 `markdown` ）和/或块元数据中的标签过滤结果。\n* 这使得高度有针对性的检索成为可能，例如“所有标有‘langfuse’且与‘成本和使用情况’相关的代码块”。\n\n#### 元数据管理\n\n* 块包括用于分类和标记的`metadata`字段。\n* `update-chunk-metadata`工具允许通过其 id 更新任何块的元数据。\n* `tag-chunks-by-source`工具允许一次性为来自特定来源的所有区块添加标签。添加标签会将新标签与现有标签合并，并保留旧标签。\n\n## 配置\n\n\\[TODO：添加特定于您的实现的配置详细信息]\n\n## 快速入门\n\n### 安装\n\n#### 克劳德桌面\n\n在 MacOS 上： `~/Library/Application\\ Support/Claude/claude_desktop_config.json`在 Windows 上： `%APPDATA%/Claude/claude_desktop_config.json`\n\n## 发展\n\n### 构建和发布\n\n准备分发包：\n\n1. 同步依赖项并更新锁文件：\n\n```bash\nuv sync\n```\n\n2. 构建软件包分发版：\n\n```bash\nuv build\n```\n\n这将在`dist/`目录中创建源和轮子分布。\n\n3. 发布到 PyPI：\n\n```bash\nuv publish\n```\n\n注意：您需要通过环境变量或命令标志设置 PyPI 凭据：\n\n* 令牌： `--token`或`UV_PUBLISH_TOKEN`\n* 或用户名/密码： `--username` / `UV_PUBLISH_USERNAME`和`--password` / `UV_PUBLISH_PASSWORD`\n\n### 调试\n\n由于 MCP 服务器通过 stdio 运行，调试起来可能比较困难。为了获得最佳调试体验，我们强烈建议使用[MCP Inspector](https://github.com/modelcontextprotocol/inspector) 。\n\n您可以使用以下命令通过[`npm`](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm)启动 MCP Inspector：\n\n```bash\nnpx @modelcontextprotocol/inspector uv --directory /home/administrator/python-share/documentation_library/doc-lib-mcp run doc-lib-mcp\n```\n\n启动后，检查器将显示一个 URL，您可以在浏览器中访问该 URL 以开始调试。","Chinese","zh-CN","githubUser","locale",{"_77":78,"_13":79,"_87":40,"_88":40,"_16":89,"_90":91,"_31":32,"_117":118,"_125":-5,"_126":-5,"_127":128,"_165":166,"_170":-5,"_98":32,"_171":154,"_101":172,"_173":174},"addedAt","2025-04-19T03:01:24.026498Z",[80,81,82,83,84,85,86],"category:rag-systems","category:documentation-access","category:developer-tools","environment:local","hosting:hybrid","language:python","license_grade:f","descriptionMarkdown","descriptionPlainText",5661,"integrations",[92,103,110],{"_93":94,"_29":100,"_101":102},"brand",{"_95":96,"_31":97,"_98":99},"logoSvgPath","M22.27 19.385H1.73A1.73 1.73 0 010 17.655V6.345a1.73 1.73 0 011.73-1.73h20.54A1.73 1.73 0 0124 6.345v11.308a1.73 1.73 0 01-1.73 1.731zM5.769 15.923v-4.5l2.308 2.885 2.307-2.885v4.5h2.308V8.078h-2.308l-2.307 2.885-2.308-2.885H3.46v7.847zM21.232 12h-2.309V8.077h-2.307V12h-2.308l3.461 4.039z","Markdown","slug","markdown","Allows ingesting and chunking Markdown files for semantic search and retrieval","uid","wnu6683tc0",{"_93":104,"_29":108,"_101":109},{"_95":105,"_31":106,"_98":107},"M23.922 13.58v3.912L20.55 18.72l-.078.055.052.037 3.45-1.256.026-.036v-3.997l-.053-.036-.025.092z M23.621 5.618l-3.04 1.107v3.912l3.339-1.215V5.509zM23.92 13.457V9.544l-3.336 1.215v3.913zM20.47 14.71V10.8L17.17 12v3.913zM17.034 19.996v-3.912l-3.313 1.206v3.912zM17.17 16.057v3.868l3.314-1.206V14.85l-3.314 1.206zm2.093 1.882c-.367.134-.663-.074-.663-.463s.296-.814.663-.947c.365-.133.662.075.662.464s-.297.814-.662.946z M13.225 9.315l.365-.132-3.285-1.197-3.323 1.21.102.037 3.184 1.16zM20.507 10.664V6.751L17.17 7.965v3.913zM17.058 11.918V8.005l-3.302 1.202v3.912zM13.643 9.246l-3.336 1.215v3.913l3.336-1.215zM6.907 13.165l3.322 1.209v-3.913L6.907 9.252z M10.34 7.873l3.281 1.193V5.198l-3.28-1.193zM20.507 2.715L17.19 3.922v3.913l3.317-1.207zM16.95 3.903L13.724 2.73l-3.269 1.19 3.225 1.174zM15.365 4.606l-1.624.592v3.868l3.317-1.207V3.991l-1.693.615zm-.391 2.778c-.367.134-.662-.074-.662-.464s.295-.813.662-.946c.366-.133.663.074.663.464s-.297.813-.663.946z M10.229 18.41v-3.914l-3.322-1.209V17.2zM13.678 17.182v-3.913l-3.371 1.227v3.913z M13.756 17.154l3.3-1.2V12.04l-3.3 1.2zM13.678 21.217l-3.371 1.227v-3.912h-.078v3.912l-3.322-1.209v-3.913l-.053-.058-.025-.06-3.336-1.21v-3.948l.034.013 3.287 1.196.015-.078-3.261-1.187 3.26-1.187v-.109L3.876 9.62l-.307-.112 3.26-1.188v.877l.079-.055V6.769l3.257 1.185.058-.061L7.084 6.75l-.102-.037 3.24-1.179v-.083L6.854 6.677v.018l-.025.018v1.523L3.44 9.47v.02l-.025.017v4.007l-3.39 1.233v.019L0 14.784v3.995l.025.037 3.4 1.237.008-.006.007.01 3.4 1.238.008-.006.006.01 3.4 1.237.014-.009.012.01 3.45-1.256.026-.037-.078-.027zM3.493 9.563l3.257 1.185-3.257 1.187V9.562zM3.4 19.96L.078 18.752v-3.913l2.361.86.96.349v3.913zm.015-3.99L.335 14.85l-.182-.066 3.262-1.187v2.374zm3.399 5.231l-3.321-1.209v-3.912l3.321 1.209v3.912zM23.791 5.434l-3.21-1.17v2.338zM20.387 2.643l-3.24-1.18-3.27 1.19 3.247 1.182z","PyPI","pypi","Supports publishing the MCP server package to PyPI for distribution","4pt08su987",{"_93":111,"_29":115,"_101":116},{"_95":112,"_31":113,"_98":114},"M14.25.18l.9.2.73.26.59.3.45.32.34.34.25.34.16.33.1.3.04.26.02.2-.01.13V8.5l-.05.63-.13.55-.21.46-.26.38-.3.31-.33.25-.35.19-.35.14-.33.1-.3.07-.26.04-.21.02H8.77l-.69.05-.59.14-.5.22-.41.27-.33.32-.27.35-.2.36-.15.37-.1.35-.07.32-.04.27-.02.21v3.06H3.17l-.21-.03-.28-.07-.32-.12-.35-.18-.36-.26-.36-.36-.35-.46-.32-.59-.28-.73-.21-.88-.14-1.05-.05-1.23.06-1.22.16-1.04.24-.87.32-.71.36-.57.4-.44.42-.33.42-.24.4-.16.36-.1.32-.05.24-.01h.16l.06.01h8.16v-.83H6.18l-.01-2.75-.02-.37.05-.34.11-.31.17-.28.25-.26.31-.23.38-.2.44-.18.51-.15.58-.12.64-.1.71-.06.77-.04.84-.02 1.27.05zm-6.3 1.98l-.23.33-.08.41.08.41.23.34.33.22.41.09.41-.09.33-.22.23-.34.08-.41-.08-.41-.23-.33-.33-.22-.41-.09-.41.09zm13.09 3.95l.28.06.32.12.35.18.36.27.36.35.35.47.32.59.28.73.21.88.14 1.04.05 1.23-.06 1.23-.16 1.04-.24.86-.32.71-.36.57-.4.45-.42.33-.42.24-.4.16-.36.09-.32.05-.24.02-.16-.01h-8.22v.82h5.84l.01 2.76.02.36-.05.34-.11.31-.17.29-.25.25-.31.24-.38.2-.44.17-.51.15-.58.13-.64.09-.71.07-.77.04-.84.01-1.27-.04-1.07-.14-.9-.2-.73-.25-.59-.3-.45-.33-.34-.34-.25-.34-.16-.33-.1-.3-.04-.25-.02-.2.01-.13v-5.34l.05-.64.13-.54.21-.46.26-.38.3-.32.33-.24.35-.2.35-.14.33-.1.3-.06.26-.04.21-.02.13-.01h5.84l.69-.05.59-.14.5-.21.41-.28.33-.32.27-.35.2-.36.15-.36.1-.35.07-.32.04-.28.02-.21V6.07h2.09l.14.01zm-6.47 14.25l-.23.33-.08.41.08.41.23.33.33.23.41.08.41-.08.33-.23.23-.33.08-.41-.08-.41-.23-.33-.33-.23-.41-.08-.41.08z","Python","python","Supports ingesting and chunking Python source files for code-aware semantic search","syzodca7nv","namespace",{"_119":120,"_98":124},"owner",{"_121":122},"githubAccount",{"_123":124},"login","shifusen329","readmeMarkdown","redditPostExternalId","repository",{"_129":130,"_137":138,"_141":142,"_157":-5,"_158":159,"_160":-5,"_161":162},"argumentsJsonSchema",{"_131":132,"_133":134,"_135":136},"properties",{},"required",[],"type","object","githubProject",{"_33":41,"_139":140},"url","https://github.com/shifusen329/doc-lib-mcp","githubRepository",{"_143":144,"_145":146,"_147":148,"_16":149,"_150":113,"_31":32,"_119":151,"_153":154,"_155":-5,"_156":154},"defaultBranch","main","fullName","shifusen329/doc-lib-mcp","githubTreeId",302295,10555,"language",{"_123":124,"_101":152},"8JF5aSBuSY","recentStargazers",0,"spdxLicense","stargazers","glamaJson","inspectable",false,"npmPackage","supportedPlatforms",[163,164],"MACOS","WINDOWS","scores",{"_167":154,"_168":-5,"_169":-5},"license","quality","security","simpleIcon","toolCount","ez7pgyi38q","updatedAt","2025-10-01T16:32:07.329170Z","meta",[177,180,182,189,192,194,197,200,203,206,209,211,214,217,219,221,223,225,227],{"_178":179},"title","doc-lib-mcp | Glama",{"_181":40,"_31":29},"content",{"_183":184,"_185":186,"_187":188},"href","https://glama.ai/mcp/servers/@shifusen329/doc-lib-mcp","rel","canonical","tagName","link",{"_181":32,"_190":191},"property","og:title",{"_181":40,"_190":193},"og:description",{"_181":195,"_190":196},"https://glama.ai/logo.png","og:logo",{"_181":198,"_190":199},"https://glama.ai/mcp/servers/@shifusen329/doc-lib-mcp/og-image","og:image",{"_181":201,"_190":202},"630","og:image:height",{"_181":204,"_190":205},"1200","og:image:width",{"_181":207,"_190":208},"website","og:type",{"_181":184,"_190":210},"og:url",{"_181":212,"_190":213},"Glama – MCP Hosting Platform","og:site_name",{"_181":215,"_31":216},"summary_large_image","twitter:card",{"_181":212,"_31":218},"twitter:title",{"_181":40,"_31":220},"twitter:description",{"_181":198,"_31":222},"twitter:image",{"_181":201,"_31":224},"twitter:image:height",{"_181":204,"_31":226},"twitter:image:width",{"_228":229},"script:ld+json",{"_230":231,"_232":233},"@context","http://schema.org","@graph",[234],{"_230":235,"_236":237,"_238":239},"https://schema.org","@type","BreadcrumbList","itemListElement",[240,247,251,255],{"_236":241,"_242":243,"_31":244,"_245":246},"ListItem","item","/","Glama","position",1,{"_236":241,"_242":248,"_31":249,"_245":250},"/mcp","MCP",2,{"_236":241,"_242":252,"_31":253,"_245":254},"/mcp/servers","Servers",3,{"_236":241,"_242":256,"_31":32,"_245":257},"/mcp/servers/@shifusen329/doc-lib-mcp",4,"visitorIsMaintainer","routes/_public/mcp/servers/~namespace/~slug/_pages/_explorer/blob/~commit/~/_route",{"_261":262,"_27":268,"_289":290,"_175":302,"_299":326,"_327":328},"blob",{"_181":263,"_264":265,"_266":267},"HOST=localhost\nDB_PORT=5432\nDB_NAME=docsdb\nDB_USER=docsdb_user\nDB_PASSWORD=docsdb_password\n\nOLLAMA_HOST=localhost\nOLLAMA_MODEL=nomic-embed-text-v1.5-F16\n","fileName",".env.example","size",153,{"_77":78,"_13":269,"_87":40,"_88":40,"_16":89,"_90":270,"_31":32,"_117":277,"_125":-5,"_126":-5,"_127":280,"_165":288,"_170":-5,"_98":32,"_171":154,"_101":172,"_173":174},[80,81,82,83,84,85,86],[271,273,275],{"_93":272,"_29":100,"_101":102},{"_95":96,"_31":97,"_98":99},{"_93":274,"_29":108,"_101":109},{"_95":105,"_31":106,"_98":107},{"_93":276,"_29":115,"_101":116},{"_95":112,"_31":113,"_98":114},{"_119":278,"_98":124},{"_121":279},{"_123":124},{"_129":281,"_137":284,"_141":285,"_157":-5,"_158":159,"_160":-5,"_161":287},{"_131":282,"_133":283,"_135":136},{},[],{"_33":41,"_139":140},{"_143":144,"_145":146,"_147":148,"_16":149,"_150":113,"_31":32,"_119":286,"_153":154,"_155":-5,"_156":154},{"_123":124,"_101":152},[163,164],{"_167":154,"_168":-5,"_169":-5},"member",{"_291":292,"_295":296,"_297":265,"_147":148,"_298":159,"_299":265,"_300":301,"_266":267,"_135":261},"commit",{"_293":294},"sha","4e98d6330d7c8bd93d020bdb9ed52d5b47a8367d","contentStoredObjectPointerId",10423900,"fullPath","indexable","path","safeToDisplayAsText",true,[303,305,307,309,311,312,313,315,316,317,318,319,320,321,322,323,324,325],{"_178":304},".env.example | doc-lib-mcp | Glama",{"_181":306,"_31":29},"Enterprise-grade security, privacy, and features like agents, MCP, prompt templates, and more.",{"_183":308,"_185":186,"_187":188},"https://glama.ai/mcp/servers/@shifusen329/doc-lib-mcp/blob/4e98d6330d7c8bd93d020bdb9ed52d5b47a8367d/",{"_181":310,"_190":191},".env.example | doc-lib-mcp",{"_181":306,"_190":193},{"_181":195,"_190":196},{"_181":314,"_190":199},"https://glama.ai/generated-images/og?title=.env.example+%7C+doc-lib-mcp",{"_181":201,"_190":202},{"_181":204,"_190":205},{"_181":207,"_190":208},{"_181":308,"_190":210},{"_181":212,"_190":213},{"_181":215,"_31":216},{"_181":212,"_31":218},{"_181":306,"_31":220},{"_181":314,"_31":222},{"_181":201,"_31":224},{"_181":204,"_31":226},"","treeMembers",[329,333,335,338,341,344,347,350,353],{"_291":330,"_297":331,"_299":331,"_135":332},{"_293":294},"src","tree",{"_291":334,"_297":265,"_299":265,"_135":261},{"_293":294},{"_291":336,"_297":337,"_299":337,"_135":261},{"_293":294},"gemma3-fintuning.md",{"_291":339,"_297":340,"_299":340,"_135":261},{"_293":294},".gitignore",{"_291":342,"_297":343,"_299":343,"_135":261},{"_293":294},"pyproject.toml",{"_291":345,"_297":346,"_299":346,"_135":261},{"_293":294},".python-version",{"_291":348,"_297":349,"_299":349,"_135":261},{"_293":294},"README.md",{"_291":351,"_297":352,"_299":352,"_135":261},{"_293":294},"requirements.txt",{"_291":354,"_297":355,"_299":355,"_135":261},{"_293":294},"uv.lock","actionData","errors"]
MCP directory API
