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。

mcpdoc

Related MCP server: mcp-browser-use

快速入门

安装 uv

请参阅官方 uv 文档以了解安装uv的其他方法。

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。

（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 \ --transport sse \ --port 8082 \ --host localhost

这应该在以下位置运行： http://localhost:8082

截图于 2025-03-18 下午 3 点 29 分 30 秒

运行MCP 检查器并连接到正在运行的服务器：

npx @modelcontextprotocol/inspector

截图于 2025-03-18 下午 3 点 30 分

在这里，您可以测试tool调用。

连接到光标

打开Cursor Settings和MCP选项卡。
这将打开~/.cursor/mcp.json文件。

截图于 2025-03-19 上午 11:01:31

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", "--transport", "stdio", "--port", "8081", "--host", "localhost" ] } } }

确认服务器正在Cursor Settings/MCP选项卡中运行。
CMD+L （在 Mac 上）打开聊天。
确保已选择agent 。

截图于 2025-03-18 下午 1 点 56 分 54 秒

然后，尝试示例提示，例如：

use the langgraph-docs-mcp server to answer any LangGraph questions -- + 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 what are types of memory in LangGraph?

截图于 2025-03-18 下午 1 点 58 分 38 秒

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。

截图于 2025-03-19 上午 11:02:52

CMD+L （在 Mac 上）打开 Cascade 并刷新 MCP 服务器。
可用的 MCP 服务器将被列出，并显示langgraph-docs-mcp已连接。

截图于 2025-03-18 下午 2:02

然后，尝试示例提示：

它将执行您的工具调用。

截图于 2025-03-18 下午 2 点 03 分 07 秒

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。

截图于 2025-03-18 下午 2 点 05 分 54 秒

您将在聊天输入的右下角看到您的工具。

截图于 2025-03-18 下午 2 点 05 分 39 秒

然后，尝试示例提示：

在处理您的请求时，它会要求批准工具调用。

截图于 2025-03-18 下午 2 点 06 分 54 秒

连接到克劳德代码

安装Claude Code后，在终端中运行此命令将 MCP 服务器添加到您的项目中：

claude mcp add-json langgraph-docs '{"type":"stdio","command":"uvx" ,"args":["--from", "mcpdoc", "mcpdoc", "--urls", "langgraph:https://langchain-ai.github.io/langgraph/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：

$ Claude $ /mcp

截图于 2025-03-18 下午 2 点 13 分 49 秒

然后，尝试示例提示：

它将要求批准工具调用。

截图于 2025-03-18 下午 2 点 14 分 37 秒

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。
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

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 https://langchain-ai.github.io/langgraph/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")

MCP LLMS-TXT Documentation Server

MCP LLMS-TXT文档服务器

概述