[{"_1":2,"_307":-5,"_308":-5},"loaderData",{"_3":4,"_22":23,"_24":25,"_253":254},"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",7058884,"membership","referenceId","01971406-43e3-74e8-b880-2f000258007a","userAccount","routes/_public/_layout",{},"routes/_public/mcp/servers/~namespace/~slug/_pages/_layout",{"_26":27,"_78":-5,"_79":40,"_29":80,"_171":172,"_252":132},"availableLocales",[28,40,46,52,58,65,71],{"_29":30,"_33":37,"_38":39},"mcpServer",{"_31":32,"_33":34,"_35":36},"description","Ein MCP-Server, der es LLMs ermöglicht, TypeScript-APIs zu verstehen und damit zu arbeiten, für die sie nicht geschult wurden, indem er strukturierten Zugriff auf TypeScript-Typdefinitionen und -Dokumentation bietet.","name","MCP-Typescribe","readme","[![npm-Version](https://img.shields.io/npm/v/mcp-typescribe.svg)](https://www.npmjs.com/package/mcp-typescribe)\n\n# MCP-Typescribe – ein MCP-Server, der LLMs-API-Informationen bereitstellt\n\n## Das Problem\n\nLarge Language Models (LLMs) haben enorme Fortschritte bei der Codegenerierung und der Entwicklerproduktivität erzielt. Sie haben jedoch eine wesentliche Einschränkung: Sie können nur APIs und Bibliotheken zuverlässig nutzen, die sie während des Trainings kennengelernt haben. Dies führt zu Engpässen bei der Einführung neuer Tools, SDKs oder interner APIs – LLMs wissen einfach nicht, wie sie diese effektiv nutzen können.\n\nTools können zwar Zugriff auf den Quellcode (bei der Interaktion mit APIs, deren Quellcode verfügbar ist) oder auf Dokumentationsdateien (z. B. Typescript-Typdefinitionsdateien) erhalten, dies ist jedoch für große APIs nicht gut skalierbar. LLMs benötigen eine effizientere Möglichkeit, mehr über eine API zu erfahren. Die gesamte Dokumentation für jede Anfrage in den Kontext zu stellen, ist ineffizient, nicht praktikabel und führt zu schlechten Ergebnissen.\n\n## Infolge:\n\nGrößere neue oder interne APIs bleiben für LLMs „unsichtbar“.\n\nEntwickler müssen LLMs manuell anleiten oder Anwendungsbeispiele bereitstellen.\n\nInnovationen werden durch die Verzögerung zwischen der Veröffentlichung einer API und ihrem breiten Verständnis durch KI-Tools gebremst.\n\n## Die Idee\n\nDieses Projekt ist eine Open-Source-Implementierung des Model Context Protocol (MCP) – ein Protokoll, das LLMs kontextbezogenen Echtzeitzugriff auf Informationen ermöglicht. In diesem Fall handelt es sich um die API-Dokumentation und insbesondere um TypeScript-Definitionen.\n\n## Unser Ziel ist:\n\nAnalysieren Sie TypeScript-Definitionen (und andere) in ein maschinenlesbares Format.\n\nStellen Sie diesen Kontext LLMs dynamisch über Tools wie Claude, Cline, Cursor oder Windsurf und andere benutzerdefinierte Schnittstellen zur Verfügung.\n\nErmöglichen Sie agentenbasiertes Verhalten, indem Sie LLMs Abfragen, Planungen und Anpassungen an unbekannte APIs ohne erneute Schulung ermöglichen.\n\n## Was dies ermöglicht\n\nPlug-and-Play-API-Unterstützung für LLM-basierte Codierassistenten.\n\nSchnelleres Onboarding für neue oder proprietäre SDKs.\n\nEin Schritt in Richtung autonomerer, kontextbewusster Codieragenten.\n\n## Projektübersicht\n\n![Bild](docs/screenshot.png)\n\nDieses Projekt ermöglicht KI-Agenten, unbekannte TypeScript-APIs effizient zu erkunden und zu verstehen. Es lädt TypeDoc-generierte JSON-Dokumentation und stellt sie über eine Reihe von Abfrageendpunkten bereit. So können Agenten nach Symbolen suchen, detaillierte Informationen zu bestimmten Teilen der API abrufen und die Beziehungen zwischen verschiedenen Komponenten verstehen.\n\n## Aktuelle Funktionen\n\n* **TypeDoc-Integration** : Lädt und indiziert TypeDoc-JSON-Dokumentation für effiziente Abfragen\n* **Umfassende Abfragefunktionen** : Bietet eine breite Palette an Tools zum Erkunden von TypeScript-APIs\n* **MCP-Protokoll** : Befolgt das Model Context Protocol für eine nahtlose Integration mit KI-Agenten\n\n## Abfragefunktionen\n\nDer Server stellt die folgenden Tools zum Abfragen der API bereit:\n\n* `search_symbols` : Suchen Sie Symbole nach Namen mit optionaler Filterung nach Art\n* `get_symbol_details` : Erhalten Sie detaillierte Informationen zu einem bestimmten Symbol\n* `list_members` : Listen Sie Methoden und Eigenschaften einer Klasse oder Schnittstelle auf\n* `get_parameter_info` : Informationen zu Funktionsparametern abrufen\n* `find_implementations` : Findet Implementierungen von Schnittstellen oder Unterklassen\n* `search_by_return_type` : Findet Funktionen, die einen bestimmten Typ zurückgeben\n* `search_by_description` : Suche in JSDoc-Kommentaren\n* `get_type_hierarchy` : Vererbungsbeziehungen anzeigen\n* `find_usages` : Finden Sie heraus, wo ein Typ/eine Funktion verwendet wird\n\n## Erste Schritte\n\n### Voraussetzungen\n\n* Node.js\n* npm\n\n### Installation\n\n1. Klonen Sie das Repository\n\n2. Installieren Sie Abhängigkeiten:\n\n ```bash\n npm install\n ```\n\n### Verwendung\n\n1. Generieren Sie TypeDoc JSON für Ihre TypeScript-API:\n\n ```bash\n npx typedoc --json docs/api.json --entryPointStrategy expand path/to/your/typescript/files\n ```\n\n Wenn Sie (nur) eine vorhandene `.d.ts` Datei haben, können Sie eine API-JSON-Datei wie folgt erstellen:\n\n Erstellen Sie eine separate `tsconfig.docs.json` :\n\n ```json\n {\n \"extends\": \"./tsconfig.json\",\n \"files\": [\"existing.d.ts\"],\n \"typedocOptions\": {\n \"entryPoints\": [\"existing.d.ts\"],\n \"json\": \"docs/api.json\",\n \"pretty\": false\n }\n }\n ```\n\n Dann\n\n ```bash\n npx typedoc --tsconfig tsconfig.docs.json\n ```\n\n2. Erstellen Sie das Projekt:\n\n ```bash\n npm run build\n ```\n\n3. Erkunden Sie den MCP-Server:\n\n ```bash\n npx @modelcontextprotocol/inspector node ./dist/mcp-server/cli.js run-server docs/api.json\n ```\n\n4. Verbinden Sie einen KI-Agenten mit dem Server, um die API abzufragen\n\n Geben Sie beispielsweise mit cline in VSCode den folgenden MCP-Server in `cline_mcp_settings.json` an:\n\n ```json\n {\n \"mcpServers\": {\n \"typescribe\": {\n \"command\": \"npx\",\n \"args\": [\n \"-y\",\n \"mcp-typescribe@latest\",\n \"run-server\",\n \"\"\n ],\n \"env\": {}\n }\n }\n }\n ```\n\n5. Aktivieren Sie den Server und lassen Sie die verschiedenen Tools automatisch genehmigen. Weisen Sie den Agenten an, das Tool „Typescribe“ zu verwenden, um mehr über Ihre API zu erfahren.\n\n## Projektstruktur\n\n* `src/sample-api/` : Eine TypeScript-Beispiel-API zum Testen – sie verwendet einen seltsamen, deutschähnlichen Dialekt für die API-Namen, um zu testen, dass das LLM die API nicht halluziniert\n* `src/mcp-server/` : Die MCP-Server-Implementierung\n * `utils/` : Hilfsfunktionen\n * `schemas/` : JSON-Schemas für die MCP-Tools\n * `core/` : Kernfunktionalität\n * `server.ts` : Die MCP-Serverimplementierung\n * `index.ts` : Einstiegspunkt für die Bibliotheksexporte\n * `cli.ts` : der Einstiegspunkt für die CLI/Binärdatei\n* `tests/` : Tests für die API-Funktionalität\n\n## Entwicklung\n\n### Ausführen von Tests\n\n```bash\nnpm test\n```\n\n### Gebäude\n\n```bash\nnpm run build\n```\n\n## Lizenz\n\nMIT\n\nCopyright 2025 yWorks GmbH - ","German","tag","de-DE",{"_29":41,"_33":44,"_38":45},{"_31":42,"_33":34,"_35":43},"An MCP server that enables LLMs to understand and work with TypeScript APIs they haven't been trained on by providing structured access to TypeScript type definitions and documentation.","[![npm version](https://img.shields.io/npm/v/mcp-typescribe.svg)](https://www.npmjs.com/package/mcp-typescribe)\n\n# MCP-Typescribe - an MCP Server providing LLMs API information\n\n## The Problem\n\nLarge Language Models (LLMs) have made incredible strides in code generation and developer productivity. However, they face a key limitation: they can only reliably use APIs and libraries they’ve seen during training. This creates a bottleneck for adopting new tools, SDKs, or internal APIs — LLMs simply don’t know how to use them effectively.\n\nWhile tools can be given source code access (when interacting with APIs for which the sources are available) or access to documentation files (e.g. typescript type definition files), this doesn't scale well for large APIs. LLMs need a more efficient way to learn more about an API. Putting all the documentation into context for every request is inefficient, unfeasible, and leads to poor results.\n\n## As a result:\n\nLarger new or internal APIs remain \"invisible\" to LLMs.\n\nDevelopers must manually guide LLMs or provide example usage.\n\nInnovation is slowed by the lag between an API’s release and its widespread understanding by AI tools.\n\n## The Idea\n\nThis project is an open-source implementation of the Model Context Protocol (MCP)—a protocol designed to provide LLMs with contextual, real-time access to information. In this case it's the API documentation, and particularly for now in this project TypeScript definitions.\n\n## Our goal is to:\n\nParse TypeScript (and other) definitions into a machine-readable format.\n\nServe this context dynamically to LLMs through tools like Claude, Cline, Cursor, or Windsurf and other custom interfaces.\n\nEnable agentic behavior by letting LLMs query, plan, and adapt to unfamiliar APIs without retraining.\n\n## What This Enables\n\nPlug-and-play API support for LLM-based coding assistants.\n\nFaster onboarding for new or proprietary SDKs.\n\nA step toward more autonomous, context-aware coding agents.\n\n## Project Overview\n\n![Image](docs/screenshot.png)\n\nThis project provides a way for AI agents to efficiently explore and understand unknown TypeScript APIs. It loads TypeDoc-generated JSON documentation and exposes it through a set of query endpoints that allow agents to search for symbols, get detailed information about specific parts of the API, and understand relationships between different components.\n\n## Current Features\n\n- **TypeDoc Integration**: Loads and indexes TypeDoc JSON documentation for efficient querying\n- **Comprehensive Query Capabilities**: Provides a wide range of tools for exploring TypeScript APIs\n- **MCP Protocol**: Follows the Model Context Protocol for seamless integration with AI agents\n\n## Query Capabilities\n\nThe server provides the following tools for querying the API:\n\n- `search_symbols`: Find symbols by name with optional filtering by kind\n- `get_symbol_details`: Get detailed information about a specific symbol\n- `list_members`: List methods and properties of a class or interface\n- `get_parameter_info`: Get information about function parameters\n- `find_implementations`: Find implementations of interfaces or subclasses\n- `search_by_return_type`: Find functions returning a specific type\n- `search_by_description`: Search in JSDoc comments\n- `get_type_hierarchy`: Show inheritance relationships\n- `find_usages`: Find where a type/function is used\n\n## Getting Started\n\n### Prerequisites\n\n- Node.js\n- npm\n\n### Installation\n\n1. Clone the repository\n2. Install dependencies:\n ```bash\n npm install\n ```\n\n### Usage\n\n1. Generate TypeDoc JSON for your TypeScript API:\n\n ```bash\n npx typedoc --json docs/api.json --entryPointStrategy expand path/to/your/typescript/files\n ```\n\n If you (only) have an existing`.d.ts` file, you can create an api json file like so:\n\n Create a separate `tsconfig.docs.json`:\n\n ```json\n {\n \"extends\": \"./tsconfig.json\",\n \"files\": [\"existing.d.ts\"],\n \"typedocOptions\": {\n \"entryPoints\": [\"existing.d.ts\"],\n \"json\": \"docs/api.json\",\n \"pretty\": false\n }\n }\n ```\n\n Then do\n\n ```bash\n npx typedoc --tsconfig tsconfig.docs.json\n ```\n\n2. Build the project:\n\n ```bash\n npm run build\n ```\n\n3. Explore the MCP server:\n\n ```bash\n npx @modelcontextprotocol/inspector node ./dist/mcp-server/cli.js run-server docs/api.json\n ```\n\n4. Connect an AI agent to the server to query the API\n\n E.g. with cline in VSCode, specify the following MCP server in `cline_mcp_settings.json`:\n\n ```json\n {\n \"mcpServers\": {\n \"typescribe\": {\n \"command\": \"npx\",\n \"args\": [\n \"-y\",\n \"mcp-typescribe@latest\",\n \"run-server\",\n \"\"\n ],\n \"env\": {}\n }\n }\n }\n ```\n\n5. Enable the server and likely auto-approve the various tools. Tell the agent to use the \"typescribe\" tool to learn about your API.\n\n## Project Structure\n\n- `src/sample-api/`: A sample TypeScript API for testing - it uses a weird German-like dialect for the API names to test that the LLM does not hallucinate the API\n- `src/mcp-server/`: The MCP server implementation\n - `utils/`: Utility functions\n - `schemas/`: JSON schemas for the MCP tools\n - `core/`: Core functionality\n - `server.ts`: The MCP server implementation\n - `index.ts`: Entry point for the library exports\n - `cli.ts`: the entry point for the CLI/binary\n- `tests/`: Tests for the API functionality\n\n## Development\n\n### Running Tests\n\n```bash\nnpm test\n```\n\n### Building\n\n```bash\nnpm run build\n```\n\n## License\n\nMIT\n\nCopyright 2025 yWorks GmbH - https://www.yworks.com\n","English","en-US",{"_29":47,"_33":50,"_38":51},{"_31":48,"_33":34,"_35":49},"Un servidor MCP que permite a los LLM comprender y trabajar con API de TypeScript en las que no han recibido capacitación, brindándoles acceso estructurado a las definiciones y la documentación de tipos de TypeScript.","[![versión npm](https://img.shields.io/npm/v/mcp-typescribe.svg)](https://www.npmjs.com/package/mcp-typescribe)\n\n# MCP-Typescribe: un servidor MCP que proporciona información de API de LLM\n\n## El problema\n\nLos Modelos de Lenguaje Grandes (LLM) han logrado avances increíbles en la generación de código y la productividad de los desarrolladores. Sin embargo, se enfrentan a una limitación clave: solo pueden usar de forma fiable las API y bibliotecas que han visto durante el entrenamiento. Esto crea un cuello de botella para la adopción de nuevas herramientas, SDK o API internas; los LLM simplemente no saben cómo utilizarlos eficazmente.\n\nSi bien se puede otorgar a las herramientas acceso al código fuente (al interactuar con APIs cuyas fuentes están disponibles) o a archivos de documentación (por ejemplo, archivos de definición de tipos de TypeScript), esto no es escalable para APIs grandes. Los LLM necesitan una forma más eficiente de aprender más sobre una API. Contextualizar toda la documentación para cada solicitud es ineficiente, inviable y genera malos resultados.\n\n## Como resultado:\n\nLas API nuevas o internas de mayor tamaño permanecen \"invisibles\" para los LLM.\n\nLos desarrolladores deben guiar manualmente los LLM o proporcionar ejemplos de uso.\n\nLa innovación se ve frenada por el retraso entre el lanzamiento de una API y su comprensión generalizada por parte de las herramientas de IA.\n\n## La idea\n\nEste proyecto es una implementación de código abierto del Protocolo de Contexto de Modelo (MCP), un protocolo diseñado para proporcionar a los LLM acceso contextual y en tiempo real a la información. En este caso, se trata de la documentación de la API y, por ahora, en este proyecto, de las definiciones de TypeScript.\n\n## Nuestro objetivo es:\n\nAnalizar definiciones de TypeScript (y otras) en un formato legible por máquina.\n\nOfrezca este contexto de forma dinámica a los LLM a través de herramientas como Claude, Cline, Cursor o Windsurf y otras interfaces personalizadas.\n\nHabilite el comportamiento agente permitiendo que los LLM consulten, planifiquen y se adapten a API desconocidas sin necesidad de volver a capacitarse.\n\n## Lo que esto permite\n\nCompatibilidad con API plug-and-play para asistentes de codificación basados en LLM.\n\nIncorporación más rápida para SDK nuevos o propietarios.\n\nUn paso hacia agentes de codificación más autónomos y conscientes del contexto.\n\n## Descripción general del proyecto\n\n![Imagen](docs/screenshot.png)\n\nEste proyecto permite a los agentes de IA explorar y comprender eficientemente APIs de TypeScript desconocidas. Carga documentación JSON generada por TypeDoc y la expone mediante un conjunto de puntos de consulta que permiten a los agentes buscar símbolos, obtener información detallada sobre partes específicas de la API y comprender las relaciones entre los diferentes componentes.\n\n## Características actuales\n\n* **Integración con TypeDoc** : carga e indexa la documentación JSON de TypeDoc para realizar consultas eficientes\n* **Capacidades de consulta integrales** : proporciona una amplia gama de herramientas para explorar las API de TypeScript\n* **Protocolo MCP** : sigue el protocolo de contexto del modelo para una integración perfecta con agentes de IA\n\n## Capacidades de consulta\n\nEl servidor proporciona las siguientes herramientas para consultar la API:\n\n* `search_symbols` : busca símbolos por nombre con filtrado opcional por tipo\n* `get_symbol_details` : Obtener información detallada sobre un símbolo específico\n* `list_members` : enumera los métodos y propiedades de una clase o interfaz\n* `get_parameter_info` : Obtener información sobre los parámetros de la función\n* `find_implementations` : Encuentra implementaciones de interfaces o subclases\n* `search_by_return_type` : busca funciones que devuelvan un tipo específico\n* `search_by_description` : Buscar en los comentarios de JSDoc\n* `get_type_hierarchy` : Mostrar relaciones de herencia\n* `find_usages` : Encuentra dónde se utiliza un tipo/función\n\n## Empezando\n\n### Prerrequisitos\n\n* Node.js\n* npm\n\n### Instalación\n\n1. Clonar el repositorio\n\n2. Instalar dependencias:\n\n ```bash\n npm install\n ```\n\n### Uso\n\n1. Genere JSON de TypeDoc para su API de TypeScript:\n\n ```bash\n npx typedoc --json docs/api.json --entryPointStrategy expand path/to/your/typescript/files\n ```\n\n Si (solo) tiene un archivo `.d.ts` existente, puede crear un archivo json de API de la siguiente manera:\n\n Cree un `tsconfig.docs.json` separado:\n\n ```json\n {\n \"extends\": \"./tsconfig.json\",\n \"files\": [\"existing.d.ts\"],\n \"typedocOptions\": {\n \"entryPoints\": [\"existing.d.ts\"],\n \"json\": \"docs/api.json\",\n \"pretty\": false\n }\n }\n ```\n\n Entonces hazlo\n\n ```bash\n npx typedoc --tsconfig tsconfig.docs.json\n ```\n\n2. Construir el proyecto:\n\n ```bash\n npm run build\n ```\n\n3. Explorar el servidor MCP:\n\n ```bash\n npx @modelcontextprotocol/inspector node ./dist/mcp-server/cli.js run-server docs/api.json\n ```\n\n4. Conecte un agente de IA al servidor para consultar la API\n\n Por ejemplo, con cline en VSCode, especifique el siguiente servidor MCP en `cline_mcp_settings.json` :\n\n ```json\n {\n \"mcpServers\": {\n \"typescribe\": {\n \"command\": \"npx\",\n \"args\": [\n \"-y\",\n \"mcp-typescribe@latest\",\n \"run-server\",\n \"\"\n ],\n \"env\": {}\n }\n }\n }\n ```\n\n5. Habilite el servidor y probablemente apruebe automáticamente las distintas herramientas. Indique al agente que use la herramienta \"typescribe\" para conocer su API.\n\n## Estructura del proyecto\n\n* `src/sample-api/` : Una API de TypeScript de muestra para pruebas: utiliza un dialecto extraño similar al alemán para los nombres de la API para probar que el LLM no alucina la API\n* `src/mcp-server/` : La implementación del servidor MCP\n * `utils/` : Funciones de utilidad\n * `schemas/` : esquemas JSON para las herramientas MCP\n * `core/` : Funcionalidad principal\n * `server.ts` : La implementación del servidor MCP\n * `index.ts` : Punto de entrada para las exportaciones de la biblioteca\n * `cli.ts` : el punto de entrada para CLI/binario\n* `tests/` : Pruebas para la funcionalidad de la API\n\n## Desarrollo\n\n### Ejecución de pruebas\n\n```bash\nnpm test\n```\n\n### Edificio\n\n```bash\nnpm run build\n```\n\n## Licencia\n\nInstituto Tecnológico de Massachusetts (MIT)\n\nDerechos de autor 2025 yWorks GmbH - ","Spanish","es-ES",{"_29":53,"_33":56,"_38":57},{"_31":54,"_33":34,"_35":55},"TypeScript 型定義とドキュメントへの構��化されたアクセスを提供することで、LLM がトレーニングを受けていない TypeScript API を理解して操作できるようにする MCP サーバー。","[![npmバージョン](https://img.shields.io/npm/v/mcp-typescribe.svg)](https://www.npmjs.com/package/mcp-typescribe)\n\n# MCP-Typescribe - LLM API情報を提供するMCPサーバー\n\n## 問題\n\n大規模言語モデル（LLM）は、コード生成と開発者の生産性において驚異的な進歩を遂げてきました。しかし、LLMには重要な制約があります。それは、学習中に確認したAPIとライブラリしか確実に使用できないという点です。この制約により、新しいツール、SDK、または内部APIを導入する際のボトルネックが生じます。LLMは、それらを効果的に使用する方法を知らないのです。\n\nツールにはソースコードへのアクセス（ソースコードが公開されているAPIとやり取りする場合）やドキュメントファイルへのアクセス（TypeScriptの型定義ファイルなど）を付与できますが、大規模なAPIでは拡張性に欠けます。LLMには、APIについてより効率的に理解するための方法が必要です。すべてのリクエストに対してすべてのドキュメントをコンテキストに関連付けるのは非効率的で実現不可能であり、結果も芳しくありません。\n\n## 結果として：\n\n大規模な新規 API または内部 API は、LLM には「見えない」ままです。\n\n開発者は LLM を手動でガイドするか、使用例を提供する必要があります。\n\nAPI のリリースと AI ツールによる広範な理解の間に遅延があるため、イノベーションは鈍化します。\n\n## アイデア\n\nこのプロジェクトは、モデルコンテキストプロトコル（MCP）のオープンソース実装です。MCPは、LLMにコンテキストに基づいたリアルタイムの情報アクセスを提供するために設計されたプロトコルです。今回の場合はAPIドキュメント、特にこのプロジェクトではTypeScript定義を対象としています。\n\n## 私たちの目標は次のとおりです。\n\nTypeScript (およびその他の) 定義を機械が読み取り可能な形式に解析します。\n\nClaude、Cline、Cursor、Windsurf などのツールやその他のカスタムインターフェースを通じて、このコンテキストを LLM に動的に提供します。\n\nLLM が再トレーニングなしで未知の API に対してクエリ、計画、適応を実行できるようにすることで、エージェントの動作を有効にします。\n\n## これにより何が可能になるか\n\nLLM ベースのコーディングアシスタントのプラグアンドプレイ API サポート。\n\n新しい SDK や独自の SDK のオンボーディングが高速化されます。\n\nより自律的でコンテキストを認識するコーディングエージェントへの一歩。\n\n## プロジェクト概要\n\n![画像](docs/screenshot.png)\n\nこのプロジェクトは、AIエージェントが未知のTypeScript APIを効率的に探索・理解するための手段を提供します。TypeDocによって生成されたJSONドキュメントを読み込み、一連のクエリエンドポイントを通じて公開することで、エージェントがシンボルを検索したり、APIの特定の部分に関する詳細情報を取得したり、異なるコンポーネント間の関係性を理解したりできるようになります。\n\n## 現在の機能\n\n* **TypeDoc 統合**: TypeDoc JSON ドキュメントを読み込み、インデックスを付けて効率的なクエリを実行します。\n* **包括的なクエリ機能**: TypeScript APIを探索するための幅広いツールを提供します\n* **MCPプロトコル**:モデルコンテキストプロトコルに準拠し、AIエージェントとのシームレスな統合を実現します。\n\n## クエリ機能\n\nサーバーは、API をクエリするための次のツールを提供します。\n\n* `search_symbols` : 種類によるフィルタリングをオプションで使用して、名前でシンボルを検索します。\n* `get_symbol_details` : 特定のシンボルの詳細情報を取得する\n* `list_members` : クラスまたはインターフェースのメソッドとプロパティを一覧表示する\n* `get_parameter_info` : 関数のパラメータに関する情報を取得する\n* `find_implementations` : インターフェースまたはサブクラスの実装を検索する\n* `search_by_return_type` : 特定の型を返す関数を検索する\n* `search_by_description` : JSDoc コメント内を検索\n* `get_type_hierarchy` : 継承関係を表示する\n* `find_usages` : 型/関数が使用されている場所を見つける\n\n## はじめる\n\n### 前提条件\n\n* Node.js\n* npm\n\n### インストール\n\n1. リポジトリをクローンする\n\n2. 依存関係をインストールします:\n\n ```bash\n npm install\n ```\n\n### 使用法\n\n1. TypeScript API 用の TypeDoc JSON を生成します。\n\n ```bash\n npx typedoc --json docs/api.json --entryPointStrategy expand path/to/your/typescript/files\n ```\n\n 既存の`.d.ts`ファイル (のみ) がある場合は、次のように api json ファイルを作成できます。\n\n 別の`tsconfig.docs.json`を作成します。\n\n ```json\n {\n \"extends\": \"./tsconfig.json\",\n \"files\": [\"existing.d.ts\"],\n \"typedocOptions\": {\n \"entryPoints\": [\"existing.d.ts\"],\n \"json\": \"docs/api.json\",\n \"pretty\": false\n }\n }\n ```\n\n そして、\n\n ```bash\n npx typedoc --tsconfig tsconfig.docs.json\n ```\n\n2. プロジェクトをビルドします。\n\n ```bash\n npm run build\n ```\n\n3. MCP サーバーを探索します。\n\n ```bash\n npx @modelcontextprotocol/inspector node ./dist/mcp-server/cli.js run-server docs/api.json\n ```\n\n4. AIエージェントをサーバーに接続してAPIをクエリする\n\n たとえば、VSCode の cline では、 `cline_mcp_settings.json`で次の MCP サーバーを指定します。\n\n ```json\n {\n \"mcpServers\": {\n \"typescribe\": {\n \"command\": \"npx\",\n \"args\": [\n \"-y\",\n \"mcp-typescribe@latest\",\n \"run-server\",\n \"\"\n ],\n \"env\": {}\n }\n }\n }\n ```\n\n5. サーバーを有効にすると、さまざまなツールが自動承認される可能性があります。エージェントに「Typescribe」ツールを使用してAPIについて学習するように指示してください。\n\n## プロジェクト構造\n\n* `src/sample-api/` : テスト用のサンプル TypeScript API - API 名に奇妙なドイツ語風の方言を使用して、LLM が API を幻覚化しないことをテストします。\n* `src/mcp-server/` : MCPサーバーの実装\n * `utils/` : ユーティリティ関数\n * `schemas/` : MCPツールのJSONスキーマ\n * `core/` : コア機能\n * `server.ts` : MCP サーバーの実装\n * `index.ts` : ライブラリエクスポートのエントリポイント\n * `cli.ts` : CLI/バイナリのエントリポイント\n* `tests/` : API機能のテスト\n\n## 発達\n\n### テストの実行\n\n```bash\nnpm test\n```\n\n### 建物\n\n```bash\nnpm run build\n```\n\n## ライセンス\n\nマサチューセッツ工科大学\n\n著作権 2025 yWorks GmbH - ","Japanese","ja-JP",{"_29":59,"_33":63,"_38":64},{"_31":60,"_33":61,"_35":62},"LLM이 TypeScript 유형 정의 및 문서에 대한 구조화된 액세스를 제공하여 교육을 받지 않은 TypeScript API를 이해하고 작업할 수 있도록 하는 MCP 서버입니다.","MCP-타입스크라이브","[![npm 버전](https://img.shields.io/npm/v/mcp-typescribe.svg)](https://www.npmjs.com/package/mcp-typescribe)\n\n# MCP-Typescribe - LLM API 정보를 제공하는 MCP 서버\n\n## 문제\n\n대규모 언어 모델(LLM)은 코드 생성 및 개발자 생산성 측면에서 놀라운 발전을 이루었습니다. 그러나 LLM은 학습 과정에서 접한 API와 라이브러리만 안정적으로 사용할 수 있다는 중요한 한계에 직면해 있습니다. 이로 인해 새로운 도구, SDK 또는 내부 API를 도입하는 데 병목 현상이 발생합니다. LLM은 이러한 API를 효과적으로 사용하는 방법을 알지 못하기 때문입니다.\n\n도구에 소스 코드 접근 권한(소스가 제공되는 API와 상호작용할 때)이나 문서 파일(예: 타입스크립트 유형 정의 파일) 접근 권한을 부여할 수 있지만, 이는 대규모 API에는 적합하지 않습니다. LLM은 API에 대해 더 자세히 알아볼 수 있는 더 효율적인 방법이 필요합니다. 모든 요청에 대해 모든 문서를 맥락에 맞춰 제공하는 것은 비효율적이고 실행 불가능하며, 결과적으로 좋지 않은 결과를 초래합니다.\n\n## 결과적으로:\n\n규모가 큰 새 API나 내부 API는 LLM에 \"보이지 않습니다\".\n\n개발자는 LLM을 수동으로 안내하거나 사용 예를 제공해야 합니다.\n\nAPI가 출시되고 AI 도구가 이를 널리 이해하는 데까지 시간이 걸리면 혁신이 더디게 진행됩니다.\n\n## 아이디어\n\n이 프로젝트는 모델 컨텍스트 프로토콜(MCP)의 오픈 소스 구현입니다. MCP는 LLM에 상황에 맞는 실시간 정보 접근을 제공하도록 설계된 프로토콜입니다. 이 경우 API 문서가 사용되며, 특히 현재 이 프로젝트에서는 TypeScript 정의가 사용됩니다.\n\n## 우리의 목표는 다음과 같습니다.\n\nTypeScript(및 기타) 정의를 기계가 읽을 수 있는 형식으로 구문 분석합니다.\n\nClaude, Cline, Cursor, Windsurf 및 기타 사용자 정의 인터페이스와 같은 도구를 통해 이러한 컨텍스트를 LLM에 동적으로 제공합니다.\n\nLLM이 재교육 없이 익숙하지 않은 API에 대해 쿼리, 계획 및 적응할 수 있도록 하여 에이전트적 행동을 활성화합니다.\n\n## 이것이 가능하게 하는 것\n\nLLM 기반 코딩 어시스턴트를 위한 플러그 앤 플레이 API 지원.\n\n새로운 SDK나 자체 SDK에 대한 온보딩이 더 빨라졌습니다.\n\n더욱 자율적이고 상황을 인식하는 코딩 에이전트를 향한 한 걸음.\n\n## 프로젝트 개요\n\n![영상](docs/screenshot.png)\n\n이 프로젝트는 AI 에이전트가 알려지지 않은 TypeScript API를 효율적으로 탐색하고 이해할 수 있는 방법을 제공합니다. TypeDoc에서 생성된 JSON 문서를 로드하고, 에이전트가 심볼을 검색하고, API의 특정 부분에 대한 자세한 정보를 얻고, 여러 구성 요소 간의 관계를 이해할 수 있도록 하는 쿼리 엔드포인트 세트를 통해 이를 노출합니다.\n\n## 현재 기능\n\n* **TypeDoc 통합** : 효율적인 쿼리를 위해 TypeDoc JSON 문서를 로드하고 인덱싱합니다.\n* **포괄적인 쿼리 기능** : TypeScript API 탐색을 위한 광범위한 도구 제공\n* **MCP 프로토콜** : AI 에이전트와의 원활한 통합을 위해 모델 컨텍스트 프로토콜을 따릅니다.\n\n## 쿼리 기능\n\n서버는 API 쿼리를 위해 다음과 같은 도구를 제공합니다.\n\n* `search_symbols` : 종류별 필터링을 통해 이름으로 심볼 찾기\n* `get_symbol_details` : 특정 심볼에 대한 자세한 정보를 가져옵니다.\n* `list_members` : 클래스 또는 인터페이스의 메서드와 속성을 나열합니다.\n* `get_parameter_info` : 함수 매개변수에 대한 정보를 가져옵니다.\n* `find_implementations` : 인터페이스 또는 하위 클래스의 구현 찾기\n* `search_by_return_type` : 특정 유형을 반환하는 함수 찾기\n* `search_by_description` : JSDoc 주석에서 검색\n* `get_type_hierarchy` : 상속 관계 표시\n* `find_usages` : 유형/함수가 사용되는 위치 찾기\n\n## 시작하기\n\n### 필수 조건\n\n* 노드.js\n* 엔피엠\n\n### 설치\n\n1. 저장소를 복제합니다\n\n2. 종속성 설치:\n\n 지엑스피1\n\n### 용법\n\n1. TypeScript API에 대한 TypeDoc JSON을 생성합니다.\n\n ```bash\n npx typedoc --json docs/api.json --entryPointStrategy expand path/to/your/typescript/files\n ```\n\n 기존 `.d.ts` 파일이 있는 경우 다음과 같이 api json 파일을 만들 수 있습니다.\n\n 별도의 `tsconfig.docs.json` 만듭니다.\n\n ```json\n {\n \"extends\": \"./tsconfig.json\",\n \"files\": [\"existing.d.ts\"],\n \"typedocOptions\": {\n \"entryPoints\": [\"existing.d.ts\"],\n \"json\": \"docs/api.json\",\n \"pretty\": false\n }\n }\n ```\n\n 그럼 그렇게 하세요\n\n ```bash\n npx typedoc --tsconfig tsconfig.docs.json\n ```\n\n2. 프로젝트를 빌드하세요:\n\n ```bash\n npm run build\n ```\n\n3. MCP 서버 탐색:\n\n ```bash\n npx @modelcontextprotocol/inspector node ./dist/mcp-server/cli.js run-server docs/api.json\n ```\n\n4. API를 쿼리하기 위해 AI 에이전트를 서버에 연결합니다.\n\n 예를 들어 VSCode에서 cline을 사용하는 경우 `cline_mcp_settings.json` 에 다음 MCP 서버를 지정합니다.\n\n ```json\n {\n \"mcpServers\": {\n \"typescribe\": {\n \"command\": \"npx\",\n \"args\": [\n \"-y\",\n \"mcp-typescribe@latest\",\n \"run-server\",\n \"\"\n ],\n \"env\": {}\n }\n }\n }\n ```\n\n5. 서버를 활성화하고 다양한 도구를 자동으로 승인하세요. 상담원에게 \"typescribe\" 도구를 사용하여 API에 대해 알아보라고 안내하세요.\n\n## 프로젝트 구조\n\n* `src/sample-api/` : 테스트를 위한 샘플 TypeScript API - LLM이 API를 환각하지 않는지 테스트하기 위해 API 이름에 이상한 독일어와 유사한 방언을 사용합니다.\n* `src/mcp-server/` : MCP 서버 구현\n * `utils/` : 유틸리티 함수\n * `schemas/` : MCP 도구에 대한 JSON 스키마\n * `core/` : 핵심 기능\n * `server.ts` : MCP 서버 구현\n * `index.ts` : 라이브러리 내보내기의 진입점\n * `cli.ts` : CLI/바이너리의 진입점\n* `tests/` : API 기능에 대한 테스트\n\n## 개발\n\n### 테스트 실행\n\n```bash\nnpm test\n```\n\n### 건물\n\n```bash\nnpm run build\n```\n\n## 특허\n\nMIT\n\n저작권 2025 yWorks GmbH - ","Korean","ko-KR",{"_29":66,"_33":69,"_38":70},{"_31":67,"_33":34,"_35":68},"Сервер MCP, который позволяет LLM-специалистам понимать и работать с API TypeScript, которым они не обучались, предоставляя структурированный доступ к определениям и документации типов TypeScript.","[![npm-версия](https://img.shields.io/npm/v/mcp-typescribe.svg)](https://www.npmjs.com/package/mcp-typescribe)\n\n# MCP-Typescribe — сервер MCP, предоставляющий информацию API LLM\n\n## Проблема\n\nБольшие языковые модели (LLM) достигли невероятных успехов в генерации кода и производительности разработчиков. Однако они сталкиваются с ключевым ограничением: они могут надежно использовать только API и библиотеки, которые они видели во время обучения. Это создает узкое место для принятия новых инструментов, SDK или внутренних API — LLM просто не знают, как использовать их эффективно.\n\nХотя инструментам можно предоставить доступ к исходному коду (при взаимодействии с API, для которых доступны исходники) или доступ к файлам документации (например, файлам определения типов TypeScript), это не очень хорошо масштабируется для больших API. LLM-специалистам нужен более эффективный способ узнать больше об API. Помещение всей документации в контекст для каждого запроса неэффективно, неосуществимо и приводит к плохим результатам.\n\n## Как результат:\n\nБолее крупные новые или внутренние API остаются «невидимыми» для LLM.\n\nРазработчики должны вручную направлять студентов LLM или предоставлять примеры использования.\n\nИнновации замедляются из-за задержки между выпуском API и его широким пониманием инструментами ИИ.\n\n## Идея\n\nЭтот проект представляет собой реализацию Model Context Protocol (MCP) с открытым исходным кодом — протокола, разработанного для предоставления LLM контекстного доступа к информации в реальном времени. В данном случае это документация API, и в частности, на данный момент в этом проекте — определения TypeScript.\n\n## Наша цель:\n\nПреобразовывать определения TypeScript (и другие) в машиночитаемый формат.\n\nПредоставляйте этот контекст динамически студентам LLM с помощью таких инструментов, как Claude, Cline, Cursor или Windsurf, а также других пользовательских интерфейсов.\n\nОбеспечьте агентное поведение, позволив LLM запрашивать, планировать и адаптироваться к незнакомым API без переобучения.\n\n## Что это дает\n\nПоддержка API Plug-and-play для помощников по кодированию на базе LLM.\n\nБолее быстрая интеграция новых или фирменных SDK.\n\nШаг к более автономным, контекстно-зависимым агентам кодирования.\n\n## Обзор проекта\n\n![Изображение](docs/screenshot.png)\n\nЭтот проект предоставляет агентам ИИ возможность эффективно исследовать и понимать неизвестные API TypeScript. Он загружает документацию JSON, сгенерированную TypeDoc, и предоставляет ее через набор конечных точек запросов, которые позволяют агентам искать символы, получать подробную информацию о конкретных частях API и понимать отношения между различными компонентами.\n\n## Текущие возможности\n\n* **Интеграция TypeDoc** : загружает и индексирует документацию TypeDoc JSON для эффективного выполнения запросов.\n* **Расширенные возможности запросов** : предоставляет широкий спектр инструментов для исследования API TypeScript.\n* **Протокол MCP** : следует протоколу контекста модели для бесшовной интеграции с агентами ИИ.\n\n## Возможности запроса\n\nСервер предоставляет следующие инструменты для запросов к API:\n\n* `search_symbols` : Поиск символов по имени с дополнительной фильтрацией по типу\n* `get_symbol_details` : Получить подробную информацию о конкретном символе\n* `list_members` : Список методов и свойств класса или интерфейса\n* `get_parameter_info` : Получить информацию о параметрах функции\n* `find_implementations` : Поиск реализаций интерфейсов или подклассов\n* `search_by_return_type` : Поиск функций, возвращающих определенный тип\n* `search_by_description` : Поиск в комментариях JSDoc\n* `get_type_hierarchy` : Показать отношения наследования\n* `find_usages` : Найти, где используется тип/функция\n\n## Начиная\n\n### Предпосылки\n\n* Node.js\n* нпм\n\n### Установка\n\n1. Клонировать репозиторий\n\n2. Установите зависимости:\n\n ```bash\n npm install\n ```\n\n### Использование\n\n1. Сгенерируйте TypeDoc JSON для вашего API TypeScript:\n\n ```bash\n npx typedoc --json docs/api.json --entryPointStrategy expand path/to/your/typescript/files\n ```\n\n Если у вас (только) есть существующий файл `.d.ts` , вы можете создать файл api json следующим образом:\n\n Создайте отдельный `tsconfig.docs.json` :\n\n ```json\n {\n \"extends\": \"./tsconfig.json\",\n \"files\": [\"existing.d.ts\"],\n \"typedocOptions\": {\n \"entryPoints\": [\"existing.d.ts\"],\n \"json\": \"docs/api.json\",\n \"pretty\": false\n }\n }\n ```\n\n Тогда сделай\n\n ```bash\n npx typedoc --tsconfig tsconfig.docs.json\n ```\n\n2. Создайте проект:\n\n ```bash\n npm run build\n ```\n\n3. Исследуйте сервер MCP:\n\n ```bash\n npx @modelcontextprotocol/inspector node ./dist/mcp-server/cli.js run-server docs/api.json\n ```\n\n4. Подключите агента ИИ к серверу для запроса API\n\n Например, для cline в VSCode укажите следующий сервер MCP в `cline_mcp_settings.json` :\n\n ```json\n {\n \"mcpServers\": {\n \"typescribe\": {\n \"command\": \"npx\",\n \"args\": [\n \"-y\",\n \"mcp-typescribe@latest\",\n \"run-server\",\n \"\"\n ],\n \"env\": {}\n }\n }\n }\n ```\n\n5. Включите сервер и, скорее всего, автоматически одобрите различные инструменты. Попросите агента использовать инструмент \"typescribe\", чтобы узнать о вашем API.\n\n## Структура проекта\n\n* `src/sample-api/` : пример API TypeScript для тестирования — он использует странный диалект, похожий на немецкий, для имен API, чтобы проверить, что LLM не галлюцинирует API\n* `src/mcp-server/` : Реализация сервера MCP\n * `utils/` : Вспомогательные функции\n * `schemas/` : Схемы JSON для инструментов MCP\n * `core/` : Основная функциональность\n * `server.ts` : Реализация сервера MCP\n * `index.ts` : Точка входа для экспорта библиотеки\n * `cli.ts` : точка входа для CLI/бинарного файла\n* `tests/` : Тесты функциональности API\n\n## Разработка\n\n### Проведение тестов\n\n```bash\nnpm test\n```\n\n### Здание\n\n```bash\nnpm run build\n```\n\n## Лицензия\n\nМассачусетский технологический институт\n\nАвторские права 2025 yWorks GmbH - ","Russian","ru-RU",{"_29":72,"_33":76,"_38":77},{"_31":73,"_33":74,"_35":75},"MCP 服务器通过提供对 TypeScript 类型定义和文档的结构化访问，使 LLM 能够理解和使用他们尚未接受过培训的 TypeScript API。","MCP-打字机","[![npm 版本](https://img.shields.io/npm/v/mcp-typescribe.svg)](https://www.npmjs.com/package/mcp-typescribe)\n\n# MCP-Typescribe - 提供 LLMs API 信息的 MCP 服务器\n\n## 问题\n\n大型语言模型 (LLM) 在代码生成和开发者生产力方面取得了令人难以置信的进步。然而，它们面临一个关键的限制：它们只能可靠地使用在训练过程中见过的 API 和库。这给采用新的工具、SDK 或内部 API 造成了瓶颈——LLM 根本不知道如何有效地使用它们。\n\n虽然可以授予工具源代码访问权限（当与源代码可用的 API 交互时）或文档文件访问权限（例如 TypeScript 类型定义文件），但这对于大型 API 来说扩展性不佳。LLM 需要一种更有效的方法来深入了解 API。针对每个请求将所有文档都放在上下文中效率低下、不可行，并且会导致糟糕的结果。\n\n## 因此：\n\n更大的新的或内部的 API 对于 LLM 来说仍然是“不可见的”。\n\n开发人员必须手动指导 LLM 或提供示例用法。\n\nAPI 的发布与 AI 工具对其的广泛理解之间存在滞后，从而减缓了创新速度。\n\n## 理念\n\n该项目是模型上下文协议 (MCP) 的开源实现，该协议旨在为 LLM 提供上下文相关的实时信息访问。在本例中，MCP 指的是 API 文档，尤其是在本项目中，指的是 TypeScript 定义。\n\n## 我们的目标是：\n\n将 TypeScript（和其他）定义解析为机器可读的格式。\n\n通过 Claude、Cline、Cursor 或 Windsurf 等工具以及其他自定义界面将此上下文动态地提供给 LLM。\n\n通过让 LLM 查询、规划和适应不熟悉的 API（无需重新培训）来实现代理行为。\n\n## 这项技术能够实现什么\n\n为基于 LLM 的编码助手提供即插即用 API 支持。\n\n更快地加入新的或专有的 SDK。\n\n向更加自主、上下文感知的编码代理迈进了一步。\n\n## 项目概述\n\n![图像](docs/screenshot.png)\n\n该项目为 AI 代理提供了一种高效探索和理解未知 TypeScript API 的方法。它加载 TypeDoc 生成的 JSON 文档，并通过一组查询端点将其公开，这些端点允许代理搜索符号、获取 API 特定部分的详细信息，并理解不同组件之间的关系。\n\n## 当前功能\n\n* **TypeDoc 集成**：加载并索引 TypeDoc JSON 文档以实现高效查询\n* **全面的查询功能**：提供多种用于探索 TypeScript API 的工具\n* **MCP 协议**：遵循模型上下文协议，实现与 AI 代理的无缝集成\n\n## 查询功能\n\n服务器提供以下查询API的工具：\n\n* `search_symbols` ：按名称查找符号，并可选择按种类进行过滤\n* `get_symbol_details` ：获取有关特定符号的详细信息\n* `list_members` ：列出类或接口的方法和属性\n* `get_parameter_info` ：获取有关函数参数的信息\n* `find_implementations` ：查找接口或子类的实现\n* `search_by_return_type` ：查找返回特定类型的函数\n* `search_by_description` ：在 JSDoc 注释中搜索\n* `get_type_hierarchy` ：显示继承关系\n* `find_usages` ：查找类型/函数的使用位置\n\n## 入门\n\n### 先决条件\n\n* Node.js\n* npm\n\n### 安装\n\n1. 克隆存储库\n\n2. 安装依赖项：\n\n ```bash\n npm install\n ```\n\n### 用法\n\n1. 为您的 TypeScript API 生成 TypeDoc JSON：\n\n ```bash\n npx typedoc --json docs/api.json --entryPointStrategy expand path/to/your/typescript/files\n ```\n\n 如果您（仅）有一个现有的`.d.ts`文件，您可以像这样创建一个 api json 文件：\n\n 创建一个单独的`tsconfig.docs.json` ：\n\n ```json\n {\n \"extends\": \"./tsconfig.json\",\n \"files\": [\"existing.d.ts\"],\n \"typedocOptions\": {\n \"entryPoints\": [\"existing.d.ts\"],\n \"json\": \"docs/api.json\",\n \"pretty\": false\n }\n }\n ```\n\n 然后做\n\n ```bash\n npx typedoc --tsconfig tsconfig.docs.json\n ```\n\n2. 构建项目：\n\n ```bash\n npm run build\n ```\n\n3. 探索 MCP 服务器：\n\n ```bash\n npx @modelcontextprotocol/inspector node ./dist/mcp-server/cli.js run-server docs/api.json\n ```\n\n4. 将 AI 代理连接到服务器以查询 API\n\n 例如，使用 VSCode 中的 cline，在`cline_mcp_settings.json`中指定以下 MCP 服务器：\n\n ```json\n {\n \"mcpServers\": {\n \"typescribe\": {\n \"command\": \"npx\",\n \"args\": [\n \"-y\",\n \"mcp-typescribe@latest\",\n \"run-server\",\n \"\"\n ],\n \"env\": {}\n }\n }\n }\n ```\n\n5. 启用服务器并自动批准各种工具。告诉代理使用“typescribe”工具来了解你的 API。\n\n## 项目结构\n\n* `src/sample-api/` ：用于测试的 TypeScript API 示例 - 它使用一种奇怪的类似德语的方言作为 API 名称，以测试 LLM 不会对 API 产生幻觉\n* `src/mcp-server/` ：MCP 服务器实现\n * `utils/` ：实用函数\n * `schemas/` ：MCP 工具的 JSON 模式\n * `core/` ：核心功能\n * `server.ts` ：MCP 服务器实现\n * `index.ts` ：库导出的入口点\n * `cli.ts` ：CLI/二进制文件的入口点\n* `tests/` ：测试 API 功能\n\n## 发展\n\n### 运行测试\n\n```bash\nnpm test\n```\n\n### 建筑\n\n```bash\nnpm run build\n```\n\n## 执照\n\n麻省理工学院\n\n版权所有 2025 yWorks GmbH - ","Chinese","zh-CN","githubUser","locale",{"_81":82,"_83":84,"_13":91,"_99":42,"_100":42,"_101":102,"_105":106,"_129":-5,"_16":130,"_131":132,"_133":134,"_33":34,"_151":119,"_152":153,"_156":-5,"_157":-5,"_158":-5,"_159":160,"_165":-5,"_141":115,"_166":-5,"_167":-5,"_120":168,"_169":170},"addedAt","2025-03-30T17:10:10.358358307Z","argumentsJsonSchema",{"_85":86,"_87":88,"_89":90},"properties",{},"required",[],"type","object",[92,93,94,95,96,97,98],"category:developer-tools","category:code-analysis","category:documentation-access","environment:local","hosting:hybrid","language:typescript","license_grade:a","descriptionMarkdown","descriptionPlainText","githubProject",{"_35":43,"_103":104},"url","https://github.com/yworks/mcp-typescribe","githubRepository",{"_107":108,"_109":110,"_111":112,"_113":114,"_33":115,"_116":117,"_122":123,"_124":125,"_127":128},"defaultBranch","master","fullName","yWorks/mcp-typescribe","githubTreeId",120773,"language","TypeScript","mcp-typescribe","owner",{"_118":119,"_120":121},"login","yWorks","uid","TbH7DwMxSi","recentStargazers",2,"spdxLicense",{"_33":126},"MIT License","stargazers",19,"glamaJson",4248,"inspectable",false,"integrations",[135,145],{"_136":137,"_31":143,"_120":144},"brand",{"_138":139,"_33":140,"_141":142},"logoSvgPath","M11.998,24c-0.321,0-0.641-0.084-0.922-0.247l-2.936-1.737c-0.438-0.245-0.224-0.332-0.08-0.383 c0.585-0.203,0.703-0.25,1.328-0.604c0.065-0.037,0.151-0.023,0.218,0.017l2.256,1.339c0.082,0.045,0.197,0.045,0.272,0l8.795-5.076 c0.082-0.047,0.134-0.141,0.134-0.238V6.921c0-0.099-0.053-0.192-0.137-0.242l-8.791-5.072c-0.081-0.047-0.189-0.047-0.271,0 L3.075,6.68C2.99,6.729,2.936,6.825,2.936,6.921v10.15c0,0.097,0.054,0.189,0.139,0.235l2.409,1.392 c1.307,0.654,2.108-0.116,2.108-0.89V7.787c0-0.142,0.114-0.253,0.256-0.253h1.115c0.139,0,0.255,0.112,0.255,0.253v10.021 c0,1.745-0.95,2.745-2.604,2.745c-0.508,0-0.909,0-2.026-0.551L2.28,18.675c-0.57-0.329-0.922-0.945-0.922-1.604V6.921 c0-0.659,0.353-1.275,0.922-1.603l8.795-5.082c0.557-0.315,1.296-0.315,1.848,0l8.794,5.082c0.57,0.329,0.924,0.944,0.924,1.603 v10.15c0,0.659-0.354,1.273-0.924,1.604l-8.794,5.078C12.643,23.916,12.324,24,11.998,24z M19.099,13.993 c0-1.9-1.284-2.406-3.987-2.763c-2.731-0.361-3.009-0.548-3.009-1.187c0-0.528,0.235-1.233,2.258-1.233 c1.807,0,2.473,0.389,2.747,1.607c0.024,0.115,0.129,0.199,0.247,0.199h1.141c0.071,0,0.138-0.031,0.186-0.081 c0.048-0.054,0.074-0.123,0.067-0.196c-0.177-2.098-1.571-3.076-4.388-3.076c-2.508,0-4.004,1.058-4.004,2.833 c0,1.925,1.488,2.457,3.895,2.695c2.88,0.282,3.103,0.703,3.103,1.269c0,0.983-0.789,1.402-2.642,1.402 c-2.327,0-2.839-0.584-3.011-1.742c-0.02-0.124-0.126-0.215-0.253-0.215h-1.137c-0.141,0-0.254,0.112-0.254,0.253 c0,1.482,0.806,3.248,4.655,3.248C17.501,17.007,19.099,15.91,19.099,13.993z","Node.js","slug","node-dot-js","Enables loading and indexing of TypeDoc-generated JSON documentation for Node.js projects, allowing LLMs to efficiently explore and understand Node.js APIs through various query endpoints.","dcfn6y3nuh",{"_136":146,"_31":149,"_120":150},{"_138":147,"_33":114,"_141":148},"M1.125 0C.502 0 0 .502 0 1.125v21.75C0 23.498.502 24 1.125 24h21.75c.623 0 1.125-.502 1.125-1.125V1.125C24 .502 23.498 0 22.875 0zm17.363 9.75c.612 0 1.154.037 1.627.111a6.38 6.38 0 0 1 1.306.34v2.458a3.95 3.95 0 0 0-.643-.361 5.093 5.093 0 0 0-.717-.26 5.453 5.453 0 0 0-1.426-.2c-.3 0-.573.028-.819.086a2.1 2.1 0 0 0-.623.242c-.17.104-.3.229-.393.374a.888.888 0 0 0-.14.49c0 .196.053.373.156.529.104.156.252.304.443.444s.423.276.696.41c.273.135.582.274.926.416.47.197.892.407 1.266.628.374.222.695.473.963.753.268.279.472.598.614.957.142.359.214.776.214 1.253 0 .657-.125 1.21-.373 1.656a3.033 3.033 0 0 1-1.012 1.085 4.38 4.38 0 0 1-1.487.596c-.566.12-1.163.18-1.79.18a9.916 9.916 0 0 1-1.84-.164 5.544 5.544 0 0 1-1.512-.493v-2.63a5.033 5.033 0 0 0 3.237 1.2c.333 0 .624-.03.872-.09.249-.06.456-.144.623-.25.166-.108.29-.234.373-.38a1.023 1.023 0 0 0-.074-1.089 2.12 2.12 0 0 0-.537-.5 5.597 5.597 0 0 0-.807-.444 27.72 27.72 0 0 0-1.007-.436c-.918-.383-1.602-.852-2.053-1.405-.45-.553-.676-1.222-.676-2.005 0-.614.123-1.141.369-1.582.246-.441.58-.804 1.004-1.089a4.494 4.494 0 0 1 1.47-.629 7.536 7.536 0 0 1 1.77-.201zm-15.113.188h9.563v2.166H9.506v9.646H6.789v-9.646H3.375z","typescript","Parses TypeScript definitions into a machine-readable format, providing comprehensive query capabilities including symbol search, detailed type information, and relationship exploration for TypeScript APIs.","4se4gq9if3","namespace","npmPackage",{"_33":115,"_154":155},"weeklyDownloads",137,"prompts","redditPostForeignId","resources","scores",{"_161":162,"_163":-5,"_164":-5},"license",100,"quality","security","simpleIcon","supportedPlatforms","tools","8fjzcsyi8f","updatedAt","2025-05-20T13:00:41.403403112Z","meta",[173,176,178,185,188,190,193,196,199,202,205,207,210,213,215,217,219,221,223],{"_174":175},"title","MCP-Typescribe | Glama",{"_177":42,"_33":31},"content",{"_179":180,"_181":182,"_183":184},"href","https://glama.ai/mcp/servers/@yWorks/mcp-typescribe","rel","canonical","tagName","link",{"_177":34,"_186":187},"property","og:title",{"_177":42,"_186":189},"og:description",{"_177":191,"_186":192},"https://glama.ai/logo.png","og:logo",{"_177":194,"_186":195},"https://glama.ai/mcp/servers/@yWorks/mcp-typescribe/og-image","og:image",{"_177":197,"_186":198},"630","og:image:height",{"_177":200,"_186":201},"1200","og:image:width",{"_177":203,"_186":204},"website","og:type",{"_177":180,"_186":206},"og:url",{"_177":208,"_186":209},"Glama – MCP Hosting Platform","og:site_name",{"_177":211,"_33":212},"summary_large_image","twitter:card",{"_177":208,"_33":214},"twitter:title",{"_177":42,"_33":216},"twitter:description",{"_177":194,"_33":218},"twitter:image",{"_177":197,"_33":220},"twitter:image:height",{"_177":200,"_33":222},"twitter:image:width",{"_224":225},"script:ld+json",{"_226":227,"_228":229},"@context","http://schema.org","@graph",[230],{"_226":231,"_232":233,"_234":235},"https://schema.org","@type","BreadcrumbList","itemListElement",[236,243,246,250],{"_232":237,"_238":239,"_33":240,"_241":242},"ListItem","item","https://glama.ai/","Glama","position",1,{"_232":237,"_238":244,"_33":245,"_241":123},"https://glama.ai/mcp","MCP",{"_232":237,"_238":247,"_33":248,"_241":249},"https://glama.ai/mcp/servers","Servers",3,{"_232":237,"_238":180,"_33":34,"_241":251},4,"visitorIsMaintainer","routes/_public/mcp/servers/~namespace/~slug/_pages/reviews/_route",{"_78":-5,"_29":255,"_171":271,"_306":-5},{"_81":82,"_83":256,"_13":259,"_99":42,"_100":42,"_101":260,"_105":261,"_129":-5,"_16":130,"_131":132,"_133":264,"_33":34,"_151":119,"_152":269,"_156":-5,"_157":-5,"_158":-5,"_159":270,"_165":-5,"_141":115,"_166":-5,"_167":-5,"_120":168,"_169":170},{"_85":257,"_87":258,"_89":90},{},[],[92,93,94,95,96,97,98],{"_35":43,"_103":104},{"_107":108,"_109":110,"_111":112,"_113":114,"_33":115,"_116":262,"_122":123,"_124":263,"_127":128},{"_118":119,"_120":121},{"_33":126},[265,267],{"_136":266,"_31":143,"_120":144},{"_138":139,"_33":140,"_141":142},{"_136":268,"_31":149,"_120":150},{"_138":147,"_33":114,"_141":148},{"_33":115,"_154":155},{"_161":162,"_163":-5,"_164":-5},[272,274,276,278,280,281,282,283,284,285,286,287,288,289,290,291,292,293,294],{"_174":273},"Reviews | MCP-Typescribe | Glama",{"_177":275,"_33":31},"Read community reviews and feedback for MCP-Typescribe. Discover user experiences, ratings, strengths, and potential limitations of this MCP implementation from actual users.",{"_179":277,"_181":182,"_183":184},"https://glama.ai/mcp/servers/@yWorks/mcp-typescribe/reviews",{"_177":279,"_186":187},"Reviews | MCP-Typescribe",{"_177":275,"_186":189},{"_177":191,"_186":192},{"_177":194,"_186":195},{"_177":197,"_186":198},{"_177":200,"_186":201},{"_177":203,"_186":204},{"_177":277,"_186":206},{"_177":208,"_186":209},{"_177":211,"_33":212},{"_177":208,"_33":214},{"_177":275,"_33":216},{"_177":194,"_33":218},{"_177":197,"_33":220},{"_177":200,"_33":222},{"_224":295},{"_226":227,"_228":296},[297],{"_226":231,"_232":233,"_234":298},[299,300,301,302,303],{"_232":237,"_238":239,"_33":240,"_241":242},{"_232":237,"_238":244,"_33":245,"_241":123},{"_232":237,"_238":247,"_33":248,"_241":249},{"_232":237,"_238":180,"_33":34,"_241":251},{"_232":237,"_238":277,"_33":304,"_241":305},"Reviews",5,"review","actionData","errors"]

Rate & Review

MCP directory API