MCP-Typescribe - LLM API 정보를 제공하는 MCP 서버

문제

대규모 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.

도구에 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.

결과적으로:

규모가 큰 새 API나 내부 API는 LLM에 "보이지 않습니다".

개발자는 LLM을 수동으로 안내하거나 사용 예를 제공해야 합니다.

API가 출시되고 AI 도구가 이를 널리 이해하는 데까지 시간이 걸리면 혁신이 더디게 진행됩니다.

아이디어

이 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.

우리의 목표는 다음과 같습니다.

TypeScript(및 기타) 정의를 기계가 읽을 수 있는 형식으로 구문 분석합니다.

Claude, Cline, Cursor, Windsurf 및 기타 사용자 정의 인터페이스와 같은 도구를 통해 이러한 컨텍스트를 LLM에 동적으로 제공합니다.

LLM이 재교육 없이 익숙하지 않은 API에 대해 쿼리, 계획 및 적응할 수 있도록 하여 에이전트적 행동을 활성화합니다.

이것이 가능하게 하는 것

LLM 기반 코딩 어시스턴트를 위한 플러그 앤 플레이 API 지원.

새로운 SDK나 자체 SDK에 대한 온보딩이 더 빨라졌습니다.

더욱 자율적이고 상황을 인식하는 코딩 에이전트를 향한 한 걸음.

프로젝트 개요

이 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.

현재 기능

• TypeDoc 통합 : 효율적인 쿼리를 위해 TypeDoc JSON 문서를 로드하고 인덱싱합니다.
• 포괄적인 쿼리 기능 : TypeScript API 탐색을 위한 광범위한 도구 제공
• MCP 프로토콜 : AI 에이전트와의 원활한 통합을 위해 모델 컨텍스트 프로토콜을 따릅니다.

쿼리 기능

서버는 API 쿼리를 위해 다음과 같은 도구를 제공합니다.

• search_symbols : 종류별 필터링을 통해 이름으로 심볼 찾기
• get_symbol_details : 특정 심볼에 대한 자세한 정보를 가져옵니다.
• list_members : 클래스 또는 인터페이스의 메서드와 속성을 나열합니다.
• get_parameter_info : 함수 매개변수에 대한 정보를 가져옵니다.
• find_implementations : 인터페이스 또는 하위 클래스의 구현 찾기
• search_by_return_type : 특정 유형을 반환하는 함수 찾기
• search_by_description : JSDoc 주석에서 검색
• get_type_hierarchy : 상속 관계 표시
• find_usages : 유형/함수가 사용되는 위치 찾기

시작하기

필수 조건

• 노드.js
• 엔피엠

설치

1. 저장소를 복제합니다
2. 종속성 설치:지엑스피1

용법

1. TypeScript API에 대한 TypeDoc JSON을 생성합니다.
   npx typedoc --json docs/api.json --entryPointStrategy expand path/to/your/typescript/files
   기존 .d.ts 파일이 있는 경우 다음과 같이 api json 파일을 만들 수 있습니다.별도의 tsconfig.docs.json 만듭니다.
   { "extends": "./tsconfig.json", "files": ["existing.d.ts"], "typedocOptions": { "entryPoints": ["existing.d.ts"], "json": "docs/api.json", "pretty": false } }
   그럼 그렇게 하세요
   npx typedoc --tsconfig tsconfig.docs.json
2. 프로젝트를 빌드하세요:
   npm run build
3. MCP 서버 탐색:
   npx @modelcontextprotocol/inspector node ./dist/mcp-server/index.js run-server docs/api.json
4. API를 쿼리하기 위해 AI 에이전트를 서버에 연결합니다.예를 들어 VSCode에서 cline을 사용하는 경우 cline_mcp_settings.json 에 다음 MCP 서버를 지정합니다.
   { "mcpServers": { "typescribe": { "command": "npx", "args": [ "-y", "mcp-typescribe@latest", "run-server", "<PATH_TO_API_DOT_JSON>" ], "env": {} } } }
5. 서버를 활성화하고 다양한 도구를 자동으로 승인하세요. 상담원에게 "typescribe" 도구를 사용하여 API에 대해 알아보라고 안내하세요.

프로젝트 구조

• src/sample-api/ : 테스트를 위한 샘플 TypeScript API - LLM이 API를 환각하지 않는지 테스트하기 위해 API 이름에 이상한 독일어와 유사한 방언을 사용합니다.
• src/mcp-server/ : MCP 서버 구현
  • utils/ : 유틸리티 함수
  • schemas/ : MCP 도구에 대한 JSON 스키마
  • core/ : 핵심 기능
  • server.ts : MCP 서버 구현
  • index.ts : 진입점
• tests/ : API 기능에 대한 테스트

개발

테스트 실행

건물

특허

MIT

저작권 2025 yWorks GmbH - https://www.yworks.com