Skip to main content
Glama
Mugen-Builders

Cartesi Knowledge MCP Server

MCP-сервер знаний Cartesi

Сервер Model Context Protocol, ориентированный на промышленное использование, который предоставляет ИИ-агентам доступ к курируемым ресурсам разработчиков Cartesi из PostgreSQL через потоковый HTTP.

Текущие возможности

  • FastMCP (mcp[cli] 1.26.x) с streamable_http_app() — используйте приложение Starlette из FastMCP напрямую в продакшене, чтобы время жизни сессии работало корректно (см. create_app() в src/main.py).

  • Async SQLAlchemy + asyncpg для доступа к базе знаний только для чтения.

  • Многоуровневая структура: конфигурация и логирование (src/core/), сессия БД и модели (src/db/), репозитории, доменный сервис (src/domain/resource_service.py), схемы, форматировщики и серверные модули в src/server/.

  • Безопасность транспорта: защита от DNS-ребиндинга и настраиваемые allowed_hosts / allowed_origins в src/server/server.py (расширьте для вашего хостнейма развертывания).

  • Простая проверка работоспособности по HTTP: GET /healthz возвращает {"status":"ok"} наряду с маршрутом MCP.

Ответы с базой знаний представляют собой метаданные и ссылки (заголовки, URI, canonical_url, маршруты документации). Они не включают полные тела загруженных страниц; агенты должны сами запрашивать внешние URL, если им нужен «сырой» HTML или markdown.

Инструменты рабочего процесса (prepare_cartesi_*, send_input_to_application, prepare_*_deposit_instructions, get_cartesi_app_logic_guidance) возвращают только инструкции и шаблоны команд для машины пользователя. Они не запускают Cartesi CLI, cast или RPC цепочки с этого сервера.

Related MCP server: read-docs-mcp

Требования

  • Python ≥ 3.11 (см. pyproject.toml; включенный Dockerfile использует Python 3.12).

  • База данных PostgreSQL, заполненная схемой курируемых ресурсов, ожидаемой src/db/models.py и ResourceService.

Переменные окружения

Скопируйте .env.example в .env и настройте. Значения по умолчанию и имена полей определены в src/core/config.py (в частности, DATABASE_URL, APP_HOST, APP_PORT, MCP_BASE_URL, лимиты пагинации). Для URL PostgreSQL postgres://... нормализуется в postgresql+asyncpg://..., а sslmode транслируется в совместимый с asyncpg ssl (например, sslmode=disable превращается в ssl=false).

Установка

Используя uv (рекомендуется):

uv sync

Используя pip:

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Запуск

python -m src.main
uv run python -m src.main
uv run uvicorn src.main:create_app --factory --host 0.0.0.0 --port 8000

Конечная точка MCP — это потоковый HTTP по адресу:

  • http://<host>:<port>/mcp (по умолчанию: http://0.0.0.0:8000/mcp)

Docker

Репозиторий включает многоэтапный Dockerfile, который устанавливает зависимости с помощью uv и запускает python -m src.main. Установите DATABASE_URL и другие переменные окружения во время выполнения (например, через -e или ваш оркестратор).

Рекомендуемый тест клиента

Используйте MCP Inspector или любой совместимый с MCP клиент и подключитесь к:

http://localhost:8000/mcp

Ресурсы MCP

URI

Назначение

cartesi://health

Имя сервера, окружение, MCP_BASE_URL, флаг «только чтение», возможности, политика контента

cartesi://resources

Каталог: индекс URI ресурсов, имен инструментов, промптов и предлагаемых потоков агента

cartesi://resources/{resource_id}

Нормализованные метаданные ресурса

cartesi://docs/{resource_id}

Представление ресурса документации (та же форма; для ID не-документации — ошибка)

cartesi://docs/routes/{route_id}

Отдельный маршрут документации с родительским контекстом

cartesi://repositories/{resource_id}

Метаданные синхронизации / актуальности репозитория

cartesi://collections/tag/{tag}

Ресурсы, сгруппированные по тегу

cartesi://collections/source/{source}

Ресурсы, сгруппированные по источнику

Инструменты MCP (зарегистрированные имена)

Это значения name=, которые видят клиенты (имена обработчиков Python могут отличаться).

Знания

  • summarize_knowledge_base — охват, количество, ориентация

  • get_knowledge_taxonomy — известные теги и заголовки источников

  • search_knowledge_resources — поиск по запросу, тегу, источнику, типу

  • get_resource_detail — один ресурс по ID, дополнительные маршруты

  • list_resource_doc_routes — маршруты для ресурса документации

  • search_documentation_routes — поиск маршрутов по ресурсам

  • list_resources_for_tag / list_resources_for_source

  • get_repository_sync_status

  • build_debugging_context — сфокусированный на проблеме набор ресурсов и маршрутов

Рабочий процесс Cartesi на стороне хоста (только инструкции)

  • prepare_cartesi_create_command — руководство по созданию: стабильная v1.5.x против alpha v2.0

  • prepare_cartesi_build_command

  • prepare_cartesi_run_command

  • send_input_to_application — InputBox + шаблоны cast

  • prepare_erc20_deposit_instructions — поток ERC20Portal

  • prepare_erc721_deposit_instructions — поток ERC721Portal

  • prepare_erc1155_deposit_instructions — поток ERC1155SinglePortal

  • get_cartesi_app_logic_guidance — адресная книга, порталы, ваучеры, уведомления, отчеты

Промпты MCP

  • debug_cartesi_issue — структурированная отладка с использованием курируемых знаний

  • find_cartesi_docs — поиск маршрута документации по теме

  • explain_repository_context — ресурс репозитория + сводка статуса

Related MCP Connectors

Related MCP Servers

  • F
    license
    A
    quality
    B
    maintenance
    A server that exposes blockchain data (balances, tokens, NFTs, contract metadata) via the Model Context Protocol, enabling AI agents and tools to access and analyze blockchain information contextually.
    18
    45
    -
  • A
    license
    B
    quality
    D
    maintenance
    A Model Context Protocol server that enables AI agents to access, search, and understand structured package documentation and source code from Git repositories. It automatically generates specialized tools to browse module overviews, components, and detailed documentation for technical libraries.
    1
    698 npm
    7
    MIT
  • A
    license
    Not graded
    quality
    B
    maintenance
    Enables AI agents to perform corpus analysis tasks such as discovery, search, and data access via the Model Context Protocol.
    10
    MIT