D365 F&O Developer Intelligence Engine

Ein lokaler, offline arbeitender MCP-Server (Model Context Protocol), der KI-Coding-Assistenten (Cursor, Claude Code, GitHub Copilot) auf den echten AOT-Metadaten von Dynamics 365 Finance & Operations verankert – damit sie bei der Generierung von X++-Code keine Feldnamen, Methodensignaturen und Chain-of-Command-Wrapper (CoC) mehr erfinden.

Status: Früher Build, Teil 1 (Metadaten-Erfassung) in Arbeit. Noch kein funktionierender MCP-Server. Siehe Projektstatus unten.

Das Problem

D365 F&O speichert sein gesamtes Anwendungsmodell (Tabellen, Klassen, Formulare, erweiterte Datentypen) als XML unter PackagesLocalDirectory – oft mehrere 500.000 Objekte pro Umgebung. KI-Coding-Assistenten haben diesem XML noch nie gesehen; sie kennen nur die generische X++-Syntax aus dem Training. Bittest du einen, eine Tabelle zu erweitern oder einen Chain-of-Command-Wrapper zu schreiben, und er wird selbstverständlich Feldnamen und Methoden referenzieren, die in deiner Umgebung nicht existieren. Das ist kein prompting Problem – der KI fehlen Daten, nicht Anweisungen.

Related MCP server: Seta MCP

Der Ansatz

1. Erfassung (in diesem Repo, in Arbeit) – parst rohe AxTable/AxClass-XML mit lxml in strukturiertes, korrektes JSON; RegEx-Ausdrücke extrahieren Chain-of-Command-Muster, die im X++-Quelltext eingebettet sind.

2. Indexierung (geplant) – lädt die parsed Metadaten in SQLite + FTS5 für lokale Abfragen unter 10ms.

3. Exposition (geplant) – stellt den Index KI-Agenten als MCP-Tools (get_table_schema, find_coc_methods, usw.) über stdio bereid.

4. Erweiterte Modulen (geplant) – ein muster-basierter X++- Best-practics-Linter, danm ein modell-übergreifender Abhängigkeitssgraph.

Was derzeit tatsächlich umgesetzt ist

• schema/table_schema.json – JSON-Schema für parste AxTable-Metadaten, validitert gegen einen echte VendTrans-Export

• schema/class_schema.json – JSON-Schema für parste AxClass-/CoC-Metadaten. Noch nicht gegen eine vollständige echte Klassendatei validiert (siehe Dateikopf für Details)

• parse_table.py – funktionierender Parser: AxTable-XML → schema-konformes JSON

• parse_class.py – auf regulären Ausdrücken basierenter CoC-extraktor. Geschreiben, aber noch nicht gegen echte Klasszendows ausgeführt – behandeln Sie alle regex-Hier as unbeige

• validate.py – validiert die Ausgabe des Parser gegen die json-Schena

Project status

Dieses Projekt ist eine in Arbeit befindliche solution, die als Lernexperise beim Studium der D365 F&O-Entwicklung enstanden ist. Einige konkrete Fakten, die ehrlich gesagt erwähnenswert sind:

• Ein ausgereiftes, aktiv gepflegtes Open-Source-Projekt löst das Problem bereits in viel größerem Maßstab: dynamics365ninja/d365fo-mcp-server (26 MCP-Tools, Live-Umgebungsverbindung, Form-Pattern-Engine, sichere Metadaten-Schreiboperationen über Microsofts IMetadataProvider). Dieses Repo erhebt keinen Anspruch darauf, es zu verbessern oder damit zu konkurrieren.

• Dieses Projekt unterscheidet sich in Umfang und Design, nicht unbedingt in Qualität: Python statt TypeScript, readonly und auf der Basis statischer AOT-XML-Exporte statt einer Live-Umgebungsverbindung, und derzeit nur auf die Erfassungsschicht beschränkt.

• Der Wert dieses Projekts – ehrlich gesagt – liegt darin, das Problem und den Parsing-/Indizierungsansatz tief genug zu verstehen, um die Designentscheidungen zu erklären –, nicht darin, der Erste oder einzigartig zu sein.

Requirements

• Python 3.10+

• lxml

• jsonschema (zur Schema-Validierung während der Entwicklung)

pip install lxml jsonschema

Testdaten

Testdaten sind XLT-AOT-Exporte aus einer lokalen, offline betriebenen Hyper-V-VM, auf der Microsofts Standard-USMF/DAT-Demo-Daten laufen, botzen plus eines eigenen Modells, das von Grund auf aufgebaut ist und keine Drittanbieter-IP- oder Organisationsdaten enthält. Siehe fixtures/tables/ und fixtures/classes/ – fülle sie lokal mit eigenen Exporten; sie sind in diesem Templa nicht enthalten.

Lizenz

MIT