Skip to main content
Glama
SergeyShk

ruTS-mcp

Official
by SergeyShk
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Local

Анализ русского текста

analyze_text
Read-onlyIdempotent

Measure Russian text with ruTS statistics: readability grade and age, lexical diversity, morphology, phonetics, cohesion, syntax, SEO metrics, verse and style groups. Get exact numbers with scale readings and reliability warnings.

Instructions

Измерить русский текст статистиками библиотеки ruTS.

Используйте, чтобы получить точные числа о тексте, а не оценивать его на глаз. Считаются только запрошенные группы. Текст из файла передавайте через path, а не пересылайте целиком: так быстрее, и статистики считаются по исходному тексту.

Группы статистик:

  • basic: предложения, слова, слоги, символы, буквы, пробелы и знаки препинания; уникальные, длинные (от 6 букв), сложные (от 4 слогов), простые, односложные и многосложные слова с долей от всех слов; энтропия длин слов в буквах и слогах.

  • readability: удобочитаемость - сводный класс и формулы Флеша-Кинкайда, Флеша, Колман-Лиау, SMOG, ARI, LIX, RIX, Соловьёва-Иванова-Солнышкиной, Мацковского, Тулдавы, Дейла-Чейла и Ганнинга, время чтения; формулы класса и сводный класс читаются классом школы и возрастом читателя, индекс Флеша, LIX и RIX - полосой своей шкалы, у формул Мацковского и Тулдавы и времени чтения шкалы нет.

  • diversity: лексическое разнообразие - TTR и поправки к нему, MATTR, MSTTR, MTLD, HD-D, индексы Симпсона, Юла и Оноре, мера Орлова, энтропия, законы Ципфа и Хипса, взрывность частых слов.

  • morph: морфология по pymorphy3 без снятия омонимии - части речи и 15 грамматических признаков (число и доля слов с каждым значением) и доли форм глагола: наклонения, инфинитив, причастия, деепричастия, совершенный вид, страдательные и возвратные формы.

  • phon: фоностатистики по буквам, без ударения, оглушения и редукции - доли гласных, сонорных, звонких и глухих согласных, тяжелые сочетания согласных, зияния, жесткость, открытые слоги, индексы аллитерации и ассонанса.

  • cohesion: связность по образцу Coh-Metrix и TAACO - повторы существительных, аргументов и знаменательных слов между предложениями (соседними, всеми парами, двумя следующими) и между соседними абзацами (абзац - строка текста), местоимения, данность, повтор времени и вида, коннекторы на 1000 слов - межпредложенческие и внутрипредложенческие, по классам.

  • lexical: лексическая сложность по частотам языка - доля слов, найденных в частотном словаре Ляшевской и Шарова, средняя частотность (ipm) и ее логарифм, диапазон и дисперсия по корпусу, сюрпризал и перплексия, доли слов из 1000-10000 самых частых лемм, лексическая плотность. Метрикам по словарю нужен скачанный словарь.

  • verse: стих - строки и строфы, метр и число стоп, отклонения от метра и пропуски ударений, доля рифмованных строк и схемы рифмовки, мужские, женские и дактилические окончания. Нужен скачанный словарь ударений; знак ударения в тексте (замо́к) важнее словаря.

  • syntax: синтаксис по дереву зависимостей модели spaCy - длина зависимостей, глубина и ветвистость дерева, слова до вершины предложения, валентность глаголов, клаузы, придаточные и инфинитивные клаузы, индексы сложности L2SCA (T-единицы, глагольные, сочиненные и сложные именные группы), сочинительные цепочки, модификаторы существительного, предложные цепочки и цепочки родительных падежей, причастные и деепричастные обороты, пассив, инфинитивы, отрицания, расщепленные сказуемые («оказать помощь»), порядок подлежащих и дополнений, схожесть соседних предложений, отношение существительных к глаголам. Нужна скачанная модель spaCy; на длинном тексте разбор занимает секунды.

  • style: SEO-метрики по словоформам - классическая и академическая тошнота, водность, заспамленность и естественность по Ципфу с прочтением по нормам Advego, Text.ru, pr-cy и megaindex (нормы рассчитаны на тексты сайтов в несколько сотен слов, к художественной прозе неприменимы), самые частые словоформы и самые частые значимые слова, по которым считается академическая тошнота, лексические маркеры канцелярита с найденными словами и фразами: отглагольные существительные, производные предлоги, вводные слова, штампы. Синтаксические маркеры канцелярита - расщепленные сказуемые, цепочки родительных падежей, пассив, отношение существительных к глаголам - в группе syntax: для проверки на канцелярит берите style и syntax.

В результате по ключу на каждую запрошенную группу: статистика с ее значением "value", долей "share" или прочтением по шкале "interpretation", если они есть, и описанием "description" - что она считает; у маркеров канцелярита группы style еще число вхождений "count" и найденные слова и фразы "found". Значение null - статистика на этом тексте не определена. Ключ "warnings" - причины, по которым значения могут быть неустойчивы или не иметь смысла для этого текста: короткий текст, текст не на русском языке, не скачанные словари или модель (тогда предупреждение называет команду, которая их скачивает). Прочитайте предупреждения, прежде чем делать выводы.

Input Schema

NameRequiredDescriptionDefault
pathNoАбсолютный путь к текстовому файлу в UTF-8 на машине, где запущен сервер, вместо text: длинный текст не нужно пересылать в аргументе
textNoТекст на русском языке; вместо него можно задать path
groupsNoГруппы статистик; каждая - ключ результата
descriptionsNoДобавить к статистикам описания; false - короче ответ, когда описания уже известны по прошлому вызову
distributionsNoДобавить распределения слов по числу букв и слогов и знаков препинания по типам (группа basic)
readability_presetNoКоэффициенты теста Флеша-Кинкайда (у academic - и индекса Флеша), группа readability: plainrussian откалиброван по школьным классам и подходит для любых текстов, в том числе художественных; fiction - коэффициенты Оборневой по художественным текстам, дает класс на несколько лет выше; academic - Соловьёва, Иванова и Солнышкиной по учебникам 5-11 классов. Без особой причины оставляйте plainrussianplainrussian

Output Schema

NameRequiredDescriptionDefault

No arguments

Schema Changelog

Changes observed during successful MCP inspections.

  1. First observedv0.1.0

TDQS

A4.4/5.0
Behavior5/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

Annotations already declare readOnlyHint, idempotentHint, and openWorldHint, so the description need not repeat safety. It adds substantial behavioral context: warnings about short texts, non-Russian text, missing dictionaries/models, null values for undefined statistics, and a performance note that syntax parsing takes seconds on long text. It also explains the output schema structure (value, share, interpretation, description, count, found).

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness3/5

Is the description appropriately sized, front-loaded, and free of redundancy?

The description is long and dense, with a very detailed enumeration of what each statistic group computes. While structured, the group descriptions could be trimmed, and some sentences repeat schema-provided parameter guidance. It is front-loaded with purpose and usage, but the sheer length risks diluting key instructions.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness5/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

Given the tool's complexity (10 statistical groups, many metrics, dictionary/model dependencies) and the rich schema/output schema, the description is complete enough for an agent to invoke it correctly. It covers all relevant caveats, warnings, and output structure, and nothing critical is missing.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters5/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

Schema coverage is 100%, but the description adds deep meaning beyond the schema's brief parameter notes. It explains each of the 10 group enum values in detail, clarifies that path avoids resending long texts and ensures statistics are computed on the original text, and provides a rationale for readability_preset choices (e.g., fiction gives a class several years higher, academic uses Solovyov et al. for grades 5-11).

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose4/5

Does the description clearly state what the tool does and how it differs from similar tools?

The description opens with a clear verb-resource statement: 'Измерить русский текст статистиками библиотеки ruTS.' It defines the tool's scope as measuring Russian text with ruTS statistics. However, it does not explicitly differentiate from sibling tools like compare_texts or collocations, so an agent must infer the distinction.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines4/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

It explicitly states when to use the tool ('чтобы получить точные числа о тексте, а не оценивать его на глаз') and gives concrete guidance on parameter choice, such as forwarding long text via path instead of text and recommending 'plainrussian' for readability_preset without a special reason. It also advises using style and syntax groups together for канцелярит checks. What's missing is any mention of sibling alternatives or when not to use this tool.

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

Deploy Server

Other Tools