使用说明

• 项目简介
  • Grafema 提供一个 MCP 服务器实现，用于向 LLM 客户端暴露资源、工具和提示模板等能力，便于 AI 代理在对话中获得合适的上下文信息与外部能力调用入口。
• 主要功能点
  • 资源管理：托管和管理可访问的数据资源（如代码图、文档、数据存储接口等）。
  • 工具注册与执行：注册可调用的外部工具，并通过 MCP 请求执行。
  • 提示模板管理与渲染：定义和渲染可定制的 Prompt 模板，配合对话流程进行灵活交互。
  • JSON-RPC 通信：与客户端按标准的 MCP 协议进行请求/响应、通知传递。
  • 会话与能力声明：服务端管理会话、能力对外宣布，支持多传输协议。
  • 多传输协议支持：包括标准输入输出、Server-Sent Events、WebSocket 等，提升集成灵活性。
• 安装步骤
  • 通过 Node.js 环境获取并运行该 MCP 服务器组件（具体步骤随项目结构而定，通常包含安装依赖、构建或直接使用 npm 包执行启动）。
• 服务器配置（供 MCP 客户端使用的信息，JSON 配置示例说明）
  • 服务器名称（serverName）用于标识该 MCP 服务实例。
  • 命令（command）与参数（args）用于启动服务器进程的方式，MCP 客户端需要通过该信息建立连接。
  • 注意：以下为描述性配置字段，不作为代码块直接给出，以便易于阅读理解。
  • serverName: grafema
  • command: npx
  • args: ["@grafema/mcp", "--project", "."]
  • 说明：该配置指示客户端通过 npx 启动 Grafema 的 MCP 服务并传入当前项目路径作为分析上下文。
• 基本使用方法
  • 将 MCP 服务作为后端对接到你的 LLM 客户端（如 Claude Code 等），在项目根目录添加 MCP 配置，使客户端能够发现并调用 Grafema 提供的资源、工具与 Prompts。
  • 启动后，客户端可通过 JSON-RPC 向 MCP 服务器发起请求，如读取资源、调用工具、获取 Prompt 模板等，并获取标准化的 JSON-RPC 响应。
  • Grafema 服务器负责会话管理、能力声明，并对接不同传输协议以实现稳定的上下文服务。