项目简介

这是一个基于 FastMCP 框架构建的文档搜索服务器，旨在为大型语言模型（LLM）提供从多个流行的框架和库的文档中检索相关信息的能力。通过统一的接口，AI 系统可以快速访问和检索各种文档来源的资料，从而增强其知识库和上下文理解能力。

主要功能点

多库支持: 支持搜索包括 LangChain, LangGraph, Next.js, Tailwind CSS, FastMCP, Framer Motion 等多个知名框架和库的文档。
智能搜索: 具备智能库名称解析和 DuckDuckGo 驱动的搜索功能，能够提供更精准的文档检索结果。
高性能: 采用异步处理、高效的 Web 请求处理和并行内容抓取，保证快速响应。
健壮的错误处理: 具备网络超时管理、无效输入验证、HTTP 错误处理和请求失败恢复机制，确保服务稳定可靠。

安装步骤

克隆仓库

git clone https://github.com/PicardRaphael/mcp-server-documentation
cd mcp-server-documentation

创建并激活虚拟环境

python -m venv .venv
# Windows:
.venv\Scripts\activate
# macOS/Linux:
source .venv/bin/activate

安装依赖

pip install -r requirements.txt

运行服务器
```
python main.py
```

服务器配置

MCP客户端需要配置以下信息以连接到此MCP服务器：

{
  "serverName": "docs",
  "command": "python",
  "args": ["main.py"]
}

serverName: 服务器名称，这里设置为 "docs" (与 'main.py' 中 'FastMCP("docs")' 一致).
command: 启动服务器的命令，使用 'python' 解释器。
args: 传递给 'python' 命令的参数，指定执行 'main.py' 文件。

请注意: 此服务器默认使用 stdio 传输协议，无需额外配置。MCP客户端应配置为使用 stdio 与此服务器通信。

基本使用方法

此MCP服务器提供了一个名为 'get_docs' 的工具 (Tool)，LLM客户端可以通过调用此工具来搜索指定库的文档。

例如，要使用 LangChain 的文档进行搜索，客户端可以向 MCP 服务器发送请求，调用 'get_docs' 工具并提供 'query' (搜索关键词) 和 'library' (库名称) 参数。

示例请求 (JSON-RPC 格式，仅供理解概念，实际由MCP客户端自动生成):

{
  "jsonrpc": "2.0",
  "method": "call",
  "params": {
    "tool_name": "docs/get_docs",
    "arguments": {
      "query": "如何使用 Chains",
      "library": "langchain"
    }
  },
  "id": 1
}

服务器会返回搜索结果，客户端可以利用这些结果作为上下文信息。支持的库包括 'langchain', 'langgraph', 'nextjs', 'tailwind', 'framer', 'mcp' 及其别名 (如 'framermotion' 代表 'framer', 'next' 代表 'nextjs' 等)。