
mcpdoc
把 llms-txt 文档接进 IDE,让 AI 写代码不再瞎编
mcpdoc 是一个基于 MCP(Model Context Protocol)的轻量服务,把 llms-txt 文档源暴露给 IDE 和 AI 编程助手使用。它解决的核心问题是:AI 编码工具(如 Cursor、Claude Code)在生成代码时常常缺少项目或依赖库的最新文档,导致幻觉和过时 API 调用。mcpdoc 通过配置一组 llms.txt 或 llms-full.txt 的 URL,在本地启动 MCP 服务,让 IDE 里的 AI 代理按需检索这些文档,从而获得准确的库用法、配置说明和示例。它支持多个文档源、可指定域名白名单、按需抓取并缓存,兼容任何支持 MCP 的客户端。项目用 Python 实现,安装和配置都很简单,适合把官方文档、内部知识库或第三方库说明接入日常编码流程,减少查文档和试错时间。
项目数据
使用教程
环境要求
- 本地具备 Python 运行环境(项目由 Python 实现)
- 已安装 uv 工具(用于安装与运行)
- 一个支持 MCP 的客户端,如 Cursor、Windsurf、Claude Code/Desktop
- 能访问 llms.txt 文档源地址的网络
安装与启动步骤
-
1安装 uv
README 的 Quickstart 只给出安装 uv 的命令,uv 用于后续安装和运行项目;其他安装方式见官方 uv 文档。
curl -LsSf https://astral.sh/uv/install.sh | sh -
2编写文档源配置
按 README 的配置格式新建配置文件,内容是文档源列表;每项必须包含 llms_txt,name 可选。
[ { "name": "LangGraph Python", "llms_txt": "https://langchain-ai.github.io/langgraph/llms.txt" } ] -
3运行 MCP 服务
README 的 Programmatic Usage 给出如下片段:先导入 create_server,再以 stdio 传输方式运行服务,供 MCP 客户端连接。
from mcpdoc.main import create_server # Run the server server.run(transport="stdio")
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
llms_txt | 是 | 文档源的 llms.txt 地址,服务据此检索文档 | https://langchain-ai.github.io/langgraph/llms.txt |
name | 否 | 给该文档源起个名字,便于在配置中区分 | LangGraph Python |
如何确认成功
MCP 客户端中服务连接成功,并能使用 README 提到的 fetch_docs 工具取回 llms.txt 内的文档内容。
常见问题
Q:配置文件用 YAML 还是 JSON?
A:两者都支持,内容都是文档源列表,每项必须含 llms_txt、可选 name,README 同时给了 sample_config.yaml 和 sample_config.json 示例。
Q:可以配置多个文档源吗?
A:可以。配置本身就是一组文档源的列表,可同时放入多个 llms.txt 地址,服务按需抓取并缓存。
Q:如何确认 AI 拿到的是最新文档?
A:mcpdoc 暴露 fetch_docs 工具,每次工具调用和返回的上下文都可审计,能直接看到检索到的内容。
Q:uv 还有别的安装方式吗?
A:有,README 指向官方 uv 文档,见 https://docs.astral.sh/uv/getting-started/installation/#installation-methods。
注意事项
- README 节选未给出 mcpdoc 自身的完整安装命令,请以官方仓库 README 为准,不要臆造包名与参数。
- Programmatic Usage 片段只给出了导入与 server.run(transport="stdio"),实际使用时需先由 create_server 得到 server 实例。
- 服务通过 stdio 与 MCP 客户端通信,需在具体客户端中完成接入配置。
- llms.txt 仅为索引,详细内容需服务按需抓取对应的 markdown 文件。
核心亮点
- 通过 MCP 标准协议接入,兼容 Cursor、Claude Code 等主流 AI 编码工具
- 支持配置多个 llms.txt / llms-full.txt 文档源,按需检索而非全量塞入上下文
- 可限定允许抓取的域名,避免代理访问无关或危险链接
不足之处
- 依赖目标站点提供规范的 llms.txt,很多项目尚未支持
- 文档抓取和缓存机制较基础,大规模或频繁更新场景下效率待验证
适用场景
- 在 Cursor 中让 AI 写代码时自动查询某个库的最新官方文档
- 给内部知识库生成 llms.txt 后接入 IDE,辅助团队统一编码规范
- 使用 Claude Code 开发时按需拉取第三方 API 文档,减少过时调用
替代项目
context7、docs-mcp-server
项目介绍
同类项目推荐
ComfyUI_Custom_Nodes_AlekPet
开源
给 ComfyUI 装上语音翻译和姿态检测,工作流更全能
Custom nodes that extend the capabilities of Comfyui
langchain
开源
组装 AI 应用的乐高积木,从想法到上线不换工具
The agent engineering platform.
transformers
开源
全球最大的模型仓库全家桶,想用的模型一把抓
Transformers: the model-definition framework for state-of-the-art machine learning m···
bruno
开源
把 API 测试当代码管理,用 Git 搞定协作与版本追踪
Opensource IDE For Exploring and Testing API's (lightweight alternative to Postman/I···