dlang MCP

dlang_mcp-D语言mcp服务器

用于D语言工具的MCP（模型上下文协议）服务器，具有语义包搜索功能。

状态

• 一天中主要是氛围编码
• 仅在linux上测试
• PR的欢迎
• 实际上不确定LLM是否正确使用或是否真的有用
• 如果你有更好的东西，请告诉我

功能（20个MCP工具）

代码质量与分析

• 数字扫描仪 --对bug、样式问题和复杂性进行静态分析。支持多种模式：lint（默认）、语法验证、导入列表、行数、AST生成和ctags输出。可配置的检查预设（默认、严格、最小）。
• 可维护性设计 --使用可配置的大括号样式（allman、otbs、stroustrup）、缩进和行长度格式化D源代码。粘贴代码，返回格式化代码。
• compile_check --编译检查D代码，无需链接或运行。捕获类型错误、未定义的标识符和语法错误。接受内联代码或文件路径；集 dub_project 用于自动解析导入路径。支持dmd和ldc2。
• 覆盖率分析 --从以下方面分析代码覆盖率 .lst 由以下人员生成的文件 dmd -cov 或 ldc2 --cov.按最多未覆盖行排序的每个功能覆盖率统计数据报告。将其指向单个文件或目录以扫描所有文件 .lst 文件夹。

构建、测试和运行

• 建筑工程 --构建一个D/dub项目并获得结构化的结果：成功/失败、编译器错误（包含文件/行/消息）和警告。支持调试/发布版本、编译器选择（dmd/ldc2）和强制重建。
• run_tests --为D/dub项目运行单元测试。如果构建失败，则返回通过/失败计数、测试输出和编译器错误。支持测试名称过滤和详细输出。
• run_工程 --构建并执行一个D/dub项目，返回stdout、stderr和exit代码。将参数传递给构建的程序。

包和依赖关系管理

• 食品包装 --从dub注册表下载一个D包到本地缓存。（可选）指定版本。
• 升级依赖性 --将项目依赖项升级到允许的最新版本。支持 missing_only （无需升级即可获取）以及 verify （检查一致性，不进行修改）。
• 分析工程 --分析D/dub项目的构建配置：项目名称、依赖版本、源文件、导入路径和构建设置。用途 dub describe 回退到直接文件解析。

代码导航和结构

• ctags_search --在项目中按名称搜索符号定义（函数、类、结构、枚举）。支持精确、前缀和正则表达式匹配以及类型过滤。需要时自动生成标签文件。
• get_module_outline --获取D源文件中每个符号的层次轮廓：名称、种类、行号、可见性、属性(@safe, @nogc, nothrow, pure)，返回类型、参数和ddoc注释。接受文件路径或内联代码。
• list_project_modules --列出项目中的所有模块及其公共API（函数、类、结构、带签名的枚举）的摘要。
• ddoc_分析 --使用DMD的JSON输出分析整个项目的文档覆盖率和属性使用情况。按模块报告文档覆盖率百分比、功能/类型计数和模板统计。

语义搜索（需要索引数据库）

这些工具搜索索引D包的本地SQLite数据库。使用 --ingest 填充数据库，并可选择启用ONNX神经嵌入或sqlite-vec向量相似性以获得更好的结果（请参见 语义搜索设置).

• 搜索包 --按名称、描述或标签搜索索引的D包。查找给定任务的库。
• 搜索功能 --在所有索引包中按名称、签名或描述搜索函数定义。了解如何在D中做事。
• 搜索类型 --按名称或描述搜索类型定义（类、结构、接口、枚举）。按种类过滤。
• 搜索示例 --按描述或代码模式搜索可运行的D代码示例。返回包含所需导入的完整代码段。
• get_imports --查找D符号所需的导入语句。传递符号名称，返回 import 线。

诊断

• get_feature_status --检查哪些可选运行时功能可用：数据库、ONNX嵌入、sqlite-vec、外部工具（dscanner、dfmt）和活动搜索模式。有助于诊断问题。

快速开始

先决条件

• DMD 2.100+或LDC
• dub包管理器
• dscanner和dfmt（用于代码分析工具）
• SQLite 3.40+支持FTS5

构建

dub build

一个命令设置

chmod +x setup.sh && ./setup.sh

这将构建项目，安装可选组件（sqlite-vec、ONNX），并接收示例包。使用 --skip-onnx 对于仅限TF IDF的最小设置，或 --skip-packages 跳过包裹摄入。

最小手动设置

# 1. Build
dub build

# 2. Initialize database
./bin/dlang_mcp --init-db

# 3. Ingest some packages
./bin/dlang_mcp --ingest --package=phobos
./bin/dlang_mcp --ingest --package=intel-intrinsics

# 4. Train TF-IDF embeddings
./bin/dlang_mcp --train-embeddings

# 5. Run the MCP server
./bin/dlang_mcp

有关使用神经嵌入（ONNX）或向量相似性（sqlite-vec）的语义搜索，请参阅 语义搜索设置 在......下面

MCP客户端配置

克劳德桌面版

增添 ~/.config/claude/claude_desktop_config.json:

{
  "mcpServers": {
    "dlang": {
      "command": "/path/to/dlang_mcp/bin/dlang_mcp"
    }
  }
}

开源代码

增添 ~/.config/opencode/opencode.json:

{
  "mcp": {
    "dlang-mcp": {
      "type": "local",
      "command": ["/path/to/dlang_mcp/bin/dlang_mcp"],
      "enabled": true
    }
  }
}

GitHub副本（VS代码）

增添 .vscode/mcp.json 在您的工作空间中：

{
  "servers": {
    "dlang-mcp": {
      "type": "stdio",
      "command": "/path/to/dlang_mcp/bin/dlang_mcp"
    }
  }
}

GitHub Copilot命令行界面

增添 ~/.config/github-copilot/github-copilot-cli/mcp.json:

{
  "servers": {
    "dlang-mcp": {
      "type": "stdio",
      "command": "/path/to/dlang_mcp/bin/dlang_mcp"
    }
  }
}

OpenAI Codex命令行界面

增添 ~/.codex/config.json:

{
  "mcpServers": {
    "dlang-mcp": {
      "type": "stdio",
      "command": "/path/to/dlang_mcp/bin/dlang_mcp"
    }
  }
}

泽德

增添 ~/.config/zed/settings.json:

{
  "context_servers": {
    "dlang-mcp": {
      "command": {
        "path": "/path/to/dlang_mcp/bin/dlang_mcp",
        "args": []
      },
      "settings": {}
    }
  }
}

命令行参考

# Run as MCP server over stdio (default)
./bin/dlang_mcp

# Run as MCP server over HTTP (SSE + streamable endpoints)
./bin/dlang_mcp --http --port=3000 --host=127.0.0.1

# Initialize the search database
./bin/dlang_mcp --init-db

# Show database statistics
./bin/dlang_mcp --stats

# Show runtime feature status
./bin/dlang_mcp --feature-status

# Ingest a single package from code.dlang.org
./bin/dlang_mcp --ingest --package=silly

# Ingest all packages from code.dlang.org
./bin/dlang_mcp --ingest

# Ingest with limit and fresh start
./bin/dlang_mcp --ingest --limit=50 --fresh

# Show ingestion progress
./bin/dlang_mcp --ingest-status

# Build vector embeddings
./bin/dlang_mcp --train-embeddings

# Mine usage patterns from indexed data
./bin/dlang_mcp --mine-patterns

# Analyze a D project (standalone, no MCP)
./bin/dlang_mcp --analyze-project=/path/to/project
./bin/dlang_mcp --ddoc-analyze=/path/to/project

# Test search with a query
./bin/dlang_mcp --test-search="hash table lookup"

# Verbose logging (--verbose for info, --vverbose for trace)
./bin/dlang_mcp --verbose

# Set process execution timeout (default: 30s)
./bin/dlang_mcp --timeout=60

# Show help
./bin/dlang_mcp --help

直接运行MCP工具（不需要MCP客户端）

每个MCP工具都可以直接从命令行调用。传递一个JSON参数字符串并获取完整的 ToolResult 在stdout上返回JSON。

# Format D code
./bin/dlang_mcp --dfmt='{"code":"int x=1;"}'

# Static analysis
./bin/dlang_mcp --dscanner='{"code":"void main(){}", "mode":"sloc"}'

# Compile-check inline code
./bin/dlang_mcp --compile-check='{"code":"import std.stdio; void main(){writeln(42);}"}'

# Build a project
./bin/dlang_mcp --build-project='{"project_path":"."}'

# Run project tests
./bin/dlang_mcp --run-tests='{"project_path":".", "verbose":true}'

# Get module outline
./bin/dlang_mcp --module-outline='{"code":"module test; void foo() {}"}'

# Search symbol definitions
./bin/dlang_mcp --ctags-search='{"query":"main", "project_path":"."}'

# Fetch a dub package
./bin/dlang_mcp --fetch-package='{"package_name":"silly"}'

# Analyze coverage (just pass the .lst file)
./bin/dlang_mcp --coverage-analysis=source-app.lst

所有19个工具标志：

--tool-analyze-project 和 --tool-ddoc-analyze 前缀为 tool- 避免与现有冲突 --analyze-project 和 --ddoc-analyze 标志（写入文件而不是打印JSON）。

语义搜索设置（可选）

搜索工具可以开箱即用TF-IDF关键字搜索。为了获得更好的结果，您可以选择启用向量相似性搜索和/或神经嵌入。

sqlite-vec（向量相似度）

启用基于向量的语义相似性搜索，而不仅仅是关键字匹配。

从源代码构建：

cd /tmp
git clone https://github.com/asg017/sqlite-vec
cd sqlite-vec
make loadable
cp dist/vec0.so /path/to/dlang_mcp/data/models/

或者使用环境变量：

export SQLITE_VEC_PATH=/path/to/vec0.so
./bin/dlang_mcp --init-db

自动检测路径：

• data/models/vec0.so （Linux）/ vec0.dylib （macOS）/ vec0.dll （Windows）
• /usr/local/lib/vec0.*
• /usr/lib/vec0.*

证实 ./bin/dlang_mcp --init-db --应显示“矢量搜索已启用（sqlite-vec）”。

ONNX嵌入（神经搜索）

对于使用全MiniLM-L6-v2模型的语义嵌入：

# Download ONNX model and vocabulary
wget -O data/models/model.onnx \
  https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2/resolve/main/onnx/model.onnx
wget -O data/models/vocab.txt \
  https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2/raw/main/vocab.txt

# Install ONNX Runtime library
cd /tmp
wget https://github.com/microsoft/onnxruntime/releases/download/v1.18.0/onnxruntime-linux-x64-1.18.0.tgz
tar xzf onnxruntime-linux-x64-1.18.0.tgz
mkdir -p /path/to/dlang_mcp/lib
cp onnxruntime-linux-x64-1.18.0/lib/libonnxruntime.so.1.18.0 /path/to/dlang_mcp/lib/
cd /path/to/dlang_mcp/lib && ln -sf libonnxruntime.so.1.18.0 onnxruntime.so

二进制文件有一个嵌入的rpath($ORIGIN/../lib)因此，当放置在以下位置时，它会自动查找ONNX运行时库 lib/ 旁边 bin/ 目录。

当ONNX模型和库可用时，服务器使用神经嵌入进行更好的语义搜索。否则，TF-IDF将用作回退。

索引包

# Index a single package
./bin/dlang_mcp --ingest --package=silly

# Index all packages (takes a while)
./bin/dlang_mcp --ingest

# Resume interrupted ingestion (automatic)
./bin/dlang_mcp --ingest

# Start fresh
./bin/dlang_mcp --ingest --fresh

# Check ingestion progress
./bin/dlang_mcp --ingest-status

# Mine usage patterns after ingesting
./bin/dlang_mcp --mine-patterns

故障排除

“矢量搜索已禁用”

确保已安装sqlite-vec：

ls -la data/models/vec0.so

如果缺失，请构建它：

cd /tmp
git clone https://github.com/asg017/sqlite-vec
cd sqlite-vec
make loadable
cp dist/vec0.so /path/to/dlang_mcp/data/models/

“加载sqlite vec失败”

检查扩展是否与SQLite版本兼容：

sqlite3 --version

该扩展需要SQLite 3.40+。

包裹摄入失败

某些软件包可能具有不寻常的结构。检查错误消息并尝试：

# Clear cache and retry
rm -rf data/cache/sources/

./bin/dlang_mcp --ingest --package=

许可证

BOOST--参见 许可证 全文。