🧠 IFS云MCP服务器

基于AI的模型上下文协议服务器，用于智能IFS Cloud代码库分析

一个复杂的模型上下文协议（MCP）服务器，通过全面分析、PageRank重要性排名和智能代码搜索功能，为AI代理提供对IFS Cloud代码库的深入理解。

______________________________________________________________________

✨ 主要特点

🎯 智能代码分析

综合文件分析：提取API调用、过程/函数名称和依赖关系
PageRank排名：根据依赖关系网络分析确定最重要的文件
参考图：映射文件间依赖关系以了解体系结构
多格式支持：手柄 .plsql, .entity, .client, .projection, .fragment，以及更多

📦 版本管理

ZIP导入：从ZIP文件导入完整的IFS Cloud版本
多个版本：管理不同IFS Cloud版本并在它们之间切换
隔离分析：每个版本都维护单独的分析数据
智能提取：自动筛选和组织支持的文件类型

🔍 高级混合搜索与发现

双查询混合搜索：单独的语义和词汇查询用于精度控制
BGE-M3语义搜索：使用最先进的嵌入技术进行人工智能驱动的理解
BM25S词汇搜索：API名称、函数和关键字的快速精确匹配
FlashRank融合：神经重新排序智能地结合了语义和词汇结果
三种搜索模式：通过MCP工具提供全面、仅语义或仅词汇
PageRank重要性：按依赖关系网络中的重要性排列的文件
CUDA加速：GPU驱动的语义搜索，实现最高性能

______________________________________________________________________

🚀 快速开始

1. 安装

git clone https://github.com/graknol/ifs-cloud-core-mcp-server.git
cd ifs-cloud-core-mcp-server
uv sync

2. 导入IFS云版本

# Import an IFS Cloud ZIP file
uv run python -m src.ifs_cloud_mcp_server.main import "IFS_Cloud_25.1.0.zip" --version "25.1.0"

3. 分析代码库

# Perform comprehensive analysis
uv run python -m src.ifs_cloud_mcp_server.main analyze --version "25.1.0"

# Calculate PageRank importance scores
uv run python -m src.ifs_cloud_mcp_server.main calculate-pagerank --version "25.1.0"

4. 启动MCP服务器

# Start server with analyzed version
uv run python -m src.ifs_cloud_mcp_server.main server --version "25.1.0"

______________________________________________________________________

📋 CLI命令参考

版本管理

# Import a ZIP file
uv run python -m src.ifs_cloud_mcp_server.main import  --version 

# Download pre-built indexes from GitHub (fastest setup)
uv run python -m src.ifs_cloud_mcp_server.main download --version  [--force]

# List all versions
uv run python -m src.ifs_cloud_mcp_server.main list

# Delete a version
uv run python -m src.ifs_cloud_mcp_server.main delete --version  [--force]

分析命令

# Analyze codebase (extract dependencies, API calls, etc.)
uv run python -m src.ifs_cloud_mcp_server.main analyze --version  [--max-files N] [--force]

# Calculate PageRank importance scores
uv run python -m src.ifs_cloud_mcp_server.main calculate-pagerank --version 

# Create embeddings for semantic search (uses BGE-M3 model)
uv run python -m src.ifs_cloud_mcp_server.main embed --version  [--max-files N]

# Create test embeddings (top 10 files for quick testing)
uv run python -m src.ifs_cloud_mcp_server.main embed --version  --max-files 10

服务器操作

# Start MCP server
uv run python -m src.ifs_cloud_mcp_server.main server --version 

# Start web UI (if available)
uv run python -m src.ifs_cloud_mcp_server.web_ui

______________________________________________________________________

� MCP搜索工具

该服务器为AI代理提供了三种复杂的搜索工具：

搜索ifs_降级 -综合混合搜索

// Full hybrid search with separate semantic and lexical queries
search_ifs_codebase(
  query: "validation logic",           // Main query (fallback for both)
  semantic_query: "business rules",    // For FAISS semantic search
  lexical_query: "Check_Insert___",   // For BM25S exact matching
  max_results: 10,                    // Number of results
  explain: true                       // Include scoring explanations
)

search_ifs_semantic -人工智能驱动的理解

// Pure semantic search using BGE-M3 embeddings
search_ifs_semantic(
  semantic_query: "customer credit validation patterns",
  max_results: 10,
  explain: true
)

search_ifs_lexical -精确的API和关键字匹配

// Pure lexical search using BM25S
search_ifs_lexical(
  lexical_query: "Customer_API.Get_Credit_Limit___",
  max_results: 10,
  explain: true
)

主要特点：

双查询处理：针对语义搜索和词汇搜索优化了不同的查询
BGE-M3嵌入：1024个维度向量，具有8192个标记上下文
CUDA加速：GPU驱动的语义搜索（如果可用）
FlashRank融合：神经重新排序以获得最佳结果排序
PageRank集成：重要性加权结果评分
详细说明：透明度方面的可选评分细分

______________________________________________________________________

�🔧 MCP客户端配置

克劳德桌面

添加到您的Claude Desktop配置中：

{
  "mcpServers": {
    "ifs-cloud": {
      "command": "uv",
      "args": [
        "run",
        "python",
        "-m",
        "src.ifs_cloud_mcp_server.main",
        "server",
        "--version",
        "25.1.0"
      ],
      "cwd": "/path/to/ifs-cloud-core-mcp-server"
    }
  }
}

其他MCP客户端

# Standard MCP server startup
uv run python -m src.ifs_cloud_mcp_server.main server --version "25.1.0"

______________________________________________________________________

📊 分析输出

系统生成综合分析数据：

PageRank评分

重要性排名：按网络中心性排列的文件
基础API：基础结构文件（FndSession、Site等）排名最高
业务逻辑：按使用模式排列的域特定文件

文件元数据

文件大小和类型：基本文件特征
程序/函数名称：代码结构分析
改变信息：摘自评论和标题

______________________________________________________________________

🎯 智能工作流示例

AI代理搜索工作流程

💬 User: "Find customer credit validation patterns in IFS Cloud"

🧠 AI Agent automatically uses hybrid search:

1️⃣ **Semantic Search** (search_ifs_semantic):
   Query: "customer credit validation business rules"
   → BGE-M3 finds conceptually similar code patterns
   → Returns files with credit checking logic, validation routines

2️⃣ **Lexical Search** (search_ifs_lexical):
   Query: "Customer_API Credit_Limit Check_Credit"
   → BM25S finds exact API names and function calls
   → Returns specific implementation methods

3️⃣ **Hybrid Fusion** (search_ifs_codebase):
   Semantic: "credit validation patterns"
   Lexical: "Customer_API.Check_Credit___"
   → FlashRank combines both approaches intelligently
   → PageRank boosts important foundation files

✅ Result: Comprehensive understanding across:
   - Business logic patterns (semantic)
   - Exact API implementations (lexical)
   - Architectural importance (PageRank)
   - Perfect architectural consistency!

快速设置工作流 ⚡ _（推荐）_

# 1. Import IFS Cloud version
uv run python -m src.ifs_cloud_mcp_server.main import "IFS_Cloud_25.1.0.zip"

# 2. Download pre-built indexes from GitHub (if available)
uv run python -m src.ifs_cloud_mcp_server.main download --version "25.1.0"

# 3. Start MCP server immediately
uv run python -m src.ifs_cloud_mcp_server.main server --version "25.1.0"

结果：几分钟内即可准备就绪，而不是几个小时！ ⚡

完成安装工作流程 _（如果下载不可用）_

# 1. Import IFS Cloud version
uv run python -m src.ifs_cloud_mcp_server.main import "IFS_Cloud_25.1.0.zip"

# 2. Analyze the codebase (extract dependencies, API calls)
uv run python -m src.ifs_cloud_mcp_server.main analyze --version "25.1.0"

# 3. Calculate importance rankings (PageRank network analysis)
uv run python -m src.ifs_cloud_mcp_server.main calculate-pagerank --version "25.1.0"

# 4. Build BM25S lexical search index
uv run python -m src.ifs_cloud_mcp_server.main reindex-bm25s --version "25.1.0"

# 5. Optional: Create semantic embeddings (BGE-M3 model, ~5-10 minutes)
uv run python -m src.ifs_cloud_mcp_server.main embed --version "25.1.0"

# 6. Start MCP server with full hybrid search capabilities
uv run python -m src.ifs_cloud_mcp_server.main server --version "25.1.0"

结果：AI代理现在可以在IFS Cloud代码库中进行全面的混合搜索！

______________________________________________________________________

📁 支持的文件类型

文件类型	目的	分析功能
`.plsql`	PL/SQL业务逻辑	API调用、过程、函数
`.entity`	数据实体定义	实体关系
`.client`	用户界面组件	UI模式、命令
`.projection`	数据访问层	查询、操作
`.fragment`	全栈组件	完整的集成模式
`.views`	数据库视图	数据结构
`.storage`	存储定义	数据库映射

______________________________________________________________________

🏗️ 建筑

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   AI Client     │◄──►│   MCP Server    │◄──►│ Analysis Data   │
│ (Claude, etc.)  │    │                 │    │ (JSON/JSONL)    │
└─────────────────┘    └─────────────────┘    └─────────────────┘
                              │
                              ▼
                       ┌─────────────────┐
                       │ Hybrid Search   │
                       │ • BGE-M3 FAISS  │
                       │ • BM25S Lexical │
                       │ • FlashRank     │
                       │ • PageRank      │
                       └─────────────────┘

搜索架构详细信息

Query Input
     │
     ▼
┌─────────────────┐
│ Query Processor │ ◄─── Semantic Query + Lexical Query
│ • Intent detect │
│ • Query split   │
└─────────────────┘
     │
     ▼
┌─────────────────┐    ┌─────────────────┐
│ FAISS Search    │    │ BM25S Search    │
│ • BGE-M3 embed  │    │ • Exact match   │
│ • Semantic sim  │    │ • Keyword score │
│ • CUDA accel    │    │ • Fast retrieval│
└─────────────────┘    └─────────────────┘
     │                          │
     └─────────┬─────────────────┘
               ▼
        ┌─────────────────┐
        │ FlashRank Fusion│
        │ • Neural rerank │
        │ • Score fusion  │
        │ • PageRank boost│
        └─────────────────┘
               ▼
        Final Ranked Results

______________________________________________________________________

📈 演出

搜索性能

混合搜索响应：对于CUDA加速的大多数查询，\

🧠 Intelligent Context Analysis 📊 Deep Code Analysis

• Automatic pattern discovery

• Business requirement understanding

• Existing API identification

• Best practice recommendations

• PLSQL business logic analysis

• Client UI pattern recognition

• Projection data model mapping

• Fragment full-stack understanding

📦 Version Management ⚡ High Performance

• ZIP file import/extraction

• Multiple version support

• Isolated environments

• Easy switching between versions

• 1000+ files/second indexing

•

______________________________________________________________________

📁 支持的IFS云文件

文件类型	目的	人工智能理解
`.plsql`	业务逻辑	API、验证、业务规则
`.entity`	数据模型	实体关系、属性
`.client`	用户界面	UI模式、命令、导航
`.projection`	数据访问	查询、操作、数据表面
`.fragment`	全栈组件	完整的UI到数据集成
`.views`, `.storage`	数据库层	数据结构和访问模式

______________________________________________________________________

🎯 智能工作流示例

💬 User: "Add customer order validation to check credit limits"

🧠 AI Agent automatically:
   1. Searches for "validation", "customer", "order", "credit" patterns
   2. Finds existing CustomerOrder.plsql, validation methods
   3. Analyzes business logic with PLSQL analyzer
   4. Discovers Check_Insert___ validation patterns
   5. Identifies existing Customer_API methods
   6. Generates implementation matching your exact patterns

✅ Result: Perfect architectural consistency!

______________________________________________________________________

📋 命令参考

数据库元数据提取

# Extract metadata from your database (recommended)
export IFS_DB_PASSWORD="secure_password"
uv run python -m src.ifs_cloud_mcp_server.main extract \
  --host db-host --username ifsapp --service IFSCDEV 25.1.0

# Extract with connection string
uv run python -m src.ifs_cloud_mcp_server.main extract \
  --connection "oracle://user:pass@host:1521/service" 25.1.0

# JSON output for automation
uv run python -m src.ifs_cloud_mcp_server.main extract \
  --connection "oracle://..." --quiet --json 25.1.0

ZIP管理

# Import IFS Cloud ZIP file
uv run python -m src.ifs_cloud_mcp_server.main import  

# List available versions
uv run python -m src.ifs_cloud_mcp_server.main list

# Start server with specific version
uv run python -m src.ifs_cloud_mcp_server.main server --version

服务器管理

# Start MCP server (default - uses ./index)
uv run python -m src.ifs_cloud_mcp_server.main server

# Start with specific version
uv run python -m src.ifs_cloud_mcp_server.main server --version "25.1.0"

# Start with custom index path
uv run python -m src.ifs_cloud_mcp_server.main server --index-path ./my_index

______________________________________________________________________

� MCP客户端配置

GitHub Copilot

{
  "mcpServers": {
    "ifs-cloud-intelligent-agent": {
      "command": "uv",
      "args": [
        "run",
        "python",
        "-m",
        "src.ifs_cloud_mcp_server.main",
        "server",
        "--version",
        "24.2.1"
      ],
      "cwd": "/path/to/ifs-cloud-core-mcp-server"
    }
  }
}

克劳德桌面

{
  "mcpServers": {
    "ifs-cloud": {
      "command": "uv",
      "args": [
        "run",
        "python",
        "-m",
        "src.ifs_cloud_mcp_server.main",
        "server",
        "--version",
        "24.2.1"
      ],
      "cwd": "/path/to/ifs-cloud-core-mcp-server"
    }
  }
}

______________________________________________________________________

📚 文档

� 元数据提取CLI -从数据库中提取元数据
�📖 ZIP索引详解 -分步导入示例
📋 ZIP索引说明 -完整的进口文件
🧠 智能代理指南 -AI代理如何工作
🌐 Web UI文档 -交互式探索界面

备注：所有元数据提取（包括GUI映射）现在都集成到主CLI中。使用 extract 命令从IFS Cloud数据库收集数据。

______________________________________________________________________

🎉 结果

您的AI代理现在已 全面的IFS云智能 并将：

✅ 自动理解 您的特定IFS云模式
✅ 发现现有API 以及验证方法
✅ 生成一致的代码 与您的架构相匹配
✅ 遵循命名约定 以及业务规则模式
✅ 利用现有组件 而不是重新发明
✅ 保持质量标准 在所有实现中

使用真正了解IFS Cloud的AI改变您的开发工作流程！ 🚀

______________________________________________________________________

_内置于❤️ IFS Cloud开发人员_


3. **打开浏览器：** 引导到 `http://localhost:5700` （或启动消息中显示的端口）并开始探索！

### 🔌 **MCP服务器模式** （用于AI集成）

1. **启动MCP服务器：**

For Claude Desktop or other MCP clients

uv run python -m src.ifs_cloud_mcp_server.main


2. **在Claude Desktop中配置：**

{ "mcpServers": { "ifs-cloud": { "command": "uv", "args": ["run", "python", "-m", "src.ifs_cloud_mcp_server.main"], "cwd": "/path/to/ifs-cloud-core-mcp-server" } } }


## 安装

Clone the repository

git clone https://github.com/graknol/ifs-cloud-core-mcp-server.git cd ifs-cloud-core-mcp-server

Install dependencies with UV (recommended)

uv sync

Or with pip

pip install -e .

For development

pip install -e ".[dev]"


### 🤖 **AI意图分类模型**

服务器使用FastAI模型进行智能查询分类。首次需要时，模型会自动从GitHub版本下载：

Models download automatically, but you can also:

Download manually

uv run python -m src.ifs_cloud_mcp_server.model_downloader

Train your own model (optional)

uv run python scripts/train_proper_fastai.py

Prepare model for release (maintainers)

uv run python scripts/prepare_model_release.py


**型号详细信息：**

- **尺寸**：约121MB（FastAI ULMFiT型号）
- **存储**：从GitHub版本下载（不在仓库中）
- **后备方案**：如果型号不可用，则性能会下降
- **GPU支持**：自动CUDA检测和加速

## 快速开始

Start the MCP server

ifs-cloud-mcp-server --port 8000 --index-path ./index

Index your IFS Cloud codebase

curl -X POST http://localhost:8000/index \ -H "Content-Type: application/json" \ -d '{"path": "/path/to/ifs/cloud/project"}'

Search for entities

curl -X POST http://localhost:8000/search \ -H "Content-Type: application/json" \ -d '{"query": "CustomerOrder", "type": "entity"}'


## 建筑

┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐ │ MCP Client │◄──►│ MCP Server │◄──►│ Tantivy Index │ └─────────────────┘ └─────────────────┘ └─────────────────┘ │ ▼ ┌─────────────────┐ │ File Processors │ │ - Entity │ │ - PL/SQL │ │ - Views │ │ - Storage │ │ - Fragment │ │ - Client │ │ - Projection │ └─────────────────┘


## 发展

Run tests

pytest

Format code

black src/ tests/

Lint code

ruff check src/ tests/

Type checking

mypy src/


## 演出

- **索引速度**：在典型硬件上约1000个文件/秒
- **搜索响应**：对于大多数查询，\<100ms
- **内存使用**：1GB代码库索引约200MB
- **增量更新**：实时文件更改跟踪

## 未来路线图

- 🤖 **人工智能集成**：FastAI/PyTorch用于语义搜索
- 🧠 **模式识别**：基于ML的代码模式检测
- 📈 **分析**：高级代码库见解和指标
- 🔗 **IDE集成**：VS Code和IntelliJ插件

## 许可证

根据许可文件中规定的条款进行许可。

IFS Cloud MCP Server

快速接入

详细介绍

🧠 IFS云MCP服务器

✨ 主要特点

🎯 智能代码分析

📦 版本管理

🔍 高级混合搜索与发现

🚀 快速开始

1. 安装

2. 导入IFS云版本

3. 分析代码库

4. 启动MCP服务器

📋 CLI命令参考

版本管理

分析命令

服务器操作

� MCP搜索工具

搜索ifs_降级 -综合混合搜索

search_ifs_semantic -人工智能驱动的理解

search_ifs_lexical -精确的API和关键字匹配

�🔧 MCP客户端配置

克劳德桌面

其他MCP客户端

📊 分析输出

相关性分析

PageRank评分

文件元数据

🎯 智能工作流示例

AI代理搜索工作流程

快速设置工作流 ⚡ _（推荐）_

完成安装工作流程 _（如果下载不可用）_

📁 支持的文件类型

🏗️ 建筑

搜索架构详细信息

📈 演出

搜索性能

📁 支持的IFS云文件

🎯 智能工作流示例

📋 命令参考

数据库元数据提取

ZIP管理

服务器管理

� MCP客户端配置

GitHub Copilot

克劳德桌面

📚 文档

🎉 结果

For Claude Desktop or other MCP clients

Clone the repository

Install dependencies with UV (recommended)

Or with pip

For development

Models download automatically, but you can also:

Download manually

Train your own model (optional)

Prepare model for release (maintainers)

Start the MCP server

Index your IFS Cloud codebase

Search for entities

Run tests

Format code

Lint code

Type checking

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP