WebDriver规范MCP服务器
这是一个模型上下文协议（MCP）服务器，提供对WebDriver BiDi和Classic规范的访问。它使用由谷歌Gemini模型支持的检索增强生成（RAG），允许您搜索、阅读和询问有关WebDriver规范的问题。
特性
- 摄取WebDriver规范：从W3C获取并解析最新的WebDriver BiDi和Classic规范。
- 语义搜索：使用自然语言查询在规范中搜索相关章节(
search_specs). - 阅读规格：检索特定章节的全部内容(
read_spec_section). - 问答：询问有关规格的问题，并根据文档获得人工智能生成的答案(
ask_webdriver). - 矢量存储器：用途 兰斯数据库 用于高效的本地矢量存储。
工具
服务器公开了以下工具：
search_specs：在WebDriver BiDi和Classic规范中搜索相关章节。
- 论据： query （字符串）
read_spec_section：阅读特定章节的全部内容。
- 论据： url （字符串）
ask_webdriver：询问有关WebDriver规范的问题。
- 论据： question （字符串）
先决条件
- Node.js（建议使用v20或更高版本）
- Google Gemini API密钥
安装
- 克隆存储库。
- 安装依赖项：
npm install- 配置环境：
创建一个 .env 文件的根目录中，并添加您的Gemini API密钥。这是摄取脚本工作所必需的。
GEMINI_API_KEY=your_gemini_api_key_here- 摄入数据：
在使用服务器之前，您需要将WebDriver规范摄取到本地向量存储中。此脚本获取规范，生成嵌入，并将其存储在 .mcp-data/lancedb.
npm run ingest- 构建项目：
编译TypeScript代码：
npm run build- 配置MCP客户端：
将服务器配置添加到MCP客户端设置中（例如。， ~/.gemini/settings.json 或 claude_desktop_config.json).
确保更换 以及此存储库的绝对路径。
"webdriver-spec": {
"command": "node",
"args": [
"
/build/src/index.js"
],
"env": {
"GEMINI_API_KEY": ""
}
}建筑
scripts/ingest-specs.ts：从W3C获取HTML，使用jsdom，使用以下命令生成嵌入text-embedding-004，并将其存储在LanceDB中。src/tools/webdriver.ts：定义用于搜索和查询数据的MCP工具。src/lib/store.ts：处理与LanceDB的交互。src/lib/gemini.ts：处理与Google Generative AI API的交互。
添加新规范
要添加包含WebDriver BiDi或Classic端点的新规范，请执行以下步骤：
- 打开
scripts/ingest-specs.ts.
- 将您的规格添加到
SPECS阵列。
数组包含 SpecConfig 物体。您需要提供：
- url：规范的公共URL。 - type：规范的唯一标识符（例如。， "new-module"). - rootId （可选）：如果WebDriver相关部分是页面的子集，请提供 id 解析应该开始的标题。
const SPECS: SpecConfig[] = [
// ... existing specs
{
url: "https://example.com/spec",
type: "my-new-spec",
rootId: "automated-testing" // Only ingest sections under this heading
},
];- 运行摄取脚本：
npm run ingest该脚本将获取新的规范，解析其标题，生成嵌入，并将其添加到向量存储中。
故障排除
不可用的型号
如果项目失败，错误指示Gemini模型（例如。， text-embedding-004)找不到或不支持，这可能意味着该模型已被弃用或在您所在的地区不可用。
要解决此问题，请执行以下操作：
- 打开
src/lib/gemini.ts. - 更新
EMBEDDING_MODELS或GENERATIVE_MODELS: 将当前可用的模型添加到相应阵列的开头。您可以通过运行调用Gemini API的listModels方法或通过检查 谷歌人工智能文档. - 重新运行摄入： 如果更改了嵌入模型，则必须运行
npm run ingest再次对规格进行重新索引。