LangChain lance mcpdoc : extraire l'information de llms.txt pour résoudre surcharge et inexactitudes 50

MCPdoc, qu'est-ce que c'est ?

mcpdoc est un outil lancé par LangChain qui, via un serveur MCP, expose le contenu des fichiers llms.txt sous forme d'outil de programmation destiné aux environnements de développement intégrés ou à d'autres applications. Il résout les problèmes de surcharge, d'incomplétude et d'imprécision de l'information, aide les assistants IA à comprendre la documentation de frameworks complexes et offre aux développeurs une expérience de développement plus efficace et plus transparente.

Principe de mcpdoc

Le cœur de mcpdoc est le serveur MCP, qui est responsable de l'indexation et de la gestion des informations de configuration des LLMs, et qui fournit des données contextuelles aux IDE et à d'autres applications. En fonction de l'environnement de développement actuel et du contexte du code, les applications demandent au serveur MCP les informations de configuration LLM pertinentes via des appels d'API.

Fonctionnalités principales de mcpdoc

• Fourniture d'une interface d'accès aux fichiers llms.txt : llms.txt est un fichier destiné à fournir des informations contextuelles aux LLMs (Large Language Models, grands modèles de langage). Il contient des informations de base, des instructions ainsi que des liens vers une documentation détaillée. mcpdoc, via le serveur MCP, met ces informations à disposition des IDE ou d'autres applications de manière standardisée.

• Prise en charge de plusieurs sources de documentation : les utilisateurs peuvent spécifier la source du fichier llms.txt de différentes manières, notamment en indiquant directement une URL, ou en utilisant un fichier de configuration YAML ou JSON.

• Renforcement de la compréhension contextuelle des outils de développement : grâce au serveur MCP, les IDE ou d'autres applications peuvent obtenir et analyser dynamiquement le contenu des fichiers llms.txt, fournissant ainsi aux développeurs des informations contextuelles plus riches pour les aider à mieux comprendre et utiliser les LLMs.

• Audit et contrôle des appels d'outils : par rapport à l'utilisation directe d'outils intégrés pour lire et traiter les fichiers llms.txt, mcpdoc permet aux utilisateurs d'auditer chaque appel d'outil ainsi que le contenu contextuel renvoyé, offrant ainsi une meilleure transparence et un meilleur contrôle.

Cas d'utilisation de mcpdoc

• Environnements de développement intégrés (IDE) : par exemple, des IDE comme Cursor ou Windsurf peuvent, via le serveur MCP fourni par mcpdoc, obtenir dynamiquement les informations contextuelles des fichiers llms.txt, offrant ainsi aux développeurs des fonctionnalités d'assistance au code plus intelligentes.

• Outils de développement assistés par IA : des outils comme Claude Code/Desktop peuvent exploiter les informations contextuelles fournies par mcpdoc pour offrir aux développeurs des suggestions de code et un support documentaire plus précis.

• Génération et gestion de documentation : mcpdoc peut aider les développeurs à générer et à gérer automatiquement la documentation liée au code, réduisant ainsi la charge de travail liée à la rédaction et à la maintenance manuelle de la documentation.

Comment utiliser mcpdoc

Installation

Il faut d'abord installer l'outil uv, ce qui peut être fait via la commande suivante :

curl -LsSf https://astral.sh/uv/install.sh | sh

Démarrer le serveur MCP

Vous pouvez démarrer le serveur mcpdoc et spécifier la source des fichiers llms.txt à l'aide de la commande suivante :

uvx --from mcpdoc mcpdoc \
--urls "LangGraph:https://langchain-ai.github.io/langgraph/llms.txt" "LangChain:https://python.langchain.com/llms.txt" \
--transport sse \
--port 8082 \
--host localhost

Le paramètre --urls sert à spécifier la source du fichier llms.txt ; il est possible d'indiquer plusieurs URL.

Le paramètre --transport spécifie le mode de communication, par exemple sse (Server-Sent Events).

Les paramètres --port et --host permettent de spécifier respectivement le port et l'adresse hôte du serveur.

Projet Github :https://github.com/langchain-ai/mcpdoc