MCP LLMS-TXT 文档服务器

概述

llms.txt 是一个针对 LLMs 的网站索引，提供背景信息、指南以及指向详细 markdown 文件的链接。像 Cursor 和 Windsurf 这样的 IDE 或者像 Claude Code/Desktop 这样的应用程序可以使用 llms.txt 来为任务检索上下文。然而，这些应用程序使用不同的内置工具来读取和处理像 llms.txt 这样的文件。检索过程可能是不透明的，并且并不总是有办法审核工具调用或返回的上下文。

MCP 为开发者提供了对这些应用程序所使用的工具的完全控制。在这里，我们创建了一个开源的 MCP 服务器，以向 MCP 主机应用程序（例如，Cursor、Windsurf、Claude Code/Desktop）提供 (1) 用户定义的 llms.txt 文件列表和 (2) 一个简单的 fetch_docs 工具，用于读取所提供 llms.txt 文件中的 URL。这使得用户能够审核每个工具调用以及返回的上下文。

llms-txt

你可以在这里找到 langgraph 和 langchain 的 llms.txt 文件：

库	llms.txt
LangGraph Python	https://langchain-ai.github.io/langgraph/llms.txt
LangGraph JS	https://langchain-ai.github.io/langgraphjs/llms.txt
LangChain Python	https://python.langchain.com/llms.txt
LangChain JS	https://js.langchain.com/llms.txt

快速开始

安装 uv

• 请参阅 官方 uv 文档 了解其他安装 uv 的方法。

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

选择要使用的 llms.txt 文件。

• 例如，这是 LangGraph 的 llms.txt 文件。

注意：安全性和域名访问控制

出于安全考虑，mcpdoc 实现了严格的域名访问控制：

1. 远程 llms.txt 文件：当您指定一个远程 llms.txt URL（例如 https://langchain-ai.github.io/langgraph/llms.txt）时，mcpdoc 会自动将该特定域名（langchain-ai.github.io）添加到允许的域名列表中。这意味着工具只能从该域名下的 URL 获取文档。

2. 本地 llms.txt 文件：使用本地文件时，不会自动将任何域名添加到允许列表中。您必须使用 --allowed-domains 参数明确指定允许哪些域名。

3. 添加额外的域名：要允许从超出自动包含范围之外的域名获取数据：

   • 使用 --allowed-domains domain1.com domain2.com 添加特定的域名
   • 使用 --allowed-domains '*' 允许所有域名（谨慎使用）

此安全措施可防止未经授权访问用户未明确批准的域名，确保仅能从受信任的来源检索文档。

（可选）使用您选择的 llms.txt 文件在本地测试 MCP 服务器：

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

• 这应该运行在：http://localhost:8082

• 运行 MCP 检查器 并连接到正在运行的服务器：

npx @modelcontextprotocol/inspector

• 在这里，您可以测试 tool 调用。

连接到 Cursor

• 打开 Cursor 设置 和 MCP 标签页。
• 这将打开 ~/.cursor/mcp.json 文件。

• 将以下内容粘贴到文件中（我们使用 langgraph-docs-mcp 名称并链接到 LangGraph 的 llms.txt）。

{
  "mcpServers": {
    "langgraph-docs-mcp": {
      "command": "uvx",
      "args": [
        "--from",
        "mcpdoc",
        "mcpdoc",
        "--urls",
        "LangGraph:https://langchain-ai.github.io/langgraph/llms.txt LangChain:https://python.langchain.com/llms.txt",
        "--transport",
        "stdio"
      ]
    }
  }
}

• 确认服务器正在 Cursor 设置/MCP 标签页中运行。
• 最佳实践是随后更新 Cursor 全局（用户）规则。
• 打开 Cursor 设置/规则 并使用以下内容（或类似内容）更新 用户规则：

for ANY question about LangGraph, use the langgraph-docs-mcp server to help answer -- 
+ call list_doc_sources tool to get the available llms.txt file
+ call fetch_docs tool to read it
+ reflect on the urls in llms.txt 
+ reflect on the input question 
+ call fetch_docs on any urls relevant to the question
+ use this to answer the question

• 按 CMD+L（在 Mac 上）打开聊天。
• 确保选择了 agent。

然后，尝试一个示例提示，如：

what are types of memory in LangGraph?

连接到 Windsurf

• 通过 CMD+L（在 Mac 上）打开 Cascade。
• 单击 配置 MCP 以打开配置文件 ~/.codeium/windsurf/mcp_config.json。
• 如上所述更新为 langgraph-docs-mcp。

• 使用以下内容（或类似内容）更新 Windsurf 规则/全局规则：

for ANY question about LangGraph, use the langgraph-docs-mcp server to help answer -- 
+ call list_doc_sources tool to get the available llms.txt file
+ call fetch_docs tool to read it
+ reflect on the urls in llms.txt 
+ reflect on the input question 
+ call fetch_docs on any urls relevant to the question

然后，尝试示例提示：

• 它将执行您的工具调用。

连接到 Claude Desktop

• 打开 设置/开发者 以更新 ~/Library/Application\ Support/Claude/claude_desktop_config.json。
• 按照上述说明使用 langgraph-docs-mcp 更新。
• 重启 Claude Desktop 应用程序。

[!注意]
如果在尝试向 Claude Desktop 添加 MCPDoc 工具时遇到 Python 版本不兼容的问题，您可以在 uvx 命令中明确指定 python 可执行文件的路径。

{
  "mcpServers": {
    "langgraph-docs-mcp": {
      "command": "uvx",
      "args": [
        "--python",
        "/path/to/python",
        "--from",
        "mcpdoc",
        "mcpdoc",
        "--urls",
        "LangGraph:https://langchain-ai.github.io/langgraph/llms.txt",
        "--transport",
        "stdio"
      ]
    }
  }
}

[!注意]
目前（3/21/25）看来 Claude Desktop 不支持全局规则的 rules，因此请在提示中追加以下内容。

<rules>
for ANY question about LangGraph, use the langgraph-docs-mcp server to help answer -- 
+ call list_doc_sources tool to get the available llms.txt file
+ call fetch_docs tool to read it
+ reflect on the urls in llms.txt 
+ reflect on the input question 
+ call fetch_docs on any urls relevant to the question
</rules>

• 您将在聊天输入框的右下角看到您的工具。

然后，尝试示例提示：

• 在处理您的请求时，它会要求批准工具调用。

连接到 Claude Code

• 在安装 Claude Code 后，在终端中运行此命令将 MCP 服务器添加到您的项目中：

claude mcp add-json langgraph-docs '{"type":"stdio","command":"uvx" ,"args":["--from", "mcpdoc", "mcpdoc", "--urls", "langgraph:https://langchain-ai.github.io/langgraph/llms.txt", "--urls", "LangChain:https://python.langchain.com/llms.txt"]}' -s local

• 您将看到 ~/.claude.json 已更新。
• 通过启动 Claude Code 并运行来测试您的工具：

$ Claude
$ /mcp 

[!注意]
目前（3/21/25）看来 Claude Code 不支持全局规则的 rules，因此请在提示中追加以下内容。

<rules>
for ANY question about LangGraph, use the langgraph-docs-mcp server to help answer -- 
+ call list_doc_sources tool to get the available llms.txt file
+ call fetch_docs tool to read it
+ reflect on the urls in llms.txt 
+ reflect on the input question 
+ call fetch_docs on any urls relevant to the question
</rules>

然后，尝试示例提示：

• 它将要求批准工具调用。

命令行界面

mcpdoc 命令提供了一个简单的 CLI 来启动文档服务器。

您可以以三种方式指定文档源，并且这些方式可以组合使用：

1. 使用 YAML 配置文件：

• 这将从本仓库中的 sample_config.yaml 文件加载 LangGraph Python 文档。

mcpdoc --yaml sample_config.yaml

1. 使用 JSON 配置文件：

• 这将从本仓库中的 sample_config.json 文件加载 LangGraph Python 文档。

mcpdoc --json sample_config.json

1. 直接指定带有可选名称的 llms.txt URL：

• URL 可以指定为纯 URL，也可以使用 name:url 格式带可选名称。
• 你可以通过多次使用 --urls 参数来指定多个 URL。
• 这是我们上面为 MCP 服务器加载 llms.txt 的方法。

mcpdoc --urls LangGraph:https://langchain-ai.github.io/langgraph/llms.txt --urls LangChain:https://python.langchain.com/llms.txt

你还可以结合这些方法来合并文档源：

mcpdoc --yaml sample_config.yaml --json sample_config.json --urls LangGraph:https://langchain-ai.github.io/langgraph/llms.txt --urls LangChain:https://python.langchain.com/llms.txt

其他选项

• --follow-redirects: 跟随 HTTP 重定向（默认为 False）
• --timeout SECONDS: HTTP 请求超时时间（秒）（默认为 10.0）

带有其他选项的示例：

mcpdoc --yaml sample_config.yaml --follow-redirects --timeout 15

这将以 15 秒的超时时间加载 LangGraph Python 文档，并在必要时跟随任何 HTTP 重定向。

配置格式

YAML 和 JSON 配置文件都应包含一个文档源列表。

每个源必须包含一个 llms_txt URL，并且可以可选地包含一个 name：

YAML 配置示例 (sample_config.yaml)

# Sample configuration for mcp-mcpdoc server
# Each entry must have a llms_txt URL and optionally a name
- name: LangGraph Python
  llms_txt: https://langchain-ai.github.io/langgraph/llms.txt

JSON 配置示例 (sample_config.json)

[
  {
    "name": "LangGraph Python",
    "llms_txt": "https://langchain-ai.github.io/langgraph/llms.txt"
  }
]

程序化使用

from mcpdoc.main import create_server

# Create a server with documentation sources
server = create_server(
    [
        {
            "name": "LangGraph Python",
            "llms_txt": "https://langchain-ai.github.io/langgraph/llms.txt",
        },
        # You can add multiple documentation sources
        # {
        #     "name": "Another Documentation",
        #     "llms_txt": "https://example.com/llms.txt",
        # },
    ],
    follow_redirects=True,
    timeout=15.0,
)

# Run the server
server.run(transport="stdio")