gujarati-lexicon-mcp

Gujarati Lexicon MCP 服务

为 AI 助手提供有据可依的 Gujarati 词典。 将它连接到 Claude（或任何 MCP 客户端），助手就能根据真实词典数据查找 Gujarati 词语，而不是靠猜测：包括释义、同义词、习语（રૂઢિપ્રયોગ）以及 ઘરમાં 或 આંખોમાં 这样的变形形式。

为什么要做这个项目： 大模型处理 Gujarati 时并不可靠。它们会捏造释义、混淆习语，还会生成看似可信却错误的用法。这个服务为模型提供可靠依据，并会明确告知它某个词是否不在词典中。

示例

用户： અમે 是什么意思？

Claude（调用 define 后）： અમે 意思是“我们”，是 હું（我）的复数形式……

用户： ઘરમાં 是什么意思？

Claude： ઘરમાં = ઘર + માં →“在房子里”。服务将这个变形形式匹配到了词根 ઘર。

功能

类型	名称	功能
工具	define(word)	释义、词性、例句、转写
工具	synonyms(word)	来自所有来源的同义词（સમાનાર્થી શબ્દો），去重后返回
工具	idioms(word)	包含该词的习语（રૂઢિપ્રયોગ）；绝不捏造
资源	lexicon://word-of-the-day	从人工核对的词集里提供每日一词
提示词	explain_passage	使用这些工具逐词解释 Gujarati 段落

• 约 6,800 个词条，包含英文释义，数据来自 Wiktionary
• 人工核对的词条，包含 Gujarati 释义和习语（经整理的词集，持续扩充）
• 变形处理： ઘરમાં、ઘરે、આંખોમાં 和 અમે 都能解析为其词根形式
• “你是不是想找？” 拼写错误建议（પાણિ → પાણી）
• 每条回复均标注来源，让助手能够说明释义的出处

快速开始

需要安装 uv。

将以下内容添加到 Claude Desktop 配置中（Settings → Developer → Edit Config）：

      "args": ["gujarati-lexicon-mcp"]

完全重启 Claude Desktop（从系统托盘退出），打开新聊天，然后询问任意 Gujarati 词语。

在 Windows 上，如果 Claude Desktop 找不到 uvx，请使用它的完整路径（用 where uvx 查找），例如 C:\\Users\\<you>\\.local\\bin\\uvx.exe。

查词原理

一个词会依次经过三层处理，可靠性从高到低：

flowchart LR
    A[Input word] --> B{Exact headword?}
    B -- yes --> C{Pure inflected form?}
    C -- yes --> D[Follow Wiktionary link<br/>ઘરે → ઘર]
    C -- no --> E[Return entry]
    D --> E
    B -- no --> F[Strip suffixes<br/>માં, નો, ની, ે, ો ...]
    F -- match --> E
    F -- no match --> G[Not found + suggestions<br/>tell the model not to guess]

1. 精确匹配。 真实词典条目始终优先于猜测的词根形式。
2. Wiktionary 变形链接。 Wiktionary 会记录 ઘરે 是 ઘર 的方位格。转换器会读取结构化的 form_of 字段；若缺少该字段，则会解析“X 的复数形式”之类的释义。
3. 去除后缀。 作为最后手段，去除常见词尾（最多两个，例如 આંખોમાં → આંખો → આંખ）。只有去除词尾后的形式确实是词典词头时才会接受，因此不会错误拆解词语。

回复会将来源分别标明（curated 与 wiktionary_senses），方便模型如实注明释义出处。

数据来源

来源	提供内容	许可证
curated.json	Gujarati 释义、习语、同义词（人工核对）	MIT（本项目）
wiktionary.json	约 6,800 个词条：英文释义、转写、同义词、变形链接	CC BY-SA

Wiktionary 数据来自 Wiktionary，通过 kaikki.org 获取，并使用 wiktextract 提取：

Tatu Ylonen. Wiktextract：将 Wiktionary 转换为机器可读的结构化数据。 第 13 届语言资源与评估会议（LREC）论文集，第 1317–1325 页，2022 年。

重新生成 Wiktionary 数据

原始转储文件未纳入版本控制。要重新生成 wiktionary.json：

mkdir -p data/raw
curl -L -o data/raw/kaikki-gujarati.jsonl "https://kaikki.org/dictionary/Gujarati/kaikki.org-dictionary-Gujarati.jsonl"
uv run python scripts/build_wiktionary.py

转换器会按词语归并词条，只保留工具所需的内容（从 20 MB 精简为紧凑的 JSON 文件），剔除非 Gujarati 字母文字头，并记录变形链接。

开发

git clone https://github.com/aarshbharat/gujarati-lexicon-mcp
cd gujarati-lexicon-mcp
uv sync
uv run pytest -v                                    # run tests
uv run mcp dev src/gujarati_lexicon_mcp/server.py   # open MCP Inspector

项目结构：

src/gujarati_lexicon_mcp/
├── server.py           # MCP server: tools, resource, prompt
└── data/               # dictionary data shipped with the package
scripts/build_wiktionary.py   # raw kaikki dump → wiktionary.json
tests/                        # pytest

已知限制

• 动词形式仅部分覆盖：Wiktionary 中有链接的形式（例如 હોઈશ → હોવું）可以处理，但像 લે છે 这样的短语不会还原为词元。
• Wiktionary 的同义词会跨义项合并。 ઘર 的列表中包含 ઓફિસ（来自其“办公室”义项）。工具会告知模型这一点。
• 人工整理的数据集规模较小。 大多数词条仅有英文释义；古吉拉特语释义和习语来自经过人工核查的数据。
• 事实依据并不涵盖模型说出的所有内容。 模型可能会根据自身知识补充正确的背景信息（例如 અમે/આપણે 中“我们”的包容式与排他式区别）。服务端指令要求模型标注一般知识，但无法强制执行。

路线图

• 扩充人工整理的数据集，尤其是习语和谚语（કહેવત）
• 按义项区分同义词，而非合并为一个列表
• 改进动词还原为词元的处理
• 支持 Streamable HTTP 传输和托管端点
• 发布到 PyPI 和 MCP Registry

许可证

• 代码：MIT
• 源自 Wiktionary 的数据（src/gujarati_lexicon_mcp/data/wiktionary.json）：CC BY-SA，详见 Wiktionary：版权

---

由 Aarsh Dhokai 构建 · AI × AI：人工智能 × Aarsh India