mcpField
M
Matra

Matra

本地服务
matrajs.com开发工具01 周前更新
代码仓库访问官网

关于 Matra

Matra 是面向 AI 工具的 MCP 服务，将 Matra 富文本编辑器文档打包供其读取。它支持搜索、读取 Markdown 页面并提供文档资源，运行时无需获取内容。

主要功能

  1. 01列出文档页面
  2. 02搜索并返回排序结果与摘要
  3. 03以 Markdown 读取页面
  4. 04将页面作为资源提供
  5. 05在构建时打包文档

适用场景

  1. 01查询 Matra 命令和 API
  2. 02搜索扩展文档
  3. 03让 AI 工具读取离线文档

MCP 相关

它提供 `list_docs`、`read_doc` 和 `search_docs` 工具，并将每个页面作为资源提供。支持 stdio 和 HTTP 传输。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
  "mcpServers": {
    "com-matrajs-matra": {
      "command": "npx",
      "args": [
        "-y",
        "@matrajs/mcp"
      ]
    }
  }
}
启动命令npx -y @matrajs/mcp

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包
npm@matrajs/mcp1.1.6

工具

3

收录的工具列表 · 更新于 3 周前

此工具无需参数。

详细介绍

@matrajs/mcp

将 Matra 文档作为 Model Context Protocol 服务提供，让任何 AI 工具都能读取。和其他 Matra 软件包一样，零依赖。

npx -y @matrajs/mcp            # stdio · what a desktop client spawns
npx -y @matrajs/mcp --http     # http://localhost:3333/mcp

逐步连接

Claude Code

claude mcp add matra -- npx -y @matrajs/mcp

Claude Desktop — 在 claude_desktop_config.json 中：

{
  "mcpServers": {
    "matra": { "command": "npx", "args": ["-y", "@matrajs/mcp"] }
  }
}

Cursor — 在 .cursor/mcp.json 中，将相同的对象放在 "mcpServers" 下。

Codex — 在 ~/.codex/config.toml 中：

[mcp_servers.matra]
command = "npx"
args = ["-y", "@matrajs/mcp"]

任何支持 HTTP 的工具 — 运行 npx -y @matrajs/mcp --http 3333，并将 客户端指向 http://localhost:3333/mcp。

然后向工具询问有关 Matra 的问题。它会调用 search_docs，读取所需页面， 并根据文档而非记忆作答。

提供的内容

工具说明
list_docs所有页面及其 slug 和一句话描述。
read_doc { slug }以 Markdown 格式返回单个页面。
search_docs { query, limit? }按相关性排序的页面，每页附带一段摘要。

每个页面也都是位于 matra://docs/<slug> 的资源。

这些页面来自代码库中的 Markdown——README、引擎说明、基准测试、安全文档、变更日志——以及 matrajs.com/docs 中的所有页面；它们会在构建时转换为 Markdown，并随软件包一同发布。运行时不会获取任何内容。

在代码中使用

import { createServer } from '@matrajs/mcp'

const server = createServer(docs)
server.handle({ jsonrpc: '2.0', id: 1, method: 'tools/list' })

createServer 提供不带传输层的协议：输入一条消息，输出一条回复。将它接入你已有的任意传输层即可。

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。