mcpField
M
mcp-rfc-editor

mcp-rfc-editor

本地服务
github.com/daedalus开发工具027 周前更新

关于 mcp-rfc-editor

mcp-rfc-editor 是基于 rfc-editor Python 库编辑 RFC TXT 文档的 MCP 服务,支持以会话方式处理文档,并提供创建、下载、修改和保存功能。

主要功能

  1. 01加载或下载 RFC 文档
  2. 02创建并保存 RFC TXT 文件
  3. 03编辑标题、摘要和章节
  4. 04设置版权信息和作者
  5. 05列出章节并导出文档数据

适用场景

  1. 01下载 RFC 并进行编辑
  2. 02起草新的 RFC 文档
  3. 03修改章节和文档元数据
  4. 04以 TXT 格式保存更改

MCP 相关

该 MCP 服务提供加载、创建、编辑和保存 RFC 文档的工具,并通过会话上下文保留当前文档以供后续操作。

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": {
"daedalus-mcp-rfc-editor": {
"command": "uvx",
"args": [
"mcp-rfc-editor"
]
}
}
}
启动命令uvx mcp-rfc-editor

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
pypimcp-rfc-editor0.1.2

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

mcp-rfc-editor

mcp-name: io.github.daedalus/mcp-rfc-editor

一个用于通过 rfc-editor Python 库编辑 RFC TXT 文档的 MCP(模型上下文协议)服务。

安装

pip install mcp-rfc-editor

用法

命令行界面
python -m mcp_rfc_editor
编程方式
from mcp_rfc_editor import main
main()

MCP 工具

该服务提供以下工具:

  • load_rfc - 加载并解析 RFC TXT 文件(创建会话)
  • download_rfc - 根据 ID 从 rfc-editor 下载 RFC(创建会话)
  • create_rfc - 创建新的空白 RFC 文档(创建会话)
  • get_document - 从会话上下文获取当前文档
  • save_rfc - 将 RFC 文档保存为 TXT 格式
  • set_title - 设置文档标题
  • set_abstract - 设置文档摘要
  • add_section - 添加新章节
  • update_section - 更新现有章节
  • delete_section - 删除章节
  • list_sections - 列出文档中的所有章节
  • set_copyright - 设置版权声明
  • set_authors - 设置文档作者
  • to_dict - 将文档转换为字典

基于会话的工作流

该服务会维护会话上下文,因此你无需在每次调用时都传递完整的文档对象:

# 1. Download an RFC - returns Session ID
result = download_rfc(rfc_id="791")
# Returns: {document..., "Session ID": "abc-123"}

# 2. Use session ID to get title (no document needed)
get_title(session_id="abc-123")

# 3. Modify and changes are persisted
set_title(session_id="abc-123", title="New Title")

或者,你也可以始终直接传递完整的 document 对象(旧版模式)。

开发

要求
  • Python 3.11+
  • mcp
  • rfc-editor
设置
pip install -e ".[dev]"
测试
pytest tests/
代码检查
black src/ tests/
ruff check src/ tests/

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。