Pipe Docs (SPR) MCP Server

Pipe — 原生支持 MCP、可用于生产环境的运行时

首个内置 MCP 的语言，同时支持服务端和客户端。249 个内置功能，单个约 8 MB 的二进制文件。零依赖。 已正式列入官方 MCP Registry（v1.1.1，活跃）。可通过 GitHub MCP Registry 一键安装，用于 Copilot 和 VS Code。

v1.3 新增内容

Pipe v1.3.0 在 v1.2.0 的多 Agent 和视觉功能基础上进一步升级：

• 多 Agent 集群 — ai_swarm / ai_swarm_trace / swarm_agent：具名 Agent 通过保留的工具调用将对话交接给彼此，并传递完整的消息历史记录。ai_swarm_stream 支持实时观察进度（工具调用、交接、推理、可在运行过程中介入的轮次检查回调），现在还会在安全的情况下并行执行一轮中的独立工具调用。
• ai_vision — 通过兼容 OpenAI 的视觉模型，针对图像提问（支持 http(s) URL、本地文件或原始字节）。
• OpenCode Zen AI 提供商 — 第 6 个提供商，其免费层模型无需 API 密钥即可使用。
• 内置自更新程序 — pipe --update / --update-check 会获取最新的 GitHub 版本、验证校验和并替换当前版本。
• tool_call — 直接调用已注册的工具，无需 LLM。
• file_lock / file_unlock — 真正支持跨进程的建议式文件锁定。
• if/else 链中的 elif 关键字。
• ai_tool：parallel_safe 标志 — Pipe 定义的 fn 工具现在也可以批量并行运行，而不仅限于内置功能。
• pipe -build 现在支持真正的多文件项目，并保留相对的子目录路径。
• 强化的沙箱 — 第 7 至第 11 轮审计：修复了文件系统写入门控漏洞、wiki_search 出站访问漏洞、exec_whitelist shell 注入漏洞，以及硬链接逃逸漏洞。
• 249 个内置功能 — 41 个 AI + 13 个 MCP + 195 个标准功能，高于 v0.9.3 的 226 个
• 23 个模块 — MQTT、SQLite、pipe-http、pipe-web、pipe-orm、pipe-cli 等

快速安装

curl -fsSL https://pipe-lang.com/install.sh | bash   # Linux & macOS

Windows（PowerShell）：irm https://pipe-lang.com/install.ps1 | iex

安装程序会下载最新版本、验证其 SHA256 校验和，并将 pipe 安装到 ~/.local/bin（以 root 身份运行时则安装到 /usr/local/bin）。使用 PIPE_VERSION=v1.0.0 固定版本。请参阅完整安装文档。

已安装的副本会自动更新到最新的 GitHub 版本：运行 pipe --update（或运行 pipe --update-check 仅检查更新，运行 pipe --version 查看当前版本）。更新程序会验证版本校验和，并就地替换二进制文件。

隐私与 DSGVO

Pipe 的设计符合 DSGVO / GDPR 要求：

• 零遥测与分析 — 二进制文件绝不会向外发送请求，不会有任何数据离开你的计算机
• 可自托管的单个二进制文件 — 完全在你的基础设施上运行
• 无云服务 — 不会有供应商的服务处理你的数据
• 开源（MIT） — 完全可审计
• 本地 AI — 使用 Ollama 时，没有任何字节会离开你的网络；仅在你配置云服务提供商时才会使用云服务

问题

在生产环境中运行 AI 比想象中更困难：

• 安全性 — 拥有文件访问、网络访问和 exec 权限的大模型会带来风险。你需要在语言层面实现细粒度沙箱，而不是事后补上中间件。
• 性能 — 顺序调用 API 会让 1 秒的流水线变成 10 秒的瓶颈。并行处理不应该需要编写 asyncio.gather() 样板代码。
• 供应商锁定 — 从 OpenAI 切换到 DeepSeek 意味着要重写 Python SDK 代码。更换提供商应该只需改一行。
• 工具集成 — 将大模型连接到外部工具（GitHub、数据库、文件系统）会陷入 SDK 和 API 封装的迷宫。MCP 应该是语言原语，而不是库。

Pipe 在语言层面解决了这个问题。

什么是 Pipe？

Pipe 是一种语义流水线运行时（SPR）——一种原生支持流水线的语言，其中 summarize、translate 和 classify 与 +、sort 和 len 处于同一语法层级。数据通过可组合的转换从上到下流动。单个二进制文件，零依赖。

Python + LangChain（约 80 行）：

import openai
client = openai.OpenAI()
def summarize(text):
    r = client.chat.completions.create(model="gpt-4o", messages=[{"role":"user","content":text}])
    return r.choices[0].message.content
def translate(text, lang):
    r = client.chat.completions.create(model="gpt-4o",
        messages=[{"role":"system","content":f"Translate to {lang}"},{"role":"user","content":text}])
    return r.choices[0].message.content
text = open("news.txt").read()
print(translate(summarize(text), "de"))

Pipe（5 行）：

read_file "news.txt"
    > summarize       -- LLM call
    > translate "de"  -- LLM call
    > print

模型上下文协议

Pipe 内置 MCP，既可以作为服务端，也可以作为客户端。无需 SDK、无需 npm 包、无需 Python。纯 Go 标准库。

MCP 服务端 — 暴露你的工具

fn get_weather city
    match city
        | "Berlin" -> "22°C, sunny"
        | "London" -> "15°C, rainy"
        | _ -> city ++ ": no data"

ai_tool "get_weather" "Get weather for a city" {city: "City name"} get_weather
mcp_server "Weather Agent" "1.0.0"
mcp_serve_stdio

在 Claude Desktop 中配置（claude_desktop_config.json）：

{ "mcpServers": { "pipe": { "command": "/tmp/pipe", "args": ["agent.pipe"] } } }

MCP 客户端 — 使用外部工具

ai_provider "deepseek"
ai_set_key "deepseek" (env "DEEPSEEK_API_KEY")

-- Connect to GitHub + Filesystem MCP servers
mcp_use_stdio "npx" "-y" "@modelcontextprotocol/server-github" {GITHUB_TOKEN: (env "GITHUB_TOKEN")}
mcp_use_stdio "npx" "-y" "@modelcontextprotocol/server-filesystem" "/tmp"

-- AI discovers and uses all tools automatically
result: ai_with_tools "You are a DevOps assistant." "Search pipe's open issues and list files in /tmp." 10
print result

任何 stdio MCP 服务都能立即使用：Filesystem、GitHub、Git、Postgres、SQLite、Slack、Brave Search、Memory、Sequential Thinking——任何可通过 npm/uvx 获取的工具。

使用场景

日志分析 → 事件报告

is_critical: fn line
    contains line "critical"

read_file "/var/log/app/errors.log"
    > split "\n"
    > filter is_critical
    > summarize
    > translate "de"
    > save "incident_report.txt"

RAG 流水线

ai_provider "deepseek"

docs: read_lines "knowledge_base.txt"
vectors: embed_batch docs

question: "How does the bytecode VM work?"
q_vec: embed question
top: nearest q_vec vectors 3

context: ""
for idx in top
    context: context ++ (at docs idx) ++ "\n---\n"

ask ("Context:\n" ++ context ++ "\nQuestion: " ++ question)
    > print

支持工具调用的 AI Agent

fn get_weather city
    match city
        | "Berlin" -> "22°C, sunny"
        | "London" -> "15°C, rainy"
        | _ -> city ++ ": no data"

ai_tool "get_weather" "Get current weather for a city" {city: "Name of the city"} get_weather

ai_with_tools "You are a weather assistant." "What's the weather in Berlin and London?"
    > print

并发 — 1.5 秒完成 3 次大模型调用，而非 4 秒

ai_provider "deepseek"

a: "Explain monads" >> ask
b: "What is CP/M?" >> ask
c: "Explain RFC 791" >> ask

print a ++ b ++ c   -- Future auto-resolution

Discord CI/CD 通知

import "discord.pipe" as d
ai_provider "deepseek"

-- AI code review per commit, sent as Discord embed
review: ai_chat "Review this code change" diff 800

d.d_webhook_embed (env "DISCORD_WEBHOOK") {
    title: "CI: Push to master",
    color: 3447003,
    fields: [
        {name: "Changed Files", value: stat},
        {name: "AI Review", value: review}
    ]
}

对比：Pipe 与 Python + LangChain

	Python + LangChain	Pipe
RAG 流水线	约 80 行代码	约 8 行代码
沙箱化大模型访问	自定义中间件	一个 sandbox_profile 配置块
切换 AI 提供商	重写 SDK 调用	ai_provider "deepseek"
部署到服务端	Docker + venv + pip	scp pipe binary
并行大模型调用	asyncio.gather() 样板代码	>> 运算符，ai_batch
MCP 服务端 + 客户端	依赖库	13 个内置工具，零依赖，100 多个服务
二进制文件大小	约 500 MB（含依赖）	约 8 MB

特性

• 原生支持 MCP — 为 MCP 服务 + 客户端提供 13 个内置工具。纯 Go 标准库。可连接任何 stdio MCP 服务
• AI 流水线交付速度提升 10 倍 — 41 个 AI + 13 个 MCP 内置工具：无需导入、无需 SDK、无需 API 封装
• 一行代码锁定 AI Agent — 声明式沙箱配置：使用一个代码块限制 exec、write_file、http_get
• 数秒内完成部署 — 一个静态链接的约 8 MB 二进制文件。无需 venv、pip 或 Docker。支持 Linux、macOS、Windows、Raspberry Pi，也可通过 WebAssembly 在浏览器中运行
• 1.5 秒内完成 3 次大模型调用，而非 4 秒 — >> 可在后台启动任何流水线阶段。Future 会自动解析。ai_batch 可借助内置限流机制并发处理数百条文本
• 不受供应商锁定 — OpenAI、Anthropic（Claude）、DeepSeek、Ollama。只需一行即可切换。同一份代码可在所有平台运行
• 并发原语 — 通道（send/recv）、互斥锁（lock/unlock）、计数信号量（acquire/release）
• 原生流水线语法 — > 表示顺序执行，>> 表示并行执行。数据自上而下流动，易读、易组合、易调试
• 内置社交平台支持 — Discord Webhook 和 Telegram 机器人可作为 Pipe 模块使用。AI 代码审查、通知、聊天——发送无需 API 费用
• 字节码虚拟机 — 编译为字节码，在带自动缓存的栈式虚拟机上运行。根据工作负载，实测性能为树遍历器的 0.6 倍至 55 倍（递归密集型代码最高约 55 倍）
• 模块生态系统 — 23 个精选模块，注册表支持固定版本（@1.0.0）。使用 pipe -get 安装，按名称导入
• 内置测试 — 使用带有 assert_eq、assert_error 的 test 代码块。运行 pipe -test 即可。零配置
• GitHub Action — 直接在 CI/CD 中运行 Pipe，无需安装
• VSCode 扩展 — 语法高亮、IntelliSense、由 LSP 驱动的诊断和补全
• 自解压二进制文件 — 将流水线打包为独立可执行文件（pipe -build）

快速开始

git clone https://github.com/MachuraHarry/pipe && cd pipe && make build
export DEEPSEEK_API_KEY="sk-..."
./bin/pipe -vm -q -c 'ai_provider "deepseek"; ask "What makes Pipe different?" > print'

在浏览器中试用

无需安装——Pipe 可通过 WebAssembly 完全在浏览器中运行：

打开 Pipe Playground

-- Paste this into the playground and hit Run
levels: ["error","warn","info"]
read_file "server.log"
    > classify levels
    > summarize
    > print

GitHub Action

直接在 CI/CD 中运行 Pipe，无需安装：

- uses: MachuraHarry/pipe/.github/actions/pipe-action@master
  with:
    script: |
      print "Hello from CI/CD!"
      log: exec "git log --oneline -20"
      print (get log "output")

→ GitHub Action 文档

VSCode 扩展

为 .pipe 文件提供语法高亮和完整的 IntelliSense，由语言服务器协议客户端（vscode/）和 pipe-lsp 服务端（cmd/pipe-lsp）驱动：

• 补全、悬停文档、签名帮助、转到定义、引用、重命名
• 诊断（解析错误、未定义/未使用的变量）和语义高亮
• 格式化文档、括号自动补全、自动缩进和代码折叠

make vsix     # builds the server and packages vscode/pipe-syntax-1.0.0.vsix

或者在开发模式下，从 vscode/ 文件夹按 F5 运行扩展。请参阅 VSCode 扩展文档。

模块生态系统

Pipe 拥有一个精选模块库，包含 23 个可复用模块，并支持固定版本：

基础设施	数据与命令行	AI 与 Agent	开发工具	社交
pipe-http	sqlite	rag-pipe	pipe-test	telegram-bot
pipe-cli	jpipe	log-analyzer	pipe-validate	mqtt
pipe-orm	pipe-tpl	sentiment
pipe-web	pipe-date	code-review
		translate-batch
		changelog-gen
		email-classifier
		incident-report
		parallel-runner
		date-formatter
		docs-pipe

pipe -search                 # Browse modules
pipe -search sql             # Filter by keyword
pipe -get sqlite             # Install latest
pipe -get [email protected]       # Install specific version

import "sqlite"                            -- database engine
import "pipe-http"                         -- HTTP client
import "mqtt"                              -- MQTT 5.0 client
import "discord.pipe" as d                 -- Discord webhooks + bot

idx: index_create h "knowledge"
index_add idx "Pipe is an AI-native language."
index_search idx "language" 3 > each print

→ 生态系统文档 | → 贡献模块

执行模式

模式	命令	速度
Tree-Walker	./bin/pipe script.pipe	基准
Bytecode VM	./bin/pipe -vm -q script.pipe	0.6x-55x（递归密集型场景下最高约 55x）

54 个 AI + MCP 内置函数（41 个 AI + 13 个 MCP）

理解

summarize、translate、classify、extract、ask、generate、generate_json

速度与控制

ai_stream、ai_batch、ai_parallel、ai_rate_limit、ai_chat、ai_chat_json

搜索与检索

web_search、wiki_search、embed、embed_batch、cosine_sim、dot_product、nearest

Agent 与工具

agent、agent_ask、agent_clear、ai_tool、ai_with_tools、tool_call、swarm_agent、ai_swarm、ai_swarm_trace、ai_swarm_stream、ai_vision

配置与成本

ai_provider、ai_model、ai_host、ai_set_key、ai_timeout、ai_cache、ai_cost、ai_tokens、ai_cache_hits、ai_cache_misses

MCP — Model Context Protocol

mcp_server、mcp_serve_stdio、mcp_serve_sse、mcp_tools、mcp_resource、mcp_resource_template、mcp_prompt、mcp_resources、mcp_read_resource、mcp_prompts、mcp_prompt_get、mcp_use_stdio、mcp_use_sse

自我修复

try_ai、try_ai_log

高级功能

自我修复代码（try_ai）

ai_provider "deepseek"

result: try_ai
    "42" * 3           -- E002 Type Error -> AI wraps with to_num -> 126
catch e
    0                   -- only reached if AI fix fails

print result           -- 126

并行管道（>>）

a: "Frage A"
    >> ask
b: "Frage B"
    >> ask
c: "Frage C"
    >> ask

print a ++ b ++ c   -- Future auto-resolution

Match 中的守卫子句

fn classify severity
    match severity
        | s if s > 9 -> "critical"
        | s if s > 5 -> "warning"
        | _ -> "info"

并发：通道

ch: chan 3
go { send ch "hello" }
go { send ch "world" }
print (recv ch) ++ " " ++ (recv ch)

沙箱配置

sandbox_profile "safe" {fs: "read-only", network: false, exec: false, ai: true}
sandbox_profile "agent" {fs: "temp-only", network: true, exec: false, ai: true}

set_sandbox "safe"
read_file "/etc/config"     -- reading allowed
write_file "/etc/config"    -- E_SANDBOX blocked

架构

Source (.pipe) -> Lexer -> Parser -> AST -> [ Tree-Walker | Compiler + VM ]
                                              |
                                    Builtins (249 total: 41 AI + 13 MCP + 195 standard)
                                              |
                                MCP Server <-> MCP Clients (stdio + HTTP)

• 67 种令牌类型、43 种 AST 节点类型、43 条操作码
• 约 37,000 行 Go 代码、752 个测试、101 个示例程序
• 零依赖——纯 Go 标准库

文档

→ 完整文档（英语） → 完整文档（德语）

项目结构

pipe/
├── cmd/
│   ├── pipe/main.go           # Entry point
│   └── pipe-lsp/              # Language Server Protocol server (IntelliSense)
├── pkg/
│   ├── ai/                    # AI provider integrations
│   ├── analysis/              # IntelliSense library (builtins, diagnostics, completion...)
│   ├── ast/                   # AST node definitions
│   ├── build/                 # Self-extracting binary builder
│   ├── cache/                 # Bytecode cache
│   ├── compiler/              # Compiler to bytecode
│   ├── eval/                  # Tree-walk interpreter
│   ├── formatter/             # Code formatter
│   ├── gen/                   # Code generation helpers
│   ├── lexer/                 # Lexer and tokens
│   ├── mcp/                   # MCP server + client (zero-dependency)
│   ├── object/                # Runtime objects
│   ├── parser/                # Parser
│   ├── stdlib/                # Standard library helpers
│   └── vm/                    # Bytecode VM
├── examples/                  # 87 example programs
├── test/integration/          # Integration tests
├── vscode/                    # VSCode extension (syntax highlighting + LSP client)
├── docs/                      # Documentation (DE + EN)
├── website/                   # Project website
├── modules/                   # Language modules (mqtt, discord, x, etc.)
├── Makefile
├── go.mod
└── LICENSE

贡献

请参阅 CONTRIBUTING.md。

许可证

MIT — 请参阅 LICENSE。