Softwareheritage

@pipeworx/softwareheritage

Software Heritage 公共源代码档案：哪些代码仓库已被收录、每个仓库最近一次成功收录的时间，以及其中的提交——通过内容寻址，因此即使代码仓库被重命名、迁移或删除，仍可解析。

Pipeworx 的一部分——一个将 AI Agent 连接到 1683+ 个实时数据源的 MCP 网关。

工具

• origin_search(query, limit?, with_visit?) — 查找 URL 与子字符串匹配的已归档源。回答“这个项目是否在档案中，以及对应的 URL 是什么”。这是执行其他操作前的必要步骤，因为档案中的所有内容都以源 URL 为键。
• origin_status(url) — 某个代码仓库最近一次实际生成快照的收录记录：日期、快照 ID、访问类型。回答“这段代码是否安全，以及截至何时”。
• origin_visits(url, limit?) — 某个代码仓库的收录历史，按时间从新到旧排列，并列出每次访问的结果。回答“该代码仓库被持续归档了多久”，并区分从未归档与已归档多年但今天无法访问的情况。
• revision(id) — 根据 40 位十六进制 ID 或 SWHID 获取一个已归档的提交：消息、作者、提交者、日期、树 ID、父级。回答一个可能已不存在于其他任何地方的代码仓库中“这个提交包含什么”。

身份验证

无需密钥。匿名调用者的速率限制额度低于持有令牌的调用者，而且限制按 IP 计算，因此，与其他流量共用出口地址的 Worker 可能会因非本服务发起的调用而受到限流。档案要求调用者表明身份；此工具包会发送自己的 User-Agent。

数据源

• https://archive.softwareheritage.org/api/1/origin/search/{query}/ — 源搜索。返回纯 JSON 数组，而不是对象。
• https://archive.softwareheritage.org/api/1/origin/{url}/visit/latest/ — 某个源的最近一次访问。
• https://archive.softwareheritage.org/api/1/origin/{url}/visits/ — 访问历史，按 per_page 分页。
• https://archive.softwareheritage.org/api/1/revision/{sha}/ — 一个提交。

使用前值得了解的事项：

• 不带 require_snapshot=true 的 visit/latest 是个陷阱。 它会返回最近一次访问，不论其结果如何。因此，一个自 2015 年以来持续归档的代码仓库会返回 status: "not_found"，因为今天的爬取恰好失败了——这与“是否已归档”的问题正好相反。我们于 2026-09-03 在 https://github.com/torvalds/linux 上复现了这一情况：第 479 次访问的结果为 not_found，而前一天的第 478 次访问结果为 full。origin_status 始终会设置该标志；如果在这里添加端点，也要设置该标志。
• 源 URL 是键，并且采用精确匹配。 末尾的斜杠、.git 后缀或 http 与 https 的区别，都会被视为不同的源，并拥有各自的访问历史。请使用 origin_search 解析，而不是自行构造 URL。
• 源 URL 未经转义就嵌入路径中。 文档规定的格式是 /origin/https://…/get/——不要对其进行 URL 编码，否则 API 将无法找到它。
• 源端点返回纯 JSON 数组，而修订版端点返回对象。读取这些数据的代码必须同时处理这两种格式。
• 404 表示“未归档”，而非“请求错误”。 此工具包会将其转换为明确的 archived: false / error: "revision not archived"，以免缺失内容看起来像是空的成功结果。

快速开始

添加到你的 MCP 客户端（Claude Desktop、Cursor、Windsurf 等）：

{
  "mcpServers": {
    "softwareheritage": {
      "url": "https://gateway.pipeworx.io/softwareheritage/mcp"
    }
  }
}

此端点实际提供的内容

https://gateway.pipeworx.io/softwareheritage/mcp 上的 tools/list 会返回上表中的工具，以及 Pipeworx 共享元工具——ask_pipeworx、 discover_tools、search_within、remember/recall，以及网关范围内的其他工具。因此，你看到的工具数量会多于表格中的数量：单个工具包端点目前会列出约 30 个共享工具，以及该工具包自身的工具。连接的 initialize 响应会说明其确切范围，也是特定日期下的权威信息。

这是有意为之，并非意外复用。元工具可以让限定范围的连接回答该工具包未涵盖的问题——通过 ask_pipeworx 跨整个目录进行路由——而无需再添加第二个 MCP 服务。目前无法挂载不带这些元工具的工具包端点；如果额外的架构占用的上下文超过了路由带来的价值，请只连接一次完整网关，而不是连接多个工具包端点。

或者，连接完整的 Pipeworx 网关，直接列出每个工具包的所有工具，而不只是当前工具包的工具：

{
  "mcpServers": {
    "pipeworx": {
      "url": "https://gateway.pipeworx.io/mcp"
    }
  }
}

两个 URL 都会连接到同一个网关和相同的 1683+ 个数据源。唯一的区别是直接列出哪个工具包的工具；通过任一端点，ask_pipeworx 都能访问全部工具。

没有 MCP 客户端？通过 HTTP 调用

curl -X POST https://gateway.pipeworx.io/v1/tools/origin_search \
  -H 'Content-Type: application/json' \
  -d '{"query":"torvalds/linux","limit":3}'

首次调用无需账户。检查任意工具：GET https://gateway.pipeworx.io/v1/tools/origin_search。查找工具：使用 {"query":"..."} 向 POST https://gateway.pipeworx.io/v1/tools/search_packs 发送请求。

独立运行（无需网关账户）

此软件包也可作为本地 stdio MCP 服务运行——无需 Pipeworx 账户，也无需经过网关：

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

或者直接运行它，确认服务可以启动：

npx -y @pipeworx/mcp-softwareheritage

它通过 stdin/stdout 使用 MCP，并响应 initialize/tools/list/tools/call，仅提供此工具包的工具——不包含上述网关连接添加的任何共享元工具。相同的源代码、相同的工具，但没有 ask_pipeworx 路由。

使用 ask_pipeworx

除了直接调用工具，你还可以用通俗易懂的语言提问——这既适用于上面的工具包端点，也适用于完整网关：

ask_pipeworx({ question: "your question about Softwareheritage data" })

网关会选择合适的工具并自动填入参数。

更多信息

• 文档和指南
• pipeworx.io

许可证

MIT