mcpField
T
TF2 Wiki

TF2 Wiki

本地服务
github.com/yusufaf游戏娱乐01 周前更新

关于 TF2 Wiki

TF2 Wiki 是面向 LLM 客户端的 Team Fortress Wiki MCP 服务,可实时查询通用 Wiki 内容及 TF2 武器、职业装备、装饰品和更新说明。除页面搜索与摘要外,它还提供结构化武器数据和相关提示词。

主要功能

  1. 01搜索、获取和摘要 Wiki 页面
  2. 02查看页面章节与近期更改
  3. 03查询结构化武器数据
  4. 04列出职业装备和活动物品
  5. 05获取更新说明

适用场景

  1. 01核实武器属性和职业装备
  2. 02查找装饰品或活动物品信息
  3. 03检索特定更新的补丁说明
  4. 04按章节读取 Wiki 页面

MCP 相关

通过 stdio 向 MCP 客户端提供 Team Fortress Wiki 的实时搜索和查询工具、资源及提示词。

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": {
"yusufaf-tf2-wiki": {
"command": "uvx",
"args": [
"tf2-wiki-mcp"
]
}
}
}
启动命令uvx tf2-wiki-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
pypitf2-wiki-mcp0.1.2

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

tf2-wiki-mcp

一个 MCP 服务,通过标准输入输出向 LLM 客户端(Claude Desktop、Claude Code、Cursor、VS Code)提供 Team Fortress Wiki 的内容。

在 VS Code 中安装 在 VS Code Insiders 中安装 在 Visual Studio 中安装 在 Cursor 中安装

与 Valve Corporation 或 Team Fortress Wiki 贡献者无关。 Team Fortress 2 是 Valve Corporation 的商标。这是非官方的粉丝工具。

功能

让 LLM 实时、准确地获取 TF2 Wiki 内容,不再臆测武器属性、更新说明和装饰品详情。

  • 通用 Wiki 访问 — 搜索、获取页面、查看摘要、列出最近更改。
  • TF2 领域工具 — 结构化武器属性、职业装备配置、装饰品查询、活动物品列表、更新说明。
工具
工具用途
search_wiki(query, limit)全文搜索
get_page(title, format)以 wikitext、plain 或 html 格式获取页面内容
get_page_summary(title)导语部分的纯文本
get_page_sections(title)页面章节目录,便于选择性获取
get_recent_changes(limit, namespace)最近编辑的页面
get_weapon_stats(weapon_name)解析武器信息框 → 结构化属性
list_class_loadout(class_name)某个职业 Wiki 分类中的所有武器
get_cosmetic(name)装饰品物品信息框参数
list_event_items(event_name)某次更新/活动中添加的物品
get_patch_notes(update_name)特定更新的更新说明

此外还提供:资源 tf2wiki://main,以及提示词 analyze_loadout 和 compare_weapons。

安装

需要 uv(它会为你管理 Python 工具链)。安装后,uvx tf2-wiki-mcp 会按需获取并运行服务,无需手动克隆。

标准配置适用于大多数 MCP 客户端:

{
  "mcpServers": {
    "tf2-wiki-mcp": {
      "command": "uvx",
      "args": ["tf2-wiki-mcp"],
      "env": {}
    }
  }
}
Claude Desktop

将上面的标准配置添加到 claude_desktop_config.json:

  • macOS:~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows:%APPDATA%\Claude\claude_desktop_config.json

重启 Claude Desktop。TF2 wiki 工具会出现在工具选择器中。

Claude Code
claude mcp add tf2-wiki-mcp -- uvx tf2-wiki-mcp
Codex

添加到 ~/.codex/config.toml:

[mcp_servers.tf2-wiki-mcp]
command = "uvx"
args = ["tf2-wiki-mcp"]

请参阅 Codex MCP 文档。

Cursor

在 Cursor 中安装

或者将标准配置添加到 ~/.cursor/mcp.json。

Gemini CLI

根据 Gemini CLI MCP 指南,将标准配置添加到 Gemini CLI 的 settings.json。

VS Code

在 VS Code 中安装

也可以通过 VS Code CLI 安装:

code --add-mcp '{"name":"tf2-wiki-mcp","command":"uvx","args":["tf2-wiki-mcp"],"env":{}}'

详情请参阅 VS Code MCP 指南。

VS Code Insiders

在 VS Code Insiders 中安装

也可以通过 CLI 安装:

code-insiders --add-mcp '{"name":"tf2-wiki-mcp","command":"uvx","args":["tf2-wiki-mcp"],"env":{}}'
Visual Studio

在 Visual Studio 中安装

或者手动安装:

  1. 打开 GitHub Copilot Chat 窗口。
  2. 点击工具图标(🛠️)→ + 添加服务。
  3. 填写:服务 ID tf2-wiki-mcp、类型 stdio、命令 uvx、参数 tf2-wiki-mcp。
  4. 保存。

请参阅 Visual Studio MCP 文档。

GitHub Copilot Coding Agent
{
  "mcpServers": {
    "tf2-wiki-mcp": {
      "command": "uvx",
      "args": ["tf2-wiki-mcp"],
      "env": {},
      "type": "local",
      "tools": ["*"]
    }
  }
}

在仓库设置中的 Copilot → Coding agent 下添加此配置。请参阅 Copilot Coding Agent MCP 文档。

开发

从本地克隆运行,而不是从 PyPI 运行:

git clone https://github.com/yusufaf/tf2-wiki-mcp
cd tf2-wiki-mcp
uv sync --dev
uv run pytest              # offline, uses recorded cassettes
uv run pytest --live       # also hits the real wiki

将 MCP 客户端指向本地检出目录:

{
  "mcpServers": {
    "tf2-wiki-mcp": {
      "command": "uv",
      "args": ["run", "--directory", "/absolute/path/to/tf2-wiki-mcp", "tf2-wiki-mcp"]
    }
  }
}

许可与归属

代码: MIT(参见 LICENSE)。

Wiki 内容: 不会再分发。本项目不包含任何抓取的 Wiki 数据。只有在用户发出请求时,才会从 wiki.teamfortress.com 实时获取页面内容,并直接返回给用户的 LLM 客户端——这与浏览器扩展的处理方式相同。

Wiki 内容的版权归相应贡献者所有,并受 Valve 的 Steam 订阅协议(游戏网站条款)约束。本工具的用户有责任遵守 Valve 的条款。代码许可 ≠ 内容许可:MIT 许可涵盖的是本代码库,而非其获取的 Wiki 内容。

根据 MediaWiki 礼仪,向 Wiki 发送的请求会包含描述性的 User-Agent(tf2-wiki-mcp/<version> (https://github.com/yusufaf/tf2-wiki-mcp)),并遵守 maxlag/Retry-After 响应。

贡献

请勿提交抓取的 Wiki 文本。用于解析器测试的 infobox 示例没问题(短小、符合合理使用标准的测试样例)。完整页面转储则不行。

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。