خادم Lspace MCP

ماذا يفعل خادم “Lspace” MCP؟

خادم Lspace MCP هو تطبيق مفتوح المصدر يعمل كخادم خلفي وتطبيق مستقل يطبق بروتوكول سياق النموذج (MCP). تم تصميمه لإزالة الصعوبات الناتجة عن تبديل السياق لدى المطورين، من خلال تمكين التقاط الأفكار من أي جلسة ذكاء اصطناعي وجعلها متاحة بشكل دائم عبر أدوات متعددة. من خلال ربط وكلاء الذكاء الاصطناعي والأدوات الخارجية بمستودعات المحتوى المدارة، يحوّل Lspace المحادثات المتفرقة إلى معرفة دائمة وقابلة للبحث. يمكّن تدفقات عمل مثل إنشاء قاعدة معرفة ذكية، وإثراء المساعدين السياقيين، والتكامل السلس مع الأدوات القادرة على الاستعلام أو تحديث المعرفة المخزنة. يتيح Lspace للمطورين دمج وإدارة مستودعات المعرفة، مما يسهل تدفقات عمل وتعاون متقدم في التطوير.

قائمة البرومبتات

لم يتم العثور على قوالب برومبت في الملفات أو الوثائق المقدمة.

قائمة الموارد

لا توجد موارد MCP صريحة موثقة في الملفات أو ملف README المتاح.

قائمة الأدوات

لا توجد تعريفات أدوات صريحة (مثل: query_database، read_write_file، إلخ) موثقة أو مدرجة في الملفات أو الوثائق المتاحة.

حالات استخدام هذا الخادم MCP

• إنشاء قاعدة معرفة: يمكّن Lspace من التقاط وتخزين الأفكار والمخرجات من جلسات الذكاء الاصطناعي، والتي يمكن إدارتها كقاعدة معرفة دائمة.
• مساعدة ذكاء اصطناعي سياقية: يمكن للمطورين استخدام Lspace لإثراء تفاعلات الذكاء الاصطناعي بسياق من المحادثات السابقة أو المستودعات، مما يحسن الدقة والملاءمة.
• إدارة المستودعات: من خلال تكوين الاتصالات بالمستودعات المحلية أو مستودعات GitHub، يساعد Lspace في إدارة الكود والوثائق كسياق لوكلاء الذكاء الاصطناعي.
• تكامل الأدوات السلس: يجعل Lspace الأفكار متاحة عبر أدوات متعددة، مما يقلل من تبديل السياق ويعزز كفاءة تدفق العمل.

كيفية إعداده

Windsurf

لا توجد تعليمات خاصة بمنصة Windsurf في المواد المقدمة.

Claude

لا توجد تعليمات خاصة بمنصة Claude في المواد المقدمة.

Cursor

1. تأكد من المتطلبات الأساسية: تثبيت Node.js (إصدار LTS)، و npm، و Git.
2. استنساخ المستودع:

   git clone https://github.com/Lspace-io/lspace-server.git
   cd lspace-server
   

3. تثبيت التبعيات:

   npm install
   npm run build
   

4. إعداد متغيرات البيئة:

   cp .env.example .env
   # قم بتحرير ملف .env لإدخال OPENAI_API_KEY والمتغيرات الأخرى حسب الحاجة
   

5. تكوين المستودعات وبيانات الاعتماد:

   cp config.example.json config.local.json
   # قم بتحرير config.local.json لإضافة رمز PAT الخاص بك ومستودعات GitHub
   

6. في Cursor، قم بتكوين خادم MCP الخاص بك من خلال إضافة هذا المقطع JSON (استبدل المسار بالمسار الفعلي لديك):

   {
     "mcpServers": [
       {
         "command": "node",
         "args": ["/actual/absolute/path/to/your/lspace-server/lspace-mcp-server.js"]
       }
     ]
   }
   

تأمين مفاتيح الـ API

قم بحفظ مفاتيح الـ API الحساسة (مثل OPENAI_API_KEY) في متغيرات البيئة. مثال على الإعداد:

{
  "mcpServers": [
    {
      "command": "node",
      "args": ["/path/to/lspace-mcp-server.js"],
      "env": {
        "OPENAI_API_KEY": "your-openai-api-key"
      },
      "inputs": {}
    }
  ]
}

Cline

لا توجد تعليمات خاصة بمنصة Cline في المواد المقدمة.

كيفية استخدام هذا الـ MCP داخل الفلوات

استخدام MCP في FlowHunt

لدمج خوادم MCP في تدفق عمل FlowHunt الخاص بك، ابدأ بإضافة مكون MCP إلى الفلو الخاص بك واربطه بوكيل الذكاء الاصطناعي:

اضغط على مكون MCP لفتح لوحة الإعدادات. في قسم إعدادات النظام الخاص بـ MCP، أدخل تفاصيل خادم MCP الخاص بك بهذا التنسيق:

{
  "lspace-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بمجرد الإعداد، يمكن لوكيل الذكاء الاصطناعي استخدام هذا الـ MCP كأداة والوصول إلى جميع وظائفه وقدراته. تذكر تغيير “lspace-mcp” إلى اسم خادم MCP الفعلي لديك واستبدال عنوان URL بعنوان خادم MCP الخاص بك.

نظرة عامة

استنادًا إلى مستوى التوثيق، ووجود نظرة عامة واضحة، وإعداد عملي، وبعض تفاصيل حالات الاستخدام ولكن مع غياب توثيق الأدوات، البرومبتات، الموارد، الجذور، والسمبلينج، أقيّم خادم MCP هذا بـ 4/10 من حيث الاكتمال وتجربة المطور.

تقييم MCP