Grounded Docs MCP 服务器
为 AI 编程助手提供实时、版本精确的文档索引，减少幻觉，保证上下文最新。
证据显示：项目提供本地运行、数据不出网络的承诺（README），并支持可选的认证（OAuth2/OIDC）和网络访问控制（security.md）。但未发现明确的权限最小化设计（如按需请求权限），也未发现用户确认机制（如危险操作需确认）。数据流透明度：README和文档描述了数据流（抓取、索引、查询），但未详细说明数据如何被处理、存储和传输。敏感数据处理：支持API密钥（如OPENAI_API_KEY）但未说明如何安全存储。依赖安全：使用大量依赖，但未提供依赖审计或漏洞扫描证据。外部影响：抓取外部网站可能产生网络请求，但未说明速率限制或对目标站点的尊重。回滚：未提及索引或配置的回滚机制。来源归属：文档来源明确（官方文档），但未说明如何验证来源的完整性。扣分原因：缺乏权限最小化、用户确认、回滚机制等关键安全特性。
证据显示：项目有测试（单元、集成、E2E）和CI流程，但未提供测试覆盖率或稳定性数据。依赖可用性：依赖众多，但未提供依赖锁定或镜像策略。失败消息：CLI测试验证了错误输出，但未提供全面的错误处理文档。扣分原因：依赖可用性未充分保障，失败消息覆盖有限。
证据显示：README和文档覆盖了多种使用场景（CLI、MCP、Docker），并提供了配置选项（如嵌入模型、认证）。能力边界：文档说明了支持的格式和来源，但未明确限制（如最大页面数、并发）。触发精度：CLI命令和MCP工具定义清晰，但未提供详细的参数说明。环境适配：支持多种部署模式（本地、Docker、分布式），但未提供所有环境的详细配置。扣分原因：能力边界和触发精度描述不够详细。
证据显示：信息架构清晰（README、docs目录），安装说明详细（npx、Docker），命名稳定（包名、命令名），示例和FAQ存在（README中的示例），已知限制部分提及（如hash路由），许可证明确（MIT），版本控制有（package.json版本），维护责任未明确（未指定维护者或贡献指南）。扣分原因：已知限制不全面，维护责任不明确。
证据显示：输出格式多样（JSON、YAML、Markdown），易于集成。边际价值：作为Context7等的替代品，提供了本地、私有的文档索引。成本效益：免费开源，但需要Node.js 22+和可能的API密钥（嵌入模型）。扣分原因：未提供性能基准或与其他工具的对比数据。
证据显示：README中的声明（如支持格式）有文档支持，但未提供独立的验证。跨来源佐证：未提供第三方验证或用户评价。事实与推断分离：README区分了功能描述和推荐，但未明确标注哪些是推断。扣分原因：缺乏独立验证和事实/推断的明确分离。
- 项目依赖大量第三方库，但未提供依赖审计或漏洞扫描证据，建议在使用前进行安全审查。
- 项目支持抓取外部网站，可能产生网络请求，建议配置网络访问控制并注意目标网站的robots.txt。
- 项目支持API密钥（如OPENAI_API_KEY），请确保密钥安全存储，不要提交到版本控制。
- 项目未提供回滚机制，建议定期备份索引数据。
这个 Agent 能做什么，适合哪些场景？
Grounded Docs MCP 服务器是一个自托管的文档索引服务，可抓取官方文档网站、GitHub、npm、PyPI 以及本地文件，为 AI 编程助手提供最新、版本精确的上下文。它支持多种格式，包括 PDF、Word、Markdown、源码等，并提供 Web UI 和 CLI 两种方式。通过 MCP 协议与 Claude、Cline 等客户端集成，支持语义向量搜索（可选嵌入模型）。该服务完全本地运行，保护代码隐私，是 Context7、Nia 和 Ref.Tools 的开源替代品。
该工具执行以下操作：抓取指定 URL 的文档页面并保存为索引（如 npx @arabold/docs-mcp-server@latest scrape react https://react.dev/reference/react）；在索引中执行关键词或语义搜索（search react "useEffect cleanup"）；将网页转换为干净的 Markdown（fetch-url）；提供 MCP 服务器端点（默认端口 6280），通过 SSE 协议供 AI 客户端查询；支持从本地文件夹、ZIP 压缩包导入；可选配置 OpenAI、Ollama、Gemini 等嵌入模型以提升搜索质量。
- 开发者使用 Cursor 或 VS Code 的 Cline 插件，希望 AI 助手基于项目实际使用的库版本（如 React 18 vs 19）提供准确的 API 用法。
- 团队因合规要求不能将代码发送到云端，需要完全本地的文档检索服务。
- 技术写作者需要快速将官方文档（如 TypeScript 手册）转换为 Markdown 格式用于内部知识库。
- AI 应用开发者希望在自己的 MCP 客户端中集成版本感知的文档查询，避免模型幻觉。
- 运维人员需要为 Docker 化的开发环境提供文档索引服务，支持最新版本追踪。
这个 Agent 有哪些优点和局限？
- 从官方源实时抓取，确保文档最新，减少幻觉
- 支持版本精确查询，针对项目实际使用的库版本
- 完全本地运行，代码和文档数据不出网络，隐私性好
- 兼容任何 MCP 客户端（Claude、Cline 等），并支持 Docker 部署
- 支持丰富的文件格式，包括 Office、PDF、源码等 90+ 语言
- 需要 Node.js 22+ 环境，可能不兼容旧版本
- 可选嵌入模型需要额外配置（如 OpenAI、Ollama），增加使用复杂度
- 大型文档索引可能占用本地存储和计算资源
- 对 JavaScript 单页应用的爬取可能需要 Playwright，增加依赖
- 依赖外部服务（如 OpenAI API）时，可能引入网络和成本问题
如何安装或部署这个 Agent？
要求 Node.js 22+。通过 npx 直接运行：npx @arabold/docs-mcp-server@latest。也可以使用 Docker：docker run --rm -v docs-mcp-data:/data -v docs-mcp-config:/config -p 6280:6280 ghcr.io/arabold/docs-mcp-server:latest --protocol http --host 0.0.0.0 --port 6280。启动后打开 http://localhost:6280 添加文档。
如何使用这个 Agent？
- 索引文档：
npx @arabold/docs-mcp-server@latest scrape react https://react.dev/reference/react。2. 搜索：npx @arabold/docs-mcp-server@latest search react "useEffect cleanup" --output yaml。3. 获取页面：npx @arabold/docs-mcp-server@latest fetch-url https://react.dev/reference/react/useEffect。4. 配置 MCP 客户端（如 Claude Desktop），在配置文件中添加{"mcpServers": {"docs-mcp-server": {"type": "sse", "url": "http://localhost:6280/sse"}}}。5. 可选：设置OPENAI_API_KEY环境变量以启用嵌入模型。
这个 Agent 与同类方案有什么区别？
作为 Context7、Nia 和 Ref.Tools 的开源替代品，本工具强调完全本地运行和版本精确性，而 Context7 等可能在云端存储索引，或提供更广泛的文档库。