Ref MCP

这个 Agent 能做什么，适合哪些场景？

Ref MCP 是一个 Model Context Protocol（MCP）服务器，为 AI 编程工具提供 API、服务和库的文档访问能力。它提供推荐的 Streamable HTTP 服务，也保留本地 stdio 服务模式。服务器包含 ref_search_documentation 和 ref_read_url 两个文档工具，前者搜索公开网页、GitHub 以及所述的私有资源，后者将指定网页转换为 Markdown。它利用 MCP 会话中的搜索轨迹避免在相似查询中重复返回结果，并在读取文档时保留最相关的最多约 5,000 个 token。仓库还说明了面向 OpenAI deep research 客户端的 search 与 fetch 工具命名映射。

编程助手先调用 ref_search_documentation(query)，以完整句子或问题搜索相关技术文档；该工具返回可继续读取的文档结果。随后助手调用 ref_read_url(url)，服务器获取该网页并转换成 Markdown；读取时会参考当前 MCP 会话的搜索历史，过滤相关性较低的页面段落并返回最相关的内容。对于重复的相近搜索，服务器不重复返回已有结果。通过 OpenAI 客户端使用时，ref_search_documentation(query) 映射为 search(query)，ref_read_url(url) 映射为 fetch(id)。

1. 使用 Claude Code 的开发者需要查询 Figma Comment REST API 的具体端点时，可先搜索再读取对应文档页面。
2. 维护 n8n 工作流的工程师需要比较 Merge 节点和 Code 节点的多输入处理方式时，可连续搜索并读取多个相关章节。
3. 将 MCP 工具接入支持 Streamable HTTP 的编程环境的团队，需要让编码助手按需读取 API、服务或库文档时。
4. 需要通过 npx 在本机以 stdio 方式运行文档工具的开发者，可将其配置为本地 MCP 服务器。
5. 通过 OpenAI 客户端开展 deep research 的用户，需要以 search 和 fetch 形式调用同一套文档检索与读取能力时。

如何安装或部署这个 Agent？

推荐使用 Streamable HTTP 配置，并先注册获取 Ref API key：

"Ref": {
"type": "http",
"url": "https://api.ref.tools/mcp?apiKey=YOUR_API_KEY"
}

本地 stdio 模式可配置为：

"Ref": {
"command": "npx",
"args": ["ref-tools-mcp@latest"],
"env": {
"REF_API_KEY": "<sign up to get an api key>"
}
}

本地开发仓库时可运行 npm install复制，然后 npm run build；开发自动重建可运行 npm run watch复制。

如何使用这个 Agent？

配置完成后，在 MCP 客户端调用 ref_search_documentation，并提供必填的 query，例如“Figma API post comment endpoint documentation”。从搜索结果中选择 URL，再调用 ref_read_url，并提供必填的 url。若通过 OpenAI 客户端使用 deep research 工具定义，则调用 search(query) 和 fetch(id)。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

[![FARS 评测](https://followagents.com/badge/ref-tools-mcp.svg?lang=zh)](https://followagents.com/zh/agents/ref-tools-mcp)

<a href="https://followagents.com/zh/agents/ref-tools-mcp"><img src="https://followagents.com/badge/ref-tools-mcp.svg?lang=zh" alt="FARS 评测"></a>

常见问题