Lorcana MCP

Lorcana MCP服务器

](https://lobehub.com/mcp/danielenricocahall-lorcana-mcp)

用于搜索和聚合迪士尼Lorcana卡的MCP服务器。

启动行为

启动时，服务器从以下位置获取JSON卡列表 https://danielenricocahall.github.io/lorcana-mcp/allCards.json。快照每天由刷新 data_pipeline/fetch_cards.py，它从 洛卡斯特API，将每张卡规范化为我们的内部模式，并将列表发布到 gh-pages 支。中间层将正在运行的容器与Lorcast的可用性和速率限制隔离开来——运行时从不直接调用Lorcast。

卡片以Python列表的形式保存在内存中，用于快速过滤。大约有2270张唯一的卡片（每张卡片都有一个 printings 数组的备用集/稀有集）这是轻量级的，不需要外部数据库。本地JSON文件缓存(LORCANA_CACHE_PATH，默认值 cards.json)让服务器在后续启动时跳过网络获取。

启动数据加载由以下方式控制：

• LORCANA_REFRESH_ON_STARTUP:

- true：始终从API获取并重新填充存储 - false：使用现有缓存（如果可用）

• LORCANA_SKIP_IF_DB_EXISTS:

- true （默认）：如果缓存文件已包含卡片，则跳过API获取 - false：获取并重新填充

快速启动（无需克隆）

docker pull ghcr.io/danielenricocahall/lorcana-mcp:latest

docker run --rm -i ghcr.io/danielenricocahall/lorcana-mcp:latest

要在容器重新启动时持久化卡缓存，请装载一个卷：

docker run --rm -i \
  -e LORCANA_CACHE_PATH=/data/cards.json \
  -e LORCANA_SKIP_IF_DB_EXISTS=true \
  -v lorcana_mcp_data:/data \
  ghcr.io/danielenricocahall/lorcana-mcp:latest

在本地运行（stdio MCP）

uv run python main.py

码头工人

塑造形象

docker build -t lorcana-mcp:latest .

作为stdio MCP服务器运行

docker run --rm -i lorcana-mcp:latest

Docker Compose

从作曲开始

docker compose build
docker compose run --rm -T lorcana-mcp

笔记：

• 无外露端口；MCP通信通过stdio。
• 使用卷在重新启动时持久化JSON缓存。

配置

• LORCANA_API （默认值： https://danielenricocahall.github.io/lorcana-mcp/allCards.json)
• LORCANA_CACHE_PATH （默认值： cards.json)--用于缓存取出的卡的本地文件
• LORCANA_HTTP_TIMEOUT_SECONDS （默认值： 60)
• LORCANA_REFRESH_ON_STARTUP (false 默认）
• LORCANA_SKIP_IF_DB_EXISTS (true 默认）

MCP客户端设置示例

本地进程（克劳德桌面风格）

{
  "mcpServers": {
    "lorcana": {
      "command": "uv",
      "args": ["run", "python", "/absolute/path/to/lorcana-mcp/main.py"]
    }
  }
}

已发布图像——GHCR（克劳德桌面风格，无需克隆）

{
  "mcpServers": {
    "lorcana": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "ghcr.io/danielenricocahall/lorcana-mcp:latest"
      ]
    }
  }
}

Docker进程（克劳德桌面风格，本地构建）

{
  "mcpServers": {
    "lorcana": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "lorcana-mcp:latest"
      ]
    }
  }
}

Docker编写过程（克劳德桌面风格）

{
  "mcpServers": {
    "lorcana": {
      "command": "docker",
      "args": ["compose", "run", "--rm", "-T", "lorcana-mcp"]
    }
  }
}

通过Claude CLI发布映像（全局，无需克隆）

claude mcp add --scope user \
  -- lorcana docker run --rm -i \
  ghcr.io/danielenricocahall/lorcana-mcp:latest

通过Claude CLI——本地构建

claude mcp add --scope user \
  -- lorcana docker run --rm -i lorcana-mcp:latest

示例问题

连接到MCP客户端后，您可以问自然语言问题，如：

卡片查询

• “给我看所有名为Moana的卡片”
• “《毛伊岛英雄》这张卡有什么作用？”
• “查找所有传奇琥珀卡”

甲板建筑

• “至少有3种强度的最便宜的红宝石字符是什么？”
• “给我看看4美元或更低的可墨水蓝宝石卡”
• “找到有5个或更多意志力的钢铁字符”
• “祖母绿中存在哪些3孔字符？”

关键字和能力搜索

• “有多少张歌手卡5美元？”
• “第一组中有多少个逃避角色？”
• “有多少红宝石卡有鲁莽？”
• “查找文本中包含Ward的所有卡片”
• “给我看看紫水晶的移位卡”

统计和聚合

• “每组有多少张牌？”
• “所有卡片的颜色分布是什么？”
• “最常见的特征是什么？”
• “给我看看墨水曲线——每种成本有多少张卡？”
• “有多少张传奇牌是可以印的？”

交叉筛选查询

• “有多少琥珀字符有3个或更多的传说？”
• “在钢中找到具有高强度（4+）的廉价（成本2-3）字符”
• “第1组中有多少张牌具有规避性且价格低于4？”

注： 对于普通关键字查询（Evasive、Bodyguard、Shift等），请使用 keyword 参数——它根据结构化能力列表进行过滤，比子字符串搜索更可靠。对于特定值的查询，如 Singer 5 或 Resist +2，使用 body_text （关键字值存在于卡片的全文中，而不是能力列表中）。

MCP工具

• search_cards --过滤和检索卡对象（支持 response_format="toon" 减少约10%的代币）
• count_cards --计数与过滤器匹配的卡片，但不返回完整对象
• aggregate_cards --卡片计数按以下方式分组 cost （墨水曲线）， rarity, color, set_code，或 type
• resolve_card --将非正式/部分/拼写错误的卡名与最近的卡进行模糊匹配（返回完整的卡数据）
• top_traits --所有卡片上最常见的特征
• export_deck --将套牌渲染为Dreamborn/Pixelborn兼容的文本套牌列表
• import_deck --解析Dreamborn/Pixelborn风格的牌组列表，返回已解析的牌以及任何带有模糊候选的未解析行
• validate_deck --对照格式规则检查一副牌（≥60张牌，最多4份，≤2支墨水）；回报 {legal, total_cards, inks, violations}
• deck_stats --计算套色的墨水曲线、颜色分割、可墨数和类型细分
• server_status --启动元数据（卡数、配置）

MCP提示

• build_deck(colors, playstyle="balanced") --引导模型按照要求的颜色和游戏风格组装一副合法的Lorcana牌组（最少60张牌，≤2支墨水，最多4张任何一张牌）(aggressive / control / lore-race / balanced).使用上述搜索/聚合工具以及服务器指令中嵌入的规则。

TOON响应格式

search_cards 接受a response_format 论点：

• "json" （默认）--卡片对象列表，与之前的版本保持不变。

示例(search_cards(name="elsa", limit=2, response_format="toon")):

cards[2]:
  - id: crd_01c4835a62df4960bb973aeff81f2bb2
    name: Elsa
    version: Ice Maker
    full_name: Elsa - Ice Maker
    cost: 7
    ...
    printings[3]{set_code,set_name,number,rarity}:
      "7",Archazia's Island,69,Super Rare
      C2,Lorcana Challenge Year 3,2,Promo
      C2,Lorcana Challenge Year 3,6,Promo
  - id: crd_04bca46a8e2d4e9ba0fbdbfc6c99e51e
    name: Elsa
    ...

外表 cards[2]: 回到每卡块的YAML风格（而不是一个表格），因为卡的形状各不相同——例如，动作和项目没有力量/意志力/知识。内部 printings[N]{...}: 由于每次打印都有相同的四个字段，因此块是完全表格化的。

基准

用以下方式测量 benchmarks/bench_toon.py 针对实时~2270卡数据集（合并后），使用tiktoken进行标记 cl100k_base （用作Claude标记器的代理）：

注意：TOON在这里的相对节省比印刷整合之前要小（在PR-29之前，相同的查询显示减少了约50%）。这种差距是嵌套结构的 printings array——TOON的列式编码在顶级字段上获胜，但在每次打印条目内回落到JSON风格的编码，因此数组稀释了相对收益。与合并前的等效行数相比，绝对令牌计数仍然有意义地下降，因为每张唯一的卡现在都用一个小的打印列表表示一次，而不是作为1-3个单独的完整行。

复制 PYTHONPATH=. uv run python benchmarks/bench_toon.py （需要填充 cards.json 缓存）。

免责声明

这是一个私人的、非官方的粉丝和工程项目。它不隶属于迪士尼、Ravensburger或迪士尼Lorcana TCG团队，也不受其认可、赞助或审查。我只使用公开/社区数据源。所有迪士尼Lorcana TCG的名称、卡片文字、商标和相关知识产权均归迪士尼和Ravensburger所有。这个项目是非商业性的，只反映了我的个人观点，而不是我的雇主的观点。