MCP Retrieval Spec

mcp检索规范

jMRI（jMunch检索接口）规范——MCP服务器中令牌高效上下文检索的开放接口标准。

______________________________________________________________________

什么是jMRI？

读取整个文件以回答特定问题的代理浪费了99%的代币预算。jMRI是MCP服务器的一个最小接口，可以正确检索：一次索引，按意图搜索，准确检索所需内容。

四个操作。一个响应信封。两个合规级别。

数字问题： 一个典型的FastAPI代码库需要大约42000个令牌才能被天真地读取。jMRI检索相同答案的成本约为480个令牌。以3/10万美元的代币计算，每次查询的价格为0.126美元，而每次查询的金额为0.0014美元。在数百万次查询中，节省的金额是巨大的。

jMunch工具在用户会话中节省了数十亿个令牌。此规范是对它们所做工作的正式定义。

______________________________________________________________________

运作原理

Agent
  │
  ├─ discover()    → What knowledge sources are available?
  ├─ search(query) → Which symbols/sections are relevant? (IDs + summaries only)
  ├─ retrieve(id)  → Give me the exact source for this ID.
  └─ metadata(id?) → What would naive reading have cost?

每个回复都包含一个 _meta 块状 tokens_saved 和 total_tokens_saved特工们可以准确地看到他们每次通话节省了多少钱。

______________________________________________________________________

规格

→ 规格.md

完整的jMRI v1.0规范。Apache 2.0。你想怎么做就怎么做。

______________________________________________________________________

参考实现

规范是开放的。最好的实现是商业化的。

两者都实现了jMRI Full。许可证可在https://j.gravelle.us/jCodeMunch/

______________________________________________________________________

快速开始

使用Python SDK

from sdk.python.mri_client import MRIClient

client = MRIClient()  # connects to local jcodemunch-mcp

# List available repos
sources = client.discover()

# Search
results = client.search("database session dependency", repo="fastapi/fastapi")
for r in results:
    print(r["id"], r["summary"])

# Retrieve
symbol = client.retrieve(results[0]["id"], repo="fastapi/fastapi")
print(symbol["source"])
print(f"Tokens saved: {symbol['_meta']['tokens_saved']:,}")

Claude代码集成

添加到您的 ~/.claude.json:

{
  "mcpServers": {
    "jcodemunch-mcp": {
      "command": "uvx",
      "args": ["jcodemunch-mcp"]
    },
    "jdocmunch-mcp": {
      "command": "uvx",
      "args": ["jdocmunch-mcp"]
    }
  }
}

看 示例/claude代码/ 进行完整设置。

光标集成

看 示例/光标/.

______________________________________________________________________

回购结构

mcp-retrieval-spec/
├── SPEC.md                    # The jMRI specification (Apache 2.0)
├── CHANGELOG.md               # Spec version history
├── LICENSE                    # Spec: Apache 2.0. Reference impls: commercial.
├── reference/
│   ├── server.py              # Minimal jMRI-compliant server
│   └── config.example.json   # Sample configuration
├── sdk/
│   ├── python/mri_client.py  # Python client helper (Apache 2.0)
│   └── typescript/mri-client.ts
├── examples/
│   ├── claude-code/           # Claude Code integration
│   ├── cursor/                # Cursor integration
│   └── generic-agent/         # Minimal jMRI agent
└── benchmark/                 # munch-benchmark suite

______________________________________________________________________

许可

这就是 条纹模型：API规范是公开的，并且有充分的文件记录；最好的实现是商业化的。

______________________________________________________________________

一致性

→ jmri/一致性/

任何声称符合jMRI的MCP检索服务器都可以运行捆绑的一致性套件，以根据规范进行验证(Core 必须/ Full 应），14个命名案例被固定到特定 SPEC.md 不变量。CI/CD仪表板的Markdown或JSON输出。

pip install jmri-sdk
python -m jmri.conformance --repo owner/repo --server-cmd "your-jmri-server"

判决： jMRI-Full compliant / jMRI-Core compliant / NOT compliant — N MUST failure(s)。在符合Core的运行中退出代码0（有或没有完全间隙），否则退出代码1。

仅限自我报告。 维护人员在自己的服务器上运行该套件并发布报告。我们不与竞争对手竞争一致性——这是对抗性的，不是我们希望标准制定者采取的形式。声称合规的第三方：运行、保存、链接。

______________________________________________________________________

引用

 

如果你在研究中引用jMRI或将其作为基准测试的基础，请引用规范，而不是供应商的方法论论文。规范引用是Zenodo矿床：

Gravelle，J.（2026）。 *jMRI:jMunch检索接口规范* （v1.1.1）\[软件\]。泽诺多。https://doi.org/10.5281/zenodo.20102349

CITATION.cff 在repo中，根具有引用管理器的结构化形式。

______________________________________________________________________

基准

→ 基准/

克隆并在5分钟内运行。在FastAPI和Flask上比较Naive、Chunk RAG和jMRI。结果是诚实的：如果RAG在指标上击败了jMRI，它就会被报道。

FastAPI上的真实数字（950K幼稚代币）：

代币比天真少1979倍。精度高于RAG。

______________________________________________________________________

贡献

规格故意保持最小。扩展核心接口的PR需要强有力的理由。欢迎改进示例、修复错误或添加特定语言SDK客户端的PR。

在提出规范更改之前打开一个问题。