Text Fabric MCP

上下文结构MCP

圣经文本分析服务器 上下文结构，通过MCP（模型上下文协议）接口和REST API提供形态注释的希伯来语圣经（BHSA）和希腊语新约（Nestle 1904）数据。

特性

• 希伯来圣经 --39本书（创世记-历代志下），附有完整的形态学注释 ETCBC/bhsa
• 希腊文新约圣经 --27本书（马太福音-启示录） ETCBC/雀巢1904
• 段落检索 --具有每词词素、光泽、词性和形态特征的诗级文本
• 形态学搜索 --按词性、词干、时态、性别、数字、人称、状态等查找单词
• 结构搜索 --使用搜索模板查找句法模式（子句、短语）
• 词汇提取 --按语料库频率排序的文章中的独特词汇
• LLM聊天 --由Groq（Llama 3.3 70B，免费版）支持的代理对话，带有可选的OpenAI回退；可以调用上述所有工具
• 测验生成 --希伯来语形态训练的可配置测验引擎
• 人工智能辅助测验生成器 --教师用自然语言描述测验，人工智能构建经过验证的测验定义
• 双界面 --与MCP工具（用于AI助手）和FastAPI HTTP API（用于web前端）相同的引擎

快速开始

# Clone and set up
git clone https://github.com/larsgson/context-fabric-mcp.git
cd context-fabric-mcp
cp .env.example .env   # configure API keys

# Start the REST API server
uv run cf-api

API运行于 http://localhost:8000第一个请求将语料库数据加载到内存中（缓存数据约2秒）。

以MCP服务器运行

uv run cf-mcp

这将启动MCP（模型上下文协议）服务器，以便与Claude Desktop或其他MCP兼容客户端一起使用。

客户端演示

使用此服务器作为后端的工作客户端应用程序可在 圣经文本quizz生成器。这是一个基于网络的圣经希伯来语和希腊语形态测验工具，演示了前端如何使用此服务器提供的REST API端点（文章检索、形态搜索、测验生成和人工智能辅助测验构建）。

API终点

MCP工具

当作为MCP服务器运行时，AI助手可以使用以下工具：

• list_corpora, list_books, get_schema --语料库反思
• get_passage, get_word_context --文本检索
• search_words, search_constructions --语言搜索
• search_advanced, search_comparative --基于统计和跨语料库比较的高级搜索
• search_syntax_guide --搜索模板语法文档
• describe_feature, list_features --使用样本值进行特征发现
• list_edge_features, get_edge_features --语言关系探索
• compare_distribution --横断面特征分布比较
• get_lexeme_info, get_vocabulary --词汇查询
• build_quiz --构建并验证测验定义（返回JSON，无服务器端存储）

项目结构

src/context_fabric_mcp/
├── server.py          # MCP server entry point
├── api.py             # FastAPI HTTP layer
├── cf_engine.py       # Context-Fabric data access
├── chat.py            # Groq + OpenAI fallback LLM integration
├── models.py          # Pydantic data models
├── quiz_engine.py     # Quiz generation engine
├── quiz_models.py     # Quiz data models
└── tools/             # MCP tool definitions
    ├── passage.py
    ├── schema.py
    ├── search.py
    ├── vocab.py
    └── quiz.py
tests/
├── test_api.py
├── test_cf_engine.py
└── test_quiz.py

人工智能辅助测验生成器

教师可以通过两种方式创建测验：

通过REST API（用于web前端）

POST /api/chat-quiz 接受自然语言描述并返回经过验证的测验定义：

{
  "message": "Create a quiz on qal perfect verbs in Genesis 1-3, showing the gloss and asking for verbal stem and tense"
}

AI探索文本，构建 QuizDefinition，根据语料库验证它，并返回带有预览的定义。然后，前端可以通过以下方式保存它 POST /api/quizzes.

通过MCP（适用于Claude Desktop等人工智能助手）

这 build_quiz 该工具允许人工智能助手交互式地构建测验定义。老师描述他们想要什么，人工智能用 search_words 和 get_passage，然后呼叫 build_quiz 以产生经过验证的定义。结果以可移植JSON的形式返回——服务器上没有存储任何内容。

测试

uv run pytest

测试在首次运行时需要语料库数据（缓存在 ~/text-fabric-data/).

配置

部署

看 部署.md 有关部署到Fly.io、Railway或Docker的完整说明。

# Docker
docker build -t context-fabric-mcp .
docker run -p 8000:8000 context-fabric-mcp

许可证

麻省理工学院