⭐ 이 프로젝트 마음에 드시나요? 부탁드립니다 저장소에 별표를 붙여 GitHub에서 여러분의 응원을 보여주고 최신 소식을 받아보세요! ⭐

동기

현대의 AI 기반 코딩 어시스턴트(예: Cursor, Cline, Roo Code 등)는 엑셀을 사용합니다 코드 구조와 문법을 이해하는 데는 능숙하지만 구체적인 부분에서는 종종 어려움을 겪습니다 특히 Rust와 같은 생태계에서 빠르게 진화하는 라이브러리와 프레임워크에 대해 이야기합니다 상자가 자주 업데이트되는 곳. 훈련 데이터 마감 때문에 그들은 최신 API에 대한 지식 부족으로 인해 잘못되거나 오래된 코드가 생성됩니다 제안 부탁드립니다.

이 MCP 서버는 집중적이고 최신 정보를 제공하여 이 문제를 해결합니다 특정 러스트 상자에 대한 지식 출처. 이 인스턴스를 실행함으로써 크레이트의 서버(예: serde, tokio, reqwest)를 사용하며, LLM 코딩을 제공합니다 tool 조수([query_rust_docs)를 사용하며, _ 사용하기 전에 관련 코드를 작성할 수 있습니다. 그 상자.

이 도구를 사용하라는 지시를 받으면 LLM은 다음과 같은 구체적인 질문을 할 수 있습니다 Crate의 API 사용법과 _current_에서 직접 파생된 답변 수신 문서화. 이로 인해 정확성과 관련성이 크게 향상됩니다. 생성된 코드를 통해 수동 수정 필요성을 줄이고 속도를 높였습니다 개발.

Rust Docs MCP Server

⭐ Like this project? Please star the repository on GitHub to show your support and stay updated! ⭐

Motivation

Modern AI-powered coding assistants (like Cursor, Cline, Roo Code, etc.) excel at understanding code structure and syntax but often struggle with the specifics of rapidly evolving libraries and frameworks, especially in ecosystems like Rust where crates are updated frequently. Their training data cutoff means they may lack knowledge of the latest APIs, leading to incorrect or outdated code suggestions.

This MCP server addresses this challenge by providing a focused, up-to-date knowledge source for a specific Rust crate. By running an instance of this server for a crate (e.g., serde, tokio, reqwest), you give your LLM coding assistant a tool (query_rust_docs) it can use before writing code related to that crate.

When instructed to use this tool, the LLM can ask specific questions about the crate’s API or usage and receive answers derived directly from the current documentation. This significantly improves the accuracy and relevance of the generated code, reducing the need for manual correction and speeding up development.

Multiple instances of this server can be run concurrently, allowing the LLM assistant to access documentation for several different crates during a coding session.

This server fetches the documentation for a specified Rust crate, generates embeddings for the content, and provides an MCP tool to answer questions about the crate based on the documentation context.

Features

• Targeted Documentation: Focuses on a single Rust crate per server instance.
• Feature Support: Allows specifying required crate features for documentation generation.
• Semantic Search: Uses OpenAI’s text-embedding-3-small model to find the most relevant documentation sections for a given question.
• LLM Summarization: Leverages OpenAI’s gpt-4o-mini-2024-07-18 model to generate concise answers based only on the retrieved documentation context.
• Caching: Caches generated documentation content and embeddings in the user’s XDG data directory (~/.local/share/rustdocs-mcp-server/ or similar) based on crate, version, and requested features to speed up subsequent launches.
• MCP Integration: Runs as a standard MCP server over stdio, exposing tools and resources.

Prerequisites

• OpenAI API Key: Needed for generating embeddings and summarizing answers. The server expects this key to be available in the OPENAI_API_KEY environment variable. (The server also requires network access to download crate dependencies and interact with the OpenAI API).

Installation

The recommended way to install is to download the pre-compiled binary for your operating system from the