⭐ Нравится этот проект? Пожалуйста Star the Repository включен GitHub, чтобы поддержать и быть в курсе! ⭐

Мотивация

Современные помощники программирования на базе искусственного интеллекта (такие как Cursor, Cline, Roo Code и др.) отлично работают Понимаю структуру и синтаксис кода, но часто испытываю трудности с деталями быстро развивающихся библиотек и фреймворков, особенно в таких экосистемах, как Rust где ящики регулярно обновляются. Их тренировочные данные позволяют им отсутствие знаний о последних API, что приводит к некорректному или устаревшему коду Предложения.

Этот MCP-сервер решает эту задачу, предоставляя сфокусированный, актуальный контент источник знаний для конкретного ящика Rust. Запустив экземпляр этого сервер для ящика (например, serde, tokio, reqwest), вы даёте свой LLM-код ассистент инструмент (query_rust_docs), который может использовать до написания кода, связанного с Этот ящик.

При указании использовать этот инструмент LLM может задавать конкретные вопросы о API или использование ящика и получать ответы, полученные напрямую из текущего документация. Это значительно повышает точность и актуальность генерируемый код, снижая необходимость ручной коррекции и ускоряя процесс развитие.

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 Their training data cutoff means they may lack knowledge of the latest APIs, leading to incorrect or outdated code suggestions.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