maquina-app/rails-mcp-server

解決的問題

本專案為大型語言模型 (LLM) 與 Ruby on Rails 專案的互動提供了一種標準化的方式。它解決了為 AI Agent 提供必要上下文（如資料庫架構、路由和模型關係）的問題，從而無需使用者手動將程式碼複製貼上到提示詞中，即可進行程式碼分析、探索和開發輔助。

工作原理

它實現了模型上下文協定 (MCP)，使其能夠充當 LLM 用戶端（如 Claude Desktop 或 GitHub Copilot）與 Rails 程式碼庫之間的橋樑。伺服器可以以 STDIO 模式（用於直接整合）或 HTTP 模式（用於遠端存取）執行。

為了最大限度地減少上下文視窗的使用，它採用了「漸進式工具發現」架構。它沒有列出所有可能的動作，而是公開了三個主要的引導工具（switch_project、search_tools 和 execute_tool），LLM 利用這些工具根據需求發現並呼叫更具體的內部分析器。

適用對象

使用 AI 程式碼助手並希望讓 LLM 能夠深入、結構化地存取其應用程式內部結構、文件和配置的 Rails 開發人員。

亮點

• 深度 Rails 内省：包含針對 Active Record 模型（使用 Prism 靜態分析）、Rails 路由、資料庫架構和控制器-檢視關係的專用分析器。
• 文件整合：提供對 Rails、Turbo、Stimulus 和 Kamal 官方指南的內建存取，以及對自定義 Markdown 文件的支援。
• 多專案管理：允許 LLM 在多個配置好的 Rails 專案之間進行切換。
• 靈活部署：支援 STDIO 和 HTTP/SSE 模式，並與常見的 Ruby 版本管理器（mise, asdf, rbenv, rvm）整合。
• 面向 Agent 設計：包含專用的配置工具 (rails-mcp-config)，以便在 Claude Desktop 和 GitHub Copilot 中輕鬆設定。