使用说明

mcps设置

MCP服务器的单行安装程序——克隆、配置、符号链接，完成。

每个安装程序都是独立的 bash 您可以直接从GitHub管道传输脚本。无需事先结账。

运作原理

每个安装程序都遵循相同的模式：

curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-<name>.sh \
  | bash -s -- [OPTIONS]

传递旗帜后 -- （需要将脚本标志与 bash 旗帜）。
在之前传递环境变量 bash.
所有安装人员幂等 --可以安全地重新运行以进行更新。
交互式提示仍然有效 curl | bash （阅读自 /dev/tty).
使用 --reinstall 擦拭并重新安装(.env 始终保存）。

MCP服务器

快速代码

什么是FastCode？

快速代码是一种代币高效的回购级别作为MCP服务器运行的代码理解框架。它为你的存储库并回答有关它们的问题——速度是Cursor的3-4倍/ Claude Code，代币成本降低44-55%，基准精度更高。

它公开的关键MCP工具：

工具	它做什么
`code_qa`	询问有关一个或多个存储库（如果需要，自动克隆和索引）的任何问题
`search_symbol`	在存储库中按名称查找函数/类
`get_file_summary`	文件的结构摘要（类、方法、导入）
`get_call_chain`	跟踪符号的调用者/被调用者
`get_repo_structure`	高级回购概述
`list_indexed_repos`	列出所有索引仓库
`reindex_repo`	强制对回购进行全面重新索引
`list_sessions` / `get_session_history`	管理多回合对话会话

FastCode先决条件

要求	注意事项
Linux或macOS	Windows：使用WSL
Git	`git` 必须打开 `PATH`
Python≥3.12	使用 pyenv 或紫外线如果您的系统Python较旧
紫外线（可选，但推荐）	`pip install uv` --更快的venv+依赖安装
卷曲	用于检查Ollama守护进程的运行状况（仅适用于本地模型）

FastCode快速安装

# With OpenRouter (recommended — see below for key setup)
curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-fastcode.sh \
  | OPENAI_API_KEY="sk-or-v1-..." \
    MODEL="google/gemini-flash-1.5" \
    BASE_URL="https://openrouter.ai/api/v1" \
    bash -s -- --no-ollama

# Interactive install — prompts for API key (press Enter to use local Ollama)
curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-fastcode.sh \
  | bash

# With flags
curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-fastcode.sh \
  | bash -s -- --dir ~/.local/lib/fastcode --no-ollama

# Force clean reinstall (preserves .env)
curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-fastcode.sh \
  | bash -s -- --reinstall

最后，脚本会打印出确切的JSON代码段，以粘贴到您的MCP客户端中。

FastCode安装选项

curl ... | bash -s -- [OPTIONS]

Options:
  -d, --dir DIR        Installation directory   (default: ~/.local/lib/fastcode)
  -b, --bin DIR        Symlink target directory  (default: ~/.local/bin)
      --reinstall      Remove existing install and reinstall from scratch
                       (.env / API key is preserved)
      --no-ollama      Skip Ollama local model setup
      --no-symlink     Skip creating ~/.local/bin/fastcode
  -h, --help           Show help

Environment variables (take priority over flags):
  FASTCODE_DIR         Override --dir
  FASTCODE_BIN_DIR     Override --bin
  OPENAI_API_KEY       API key (written to .env; prompted if missing)
  MODEL                Model name
  BASE_URL             Provider base URL

示例：

INSTALLER="https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-fastcode.sh"

# Install to a custom path
curl -fsSL "$INSTALLER" | bash -s -- -d /opt/fastcode -b /usr/local/bin

# Cloud provider — skip local model entirely
curl -fsSL "$INSTALLER" \
  | OPENAI_API_KEY="sk-..." MODEL="gpt-4o" BASE_URL="https://api.openai.com/v1" \
    bash -s -- --no-ollama

# Offline-only — let the script set up Ollama automatically
curl -fsSL "$INSTALLER" | bash

# Non-interactive CI install (Ollama key, no symlink)
curl -fsSL "$INSTALLER" | OPENAI_API_KEY=ollama bash -s -- --no-symlink

选择LLM提供者

FastCode使用与OpenAI兼容的API作为其推理层。三个环境变量控制连接--全部写入 ~/.local/lib/fastcode/.env 安装过程中并且可以在任何时候编辑，而无需重新运行安装程序。

变量	目的
`OPENAI_API_KEY`	您的API密钥
`MODEL`	型号标识符（特定于提供商）
`BASE_URL`	API基本URL

OpenRouter（推荐）

开放路由是一个允许访问200的元提供者+ 单个API密钥下的模型（Gemini、Claude、GPT、Llama、Qwen…）按型号付费定价。这是FastCode最灵活的选择。

第一步——拿到钥匙

注册地址： openrouter.ai
首选钥匙 → 创建密钥
复制密钥——它以开头 sk-or-v1-

步骤2--使用OpenRouter安装FastCode

curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-fastcode.sh \
  | OPENAI_API_KEY="sk-or-v1-xxxxxxxxxxxx" \
    MODEL="google/gemini-flash-1.5" \
    BASE_URL="https://openrouter.ai/api/v1" \
    bash -s -- --no-ollama

或编辑 ~/.local/lib/fastcode/.env 普通安装后：

OPENAI_API_KEY=sk-or-v1-xxxxxxxxxxxx
MODEL=google/gemini-flash-1.5
BASE_URL=https://openrouter.ai/api/v1

FastCode的推荐OpenRouter型号

型号	OpenRouter ID	备注
双子座2.0闪光灯	`google/gemini-2.0-flash-001`	最佳速度/成本比，1M ctx
双子座2.5 Pro	`google/gemini-2.5-pro-preview`	最高精度，大存储空间
双子座闪光1.5	`google/gemini-flash-1.5`	非常便宜，适合查询
克劳德3.5俳句	`anthropic/claude-3-5-haiku`	快速、廉价、可靠的代码推理
克劳德·十四行诗4.5	`anthropic/claude-sonnet-4-5`	高质量，高成本
Qwen3编码器30B	`qwen/qwen3-coder-30b-a3b-instruct`	最佳本地尺寸型号，提供免费套餐
DeepSeek R2。 `deepseek/deepseek-r2`	推理能力强，成本很低

提示： 日常使用 google/gemini-flash-1.5 或 google/gemini-2.0-flash-001 提供最佳的速度成本比。

步骤3——验证

curl https://openrouter.ai/api/v1/models \
  -H "Authorization: Bearer sk-or-v1-xxxxxxxxxxxx" | jq '.data[0].id'

开放人工智能

curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-fastcode.sh \
  | OPENAI_API_KEY="sk-..." MODEL="gpt-4o" BASE_URL="https://api.openai.com/v1" \
    bash -s -- --no-ollama

或在 .env:

OPENAI_API_KEY=sk-...
MODEL=gpt-4o
BASE_URL=https://api.openai.com/v1

通过Ollama建立本地模型

当未提供API密钥时（或 OPENAI_API_KEY=ollama)脚本会自动执行以下操作：

检查一下 ollama 已安装，守护进程正在运行
拉 qwen3-coder-30b-a3b-instruct （FastCode推荐的本地模型）
创建一个 qwen3-coder-30b_fastcode 默认配置使用的别名

# Install Ollama first: https://ollama.com
ollama serve &   # start daemon (or use the desktop app)

# Press Enter when prompted for API key → defaults to ollama
curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-fastcode.sh \
  | bash

结果 .env:

OPENAI_API_KEY=ollama
MODEL=qwen3-coder-30b_fastcode
BASE_URL=http://localhost:11434/v1

注： qwen3-coder-30b-a3b-instruct 约为18GB。对于较轻的硬件，请尝试 qwen2.5-coder:7b 或 deepseek-coder-v2:16b 并更新 MODEL 在 .env.

FastCode MCP客户端配置

安装后，终端上会打印一个可粘贴的JSON代码段。这 fastcode-mcp 包装载荷 .env 自动--无需重复客户端配置中的环境变量。

请参阅配置MCP客户端以下部分完整的客户指令，涵盖Claude Code、Codex、OpenCode、Cursor和Windsurf。

在所有客户端中使用的FastCode命令是：

~/.local/lib/fastcode/fastcode-mcp

SSE/远程传输

对于共享或远程部署：

# Start the server in SSE mode
fastcode --transport sse --port 8080

{
  "mcpServers": {
    "fastcode": {
      "url": "http://localhost:8080/sse"
    }
  }
}

安装什么

~/.local/lib/fastcode/          ← FASTCODE_DIR (configurable with -d)
├── .git/                  ← FastCode source (shallow clone of HKUDS/FastCode)
├── .venv/                 ← Isolated Python 3.12 virtual environment
├── .env                   ← Your API key, model, base URL  ← EDIT THIS
├── fastcode-mcp           ← MCP launcher (symlinked to ~/.local/bin/fastcode)
├── fastcode-web           ← Web UI launcher (symlinked to ~/.local/bin/fastcode-web)
├── config/
│   └── config.yaml        ← Retrieval / indexing settings
├── data/
│   ├── vector_store/      ← FAISS indexes (persisted between sessions)
│   └── cache/             ← Embedding & query cache
├── logs/
│   └── mcp_server.log     ← MCP server log
└── repos/                 ← Cloned repos land here when using GitHub URLs

~/.local/bin/
├── fastcode               ← Symlink → ~/.local/lib/fastcode/fastcode-mcp
└── fastcode-web           ← Symlink → ~/.local/lib/fastcode/fastcode-web

安装后配置

更改LLM提供程序 --编辑 ~/.local/lib/fastcode/.env:

# Switch to OpenRouter after an Ollama install
OPENAI_API_KEY=sk-or-v1-xxxxxxxxxxxx
MODEL=google/gemini-2.0-flash-001
BASE_URL=https://openrouter.ai/api/v1

stdio传输不需要重新启动——每次MCP调用都是一个新进程。对于SSE模式，编辑后重新启动服务器。

调整检索 --编辑 ~/.local/lib/fastcode/config/config.yaml:

embedding:
  model: "sentence-transformers/all-MiniLM-L6-v2"  # Lighter, English-only (90 MB)

retrieval:
  max_results: 8            # More context per query (higher token cost)
  enable_agency_mode: true  # Multi-round retrieval (more thorough, slower)

agent:
  iterative:
    max_iterations: 6
    confidence_threshold: 90

手动运行服务器

# stdio (default — used by MCP clients)
fastcode

# Explicit path (if ~/.local/bin not in PATH)
~/.local/lib/fastcode/fastcode-mcp

# SSE on port 8080
fastcode --transport sse --port 8080

# Web UI (opens http://localhost:5000)
fastcode-web
fastcode-web --port 8888

# Ad-hoc provider override without editing .env
MODEL=anthropic/claude-3-5-haiku \
BASE_URL=https://openrouter.ai/api/v1 \
OPENAI_API_KEY=sk-or-v1-... \
  ~/.local/lib/fastcode/fastcode-mcp

更新FastCode

重新运行安装程序是安全的——提取最新的源代码，重新安装依赖项，不接触 .env 或数据目录：

curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-fastcode.sh \
  | bash

强制清洁重新安装(.env 保存）：

curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-fastcode.sh \
  | bash -s -- --reinstall

卸载FastCode

rm -rf ~/.local/lib/fastcode
rm -f ~/.local/bin/fastcode ~/.local/bin/fastcode-web

故障排除

Python 3.12+ is required

# Via pyenv
pyenv install 3.12 && pyenv global 3.12

# Via uv (downloads its own Python)
pip install uv && uv python install 3.12

MCP客户端显示FastCode不可用

# Check the log
tail -f ~/.local/lib/fastcode/logs/mcp_server.log

# Test the launcher directly (should hang waiting on stdin — that's correct)
~/.local/lib/fastcode/fastcode-mcp

# Confirm .env is valid
cat ~/.local/lib/fastcode/.env

faiss-cpu 安装失败

~/.local/lib/fastcode/.venv/bin/pip install faiss-cpu --no-cache-dir

嵌入模型下载失败

在中切换到更轻的仅限英语的型号 config.yaml:

embedding:
  model: "sentence-transformers/all-MiniLM-L6-v2"

或者手动重新下载，超时时间更长：

HF_HUB_TIMEOUT=120 ~/.local/lib/fastcode/.venv/bin/python -c "
from sentence_transformers import SentenceTransformer
SentenceTransformer('sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2')
"

开放路由 401 Unauthorized

密钥必须以开头 sk-or-v1-
检查你的 OpenRouter积分
首先使用免费模型进行测试： MODEL=google/gemini-flash-1.5

安装后Ollama模型丢失

ollama pull qwen3-coder-30b-a3b-instruct
ollama cp  qwen3-coder-30b-a3b-instruct qwen3-coder-30b_fastcode

日志

tail -f ~/.local/lib/fastcode/logs/mcp_server.log   # MCP protocol log
tail -f ~/.local/lib/fastcode/logs/fastcode.log      # engine log (indexing, retrieval)

mcp-coco指数

什么是mcp-coco指数？

mcp-coco指数是MCP服务器用于语义代码索引和搜索，由 CocoIndex. 它允许人工智能编码助手为您的存储库建立索引，并使用自然搜索功能进行搜索语言查询——所有这些都由本地PostgreSQL+pgvector存储支持。

生成嵌入 完全本地化 (sentence-transformers/all-MiniLM-L6-v2) -索引或搜索不需要外部API调用。

它公开的MCP工具：

工具	它做什么
`index_repository`	为语义搜索的仓库建立索引（在pgvector中创建嵌入+存储）
`search_code`	基于索引仓库的自然语言搜索
`list_indexes`	列出所有可用的索引和统计数据
`get_index`	获取特定索引的详细信息
`delete_index`	删除索引及其所有数据

mcp-coco指数的先决条件

要求	注意事项
Linux或macOS	Windows：使用WSL
Git	`git` 必须打开 `PATH`
紫外线	必填项-- `pip install uv` 或查看紫外线文件
Docker+Docker Compose v2	对于PostgreSQL+pgvector容器

没有Docker？ 通过 --no-docker 并将服务器指向现有的 PostgreSQL实例 pgvector 已安装扩展。

mcp-coco索引快速安装

# Default install — starts PostgreSQL container automatically
curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-coco-index.sh \
  | bash

# Custom database credentials
curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-coco-index.sh \
  | COCOINDEX_DB_PASSWORD="mysecret" bash

# Skip Docker (use an existing PostgreSQL)
curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-coco-index.sh \
  | bash -s -- --no-docker \
      --db-host myserver --db-port 5432 --db-name cocoindex \
      --db-user cocoindex --db-pass secret

# Force clean reinstall (preserves .env)
curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-coco-index.sh \
  | bash -s -- --reinstall

mcp-coco索引安装选项

curl ... | bash -s -- [OPTIONS]

Options:
  -d, --dir DIR        Installation directory   (default: ~/.local/lib/coco-index)
  -b, --bin DIR        Symlink target directory  (default: ~/.local/bin)
      --db-host HOST   PostgreSQL host           (default: localhost)
      --db-port PORT   PostgreSQL port           (default: 5432)
      --db-name NAME   Database name             (default: cocoindex)
      --db-user USER   Database user             (default: cocoindex)
      --db-pass PASS   Database password         (default: cocoindex)
      --no-docker      Skip Docker/PostgreSQL container setup
      --no-symlink     Skip creating ~/.local/bin/mcp-coco-index
      --reinstall      Remove existing install and reinstall from scratch
  -h, --help           Show help

Environment variables (take priority over flags):
  COCO_INDEX_DIR           Override --dir
  COCO_INDEX_BIN_DIR       Override --bin
  COCOINDEX_DB_HOST        Override --db-host
  COCOINDEX_DB_PORT        Override --db-port
  COCOINDEX_DB_NAME        Override --db-name
  COCOINDEX_DB_USER        Override --db-user
  COCOINDEX_DB_PASSWORD    Override --db-pass

mcp-coco索引mcp客户端配置

安装后，终端上会打印一个可粘贴的JSON代码段。这 mcp-coco-index 发射器载荷 .env 自动。

请参阅配置MCP客户端以下部分完整的客户指示。

在所有客户端中使用的命令是：

~/.local/lib/coco-index/mcp-coco-index

mcp-coco索引安装内容

~/.local/lib/coco-index/          ← COCO_INDEX_DIR (configurable with -d)
├── .git/                    ← Source (shallow clone of dragoscirjan/mcp-coco-index)
├── .venv/                   ← uv-managed virtual environment (Python 3.11+)
├── .env                     ← Database settings  ← EDIT THIS
├── mcp-coco-index           ← Launcher script (symlinked to ~/.local/bin/mcp-coco-index)
├── docker-compose.yml       ← PostgreSQL + pgvector service definition
├── src/mcp_coco_index/
│   ├── config.py            ← Configuration (env-driven)
│   ├── indexer.py           ← Indexing, search, CocoIndex flow logic
│   └── server.py            ← MCP server and tool definitions
└── tests/

~/.local/bin/
└── mcp-coco-index           ← Symlink → ~/.local/lib/coco-index/mcp-coco-index

PostgreSQL数据存储在一个命名的Docker卷中(cocoindex-pgdata)以及在容器重启过程中持续存在。

mcp-coco索引安装后配置

更改数据库设置 --编辑 ~/.local/lib/coco-index/.env:

COCOINDEX_DB_HOST=localhost
COCOINDEX_DB_PORT=5432
COCOINDEX_DB_NAME=cocoindex
COCOINDEX_DB_USER=cocoindex
COCOINDEX_DB_PASSWORD=cocoindex

更改嵌入模型 （权衡：精度与速度/尺寸）：

EMBEDDING_MODEL=all-MiniLM-L6-v2    # default: 384-dim, fast, English-focused
# EMBEDDING_MODEL=all-mpnet-base-v2  # 768-dim, higher accuracy, slower

如果你改变 EMBEDDING_MODEL 您必须重新索引所有存储库-- 向量维度必须匹配。

mcp-coco索引手动运行

# Start the PostgreSQL container (if not already running)
docker compose -f ~/.local/lib/coco-index/docker-compose.yml up -d

# Run the MCP server (stdio — used by MCP clients)
mcp-coco-index

# Explicit path
~/.local/lib/coco-index/mcp-coco-index

# Direct uv invocation (no launcher needed)
uv run --project ~/.local/lib/coco-index mcp-coco-index

更新mcp-coco索引

# Pull latest + reinstall deps (idempotent)
curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-coco-index.sh \
  | bash

# Clean reinstall (preserves .env and PostgreSQL data)
curl -fsSL https://raw.githubusercontent.com/dragoscirjan/mcps-setup/main/install-coco-index.sh \
  | bash -s -- --reinstall

卸载mcp-coco索引

# Stop and remove the container + data volume (destructive!)
docker compose -f ~/.local/lib/coco-index/docker-compose.yml down -v

# Remove installation
rm -rf ~/.local/lib/coco-index
rm -f ~/.local/bin/mcp-coco-index

要保留PostgreSQL数据（例如，为了将来重新安装），请省略 -v:

docker compose -f ~/.local/lib/coco-index/docker-compose.yml down

mcp-coco索引故障排除

uv: command not found

pip install uv
# or: curl -LsSf https://astral.sh/uv/install.sh | sh

PostgreSQL容器未启动

docker compose -f ~/.local/lib/coco-index/docker-compose.yml logs
# Common cause: port 5432 already in use
# Fix: use a different port
curl -fsSL .../install-coco-index.sh | bash -s -- --db-port 5433

connection refused 运行服务器时

# Ensure the container is running
docker compose -f ~/.local/lib/coco-index/docker-compose.yml up -d
docker compose -f ~/.local/lib/coco-index/docker-compose.yml ps

嵌入模型更改后重新索引

# Use the MCP tool from any client:
# delete_index { "name": "my-repo" }
# index_repository { "path": "/path/to/repo" }

配置MCP客户端

两台服务器通过以下方式进行通信标准（默认）。将您的MCP客户端指向启动器脚本--加载 .env 自动。

服务器	启动器路径	Symlink
快速代码	`~/.local/lib/fastcode/fastcode-mcp`	`~/.local/bin/fastcode`
mcp-coco指数	`~/.local/lib/coco-index/mcp-coco-index`	`~/.local/bin/mcp-coco-index`

替换 ~ 在下面的所有配置中使用您的实际主目录路径（例如。 /home/yourname 或 /Users/yourname).

克劳德代码

克劳德代码使用 .mcp.json 文件--全局(~/.mcp.json)或每个项目(.mcp.json 在项目根中）。项目级别优先。

通过CLI（全局，推荐）：

# FastCode
claude mcp add fastcode -- ~/.local/lib/fastcode/fastcode-mcp

# mcp-coco-index
claude mcp add mcp-coco-index -- ~/.local/lib/coco-index/mcp-coco-index

通过JSON(~/.mcp.json 或项目 .mcp.json):

{
  "mcpServers": {
    "fastcode": {
      "command": "/home/YOU/.local/lib/fastcode/fastcode-mcp"
    },
    "mcp-coco-index": {
      "command": "/home/YOU/.local/lib/coco-index/mcp-coco-index"
    }
  }
}

编辑后重新启动Claude Code（或重新加载窗口）。

克劳德桌面版

编辑配置文件：

Linux： ~/.config/claude/claude_desktop_config.json
macOS： ~/Library/Application Support/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "fastcode": {
      "command": "/home/YOU/.local/lib/fastcode/fastcode-mcp"
    },
    "mcp-coco-index": {
      "command": "/home/YOU/.local/lib/coco-index/mcp-coco-index"
    }
  }
}

编辑后重新启动Claude Desktop。

OpenAI Codex命令行界面

Codex CLI 从读取MCP配置 ~/.codex/config.toml （全球）或 codex.toml 在项目根中。

# ~/.codex/config.toml  (or project codex.toml)

[[mcp_servers]]
name    = "fastcode"
command = "/home/YOU/.local/lib/fastcode/fastcode-mcp"

[[mcp_servers]]
name    = "mcp-coco-index"
command = "/home/YOU/.local/lib/coco-index/mcp-coco-index"

注： Codex CLI MCP支持在v0.7+版本中发布。检查 codex --version.

开源代码

开源代码读取 opencode.json 从项目根或 ~/.config/opencode/config.json 全球地。

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "fastcode": {
      "type": "local",
      "command": ["/home/YOU/.local/lib/fastcode/fastcode-mcp"],
      "enabled": true
    },
    "mcp-coco-index": {
      "type": "local",
      "command": ["/home/YOU/.local/lib/coco-index/mcp-coco-index"],
      "enabled": true
    }
  }
}

OpenCode热重新加载配置——无需重新启动。

光标

编辑 ~/.cursor/mcp.json （如果缺少，则创建）：

{
  "mcpServers": {
    "fastcode": {
      "command": "/home/YOU/.local/lib/fastcode/fastcode-mcp"
    },
    "mcp-coco-index": {
      "command": "/home/YOU/.local/lib/coco-index/mcp-coco-index"
    }
  }
}

重新启动游标。这两台服务器都将出现在MCP工具面板中。

帆板运动

编辑 ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "fastcode": {
      "command": "/home/YOU/.local/lib/fastcode/fastcode-mcp"
    },
    "mcp-coco-index": {
      "command": "/home/YOU/.local/lib/coco-index/mcp-coco-index"
    }
  }
}