使用说明

krpc mcp

一个MCP服务器，允许AI模型访问完整的 kRPC Python文档。

这是什么？

如果你使用人工智能助手（Claude、ChatGPT、Codex等）为Kerbal Space Program编写kRPC Python代码，模型通常会猜测或幻觉API调用，因为kRPC的文档在他们的训练数据中并不常见。这个MCP服务器通过让AI在编写代码之前查询真实文档来解决这个问题。

服务器对所有kRPC Python API页面进行爬网和索引，在本地缓存它们，并通过模型上下文协议.

快速开始

在下面选择您的AI客户端并运行setup命令。就是这样——人工智能将自动访问kRPC文档。

克劳德代码（CLI）

claude mcp add krpc-mcp -- uvx krpc-mcp

OpenAI Codex命令行界面

codex mcp add krpc-mcp -- uvx krpc-mcp

或手动添加到 ~/.codex/config.toml:

[mcp_servers.krpc-mcp]
command = "uvx"
args = ["krpc-mcp"]

克劳德桌面

将此添加到您的 claude_desktop_config.json:

操作系统	配置文件位置
macOS	`~/Library/Application Support/Claude/claude_desktop_config.json`
窗户	`%APPDATA%\Claude\claude_desktop_config.json`

{
  "mcpServers": {
    "krpc-mcp": {
      "command": "uvx",
      "args": ["krpc-mcp"]
    }
  }
}

光标

将此添加到 .cursor/mcp.json 在项目根目录中：

{
  "mcpServers": {
    "krpc-mcp": {
      "command": "uvx",
      "args": ["krpc-mcp"]
    }
  }
}

其他MCP客户端

任何支持stdio传输的MCP客户端都可以使用此服务器。命令是：

uvx krpc-mcp

替代安装

如果你没有或不想使用 uvx，还有其他安装方法。

从GitHub安装pip

pip install git+https://github.com/Ljove02/krpc-mcp.git

然后使用 krpc-mcp 作为上述任何配置中的命令（而不是 uvx krpc-mcp).

手动设置（用于开发）

git clone https://github.com/Ljove02/krpc-mcp.git
cd krpc-mcp
python -m venv .venv

激活虚拟环境：

# macOS / Linux
source .venv/bin/activate

# Windows (PowerShell)
.\.venv\Scripts\Activate.ps1

# Windows (cmd)
.venv\Scripts\activate.bat

安装并运行：

pip install -e .
krpc-mcp

可用工具

连接后，您的AI助手将获得以下工具：

工具	参数	说明
`search_docs`	`query` （str）， `limit` （int，默认值5）	按关键字搜索所有索引的kRPC Python文档。返回包含代码段的匹配页面。
`get_doc_page`	`slug_or_url` （str）	获取特定文档页面的完整内容。接受类似蛞蝓的 `python/api/space-center/vessel.html` 或完整的URL
`get_api_member`	`service` （str）， `class_name` （str）， `member` （str）	查找特定的API成员。例如： `service="SpaceCenter"`, `class_name="Vessel"`, `member="orbit"`。使用模糊匹配。
`reindex_docs`	`force` （bool，默认为false）	手动触发对kRPC文档的重新爬网。

示例：实际使用

这是AI助手使用krpc-mcp时的样子。在这次测试中，克劳德·科德被问及船只发射遥测数据。

用户提示

“给我提供有关我们可以从发射船上获得的各种数据的信息——速度、高度、重力。详细给我5个例子，这样我就可以与文档进行交叉检查。”

AI在幕后做了什么

人工智能在回答之前会自动调用MCP工具查找真实文档：

Tool call:  search_docs(query="vessel flight telemetry speed altitude", limit=5)
Result:     3 matching pages found, including Flight and Vessel API references

Tool call:  search_docs(query="g force flight data", limit=5)
Result:     Matched the Flight API page

Tool call:  get_doc_page(slug_or_url="python/api/space-center/flight.html")
Result:     Full Flight class documentation (104 lines of API details)

Tool call:  get_doc_page(slug_or_url="python/api/space-center/vessel.html")
Result:     Full Vessel class documentation (173 lines of API details)

人工智能响应（来源于真实文档）

#	属性	类	返回	描述
1	`Flight.speed`	航班	`float`	给定参考系中的速度（m/s）。传递适当的参考系（例如。 `vessel.orbit.body.reference_frame`)获得有意义的价值。
2	`Flight.mean_altitude`	航班	`float`	海拔高度（米）。相关： `surface_altitude`, `bedrock_altitude`, `elevation`.
3	`Flight.g_force`	航班	`float`	当前重力为9.81 m/s²的倍数。可用于在发射过程中监测机组人员安全和结构应力。
4	`Flight.dynamic_pressure`	航班	`float`	动压（Q），单位为帕斯卡。等于 `0.5 * air_density * velocity²`对于在上升过程中识别最大Q值至关重要。
5	`Flight.mach`	航班	`float`	速度是声速的倍数。相关： `speed_of_sound`, `true_air_speed`, `terminal_velocity`.

所有属性都是只读并可在航班游戏场景。AI直接从索引文档中提取每一个细节——类型、描述、相关成员，而不是猜测。

运作原理

首次使用时，服务器会从以下位置抓取所有Python文档页面 https://krpc.github.io/krpc/python.html
它提取页面内容和API成员签名/描述
所有内容都缓存在本地 ~/.cache/krpc-mcp/
缓存每24小时自动刷新一次
您可以随时使用强制刷新 reindex_docs 工具

许可证

麻省理工学院