🚀 UVL 分析器 MCP
UVL 分析器 MCP 是一款专为分析通用变化语言 (UVL) 编写的特征模型而设计的模型上下文协议 (MCP) 服务器。它提供了一系列强大工具，可用于处理特征模型并提取有价值的见解，例如识别原子集、计算平均分支因子等。
🚀 快速开始
要在 Claude Desktop 上使用此功能，请将以下内容添加到 claude_desktop_config.json 中：
Docker
{
"mcpServers": {
"uvl_analyzer": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"mcp/uvlanalyzer"
]
}
}
}
NPX
{
"mcpServers": {
"uvl-analyzer": {
"command": "npx",
"args": [
"-y",
"@lbdudc/mcp-uvl-analyzer"
]
}
}
}
✨ 主要特性
此 MCP 支持以下操作：
- 原子集：识别特征模型中的原子集，原子集是一组在所有配置中始终一起出现的特征。
- 平均分支因子：计算特征模型中每个父特征的平均子特征数量，以洞察模型的复杂性。
- 共同性：衡量一个特征在产品线配置中的出现频率，通常以百分比表示。
- 配置：生成特征模型的所有可能有效配置，每个配置代表从模型中可以导出的有效产品。
- 配置数量：返回特征模型表示的总有效配置数。
- 核心功能：识别在所有有效配置中始终出现的特征（必选特征）。
- 计数叶子节点：统计特征模型中的叶子特征数量，叶子特征是没有子特征的特征。
- 死亡特征：识别由于约束和依赖而无法包含在任何有效产品配置中的特征。
- 估计配置数量：提供从特征模型可以生成的不同配置总数的估计值。
- 虚假可选功能：识别那些看似可选但必须包含在每个有效产品配置中的特征，因为它们受到约束的影响。
- 特征祖先：识别给定特征在特征模型中的所有祖先特征。
- 筛选：根据指定标准过滤并选择配置的子集。
- 叶子特征：识别特征模型中的所有叶子特征。
- 最大深度：找到特征树的最大深度，指示从根到叶子节点的最长路径。
- 可满足性：检查给定模型是否符合特征模型中定义的约束条件。
📦 安装指南
Docker 构建
docker build -t mcp/uvlanalyzer .
📄 许可证
此 MCP 服务器根据 MIT 许可证发布。这意味着您可以自由使用、修改和分发软件，但需遵守 MIT 许可证的条款和条件。有关更多详细信息，请参阅项目存储库中的 LICENSE 文件。