Lat MCP Server

社区

用 Markdown 为代码库构建知识图谱

分类: 开发工具第 95 / 438
Stars: ★ 2.0k 非常热门
传输方式: stdio（本地进程）
运行环境: Node.js 22+
凭据: 可选 API Key
许可证: MIT
最近提交: 8 天前

62FMRS · C

lat.md 是一个以 Markdown 编写、面向代码库的知识图谱工具，由 Vercel Labs 仓库发布（MIT 许可，npm 包名 lat.md）。它把领域知识拆成 lat.md/ 目录下互相链接的 Markdown 文件，用 [[wiki links]]、源码符号链接和 // @lat: 反向注释把文档与代码绑定，并靠 lat check 强制一致性。CLI 还提供 lat search 语义检索、lat expand 展开引用以及 lat mcp 启动 MCP 服务器供编辑器集成。语义检索默认完全离线（内置 all-MiniLM-L6-v2 的 WASM 版本），也支持通过 OpenAI 或 Vercel AI Gateway 密钥使用托管嵌入。README 未提供 MCP 服务器的清单、工具列表或客户端配置示例，因此本档案不含具体工具名与安装配置。总体适合使用编码 agent、且愿意以 Markdown 维护领域知识的团队；对不愿在源码中加注释或不需要 agent 的场景价值有限。

最强项 · 文档质量 15/20 最弱项 · 可靠性 10/20

可靠性

10/20

安全与权限

12/20

维护活跃度

14/20

文档质量

15/20

安装易用性

11/20

查看各项评分依据

可靠性 10/20: README 说明通过 `lat mcp` 启动 MCP 服务器，并提供 `lat check` 校验图的一致性，方案思路清晰；但仓库未缓存服务器清单，本次审查仅见 README，看不到 MCP 初始化握手、工具列表声明、错误处理与测试文件，静态规则下无法把可靠性评到 12 以上。缺少服务器的可执行证据（未见 CI 工作流文件与提交的测试用例）即为扣分项，故给 10。
安全与权限 12/20: 依赖边界较清楚：语义搜索默认离线运行，使用打包的本地 all-MiniLM-L6-v2（WASM，无原生二进制、无网络）；只有在用户显式提供 OpenAI 或 Vercel AI Gateway 密钥时才走远程嵌入。密钥有明确的解析顺序（环境变量 / 密钥文件 / helper 命令 / 配置文件），helper 有 10 秒超时。但文档未说明密钥是否会被写入磁盘、是否随请求外发到何处、初始化钩子和 GitHub bot 会带来哪些自动化副作用及确认机制，权限与数据流披露不完整，故扣分；未发现恶意、凭据窃取或不可逆默认操作等红线行为。给 12。
维护活跃度 14/20: MIT 许可明确，Star 数较高（仅作发现信号，不计分），有 1913 stars 与 33 个未关闭 issue，说明项目有人使用且仍在维护而非归档；npm 包与版本徽章显示有正式发布渠道。但仓库本身未缓存，看不到提交节奏、issue 响应时长、依赖更新与安全响应通道的具体证据，治理与版本信息存在缺口，因此不能给高分。给 14。
文档质量 15/20: 文档层次较好：问题动机、方案概念（`[[wiki links]]`、源码回链注释、`lat check` 强制一致性）、目录结构示例、完整 CLI 命令（init/check/locate/section/refs/search/expand/mcp）以及配置的密钥解析顺序与 `lat reindex` 切换后端的方式均有说明，还包含开发环境要求（Node 22、pnpm、rustup）。扣分项在于：MCP 服务器的配置示例、工具参数细节、成本与故障排查说明缺失，且 README 属不可信证据，需与实际源码交叉验证而无源码可查。给 15。
安装易用性 11/20: 安装路径简短清晰：`npm install -g lat.md` 后在目标仓库运行 `lat init` 即可脚手架化 `lat.md/` 目录，语义搜索离线默认可用，无需 API key。但缺少在主流客户端（编辑器/IDE）中接入 MCP 的配置示例，也未见平台兼容性说明；开发构建需要 Rust/WASM 工具链，门槛偏高。因无服务器清单与可执行证据，setup 上限受限于 15，实际因客户端接入示例缺失给 11。

静态评测 · 未实际运行收录于 2026-09-10

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件

适合谁

希望为代码库建立可维护知识图谱的团队与个人开发者
使用编码 agent 并希望其获得稳定、可检索上下文的使用者
以 Markdown 为文档载体、希望文档与源码保持同步的项目
需要在离线环境下做语义检索（默认使用本地 WASM 嵌入模型）的场景

不适合谁

只想维护单个扁平 AGENTS.md 文件的小型项目（知识图谱的收益有限）
不使用编码 agent、也不打算维护 Markdown 领域文档的团队
期望开箱即用托管服务或云端多人协同文档平台的用户
不愿在源码中添加 // @lat: 注释的项目

所需权限

对项目仓库的读写权限（lat init 会创建 lat.md/ 目录并配置编码 agent 的钩子与指令）
在配置托管嵌入时读取 API 密钥：LAT_LLM_KEY 环境变量、LAT_LLM_KEY_FILE 指定的文件，或执行 LAT_LLM_KEY_HELPER 指定的 shell 命令
写入本地索引/配置（lat reindex、lat config 涉及本地缓存与配置文件）

风险与副作用

若使用托管嵌入（OpenAI 或 Vercel AI Gateway）并配置密钥，相关文本可能被发送至外部服务；默认离线本地模型无网络请求
LAT_LLM_KEY_HELPER 会执行 shell 命令以打印密钥，若该变量被不受信任的来源设置，存在命令执行风险
密钥文件若权限配置不当可能被其他本地进程读取
知识图谱若长期不运行 lat check 维护，可能与代码实际状态漂移，误导 agent
lat init 会修改编码 agent 的钩子与指令配置，可能影响既有工作流

安装接入

准备工作

运行环境：Node.js 22+

LAT_LLM_KEY 可选密钥可选，直接填入 OpenAI（sk-...）或 Vercel AI Gateway（vck_...）API 密钥，用于托管嵌入；不填则使用本地离线模型。

其他可选配置项（2 个）

LAT_LLM_KEY_FILE 可选可选，指向一个包含 API 密钥的文件路径，作为 LAT_LLM_KEY 的替代。

LAT_LLM_KEY_HELPER 可选可选，一个打印 API 密钥的 shell 命令（10 秒超时），作为前两者的替代。

全局安装：npm install -g lat.md
在要使用 lat 的仓库中运行 lat init，为常用编码 agent 配置钩子与指令。
lat init 会生成 lat.md/ 目录，在其中编写描述架构、业务逻辑、测试规格的 Markdown 文件。
使用 [[file#Section#Subsection]] 在小节间互链，用 [[src/auth.ts#validateToken]] 链接源码符号。
在源码中添加 // @lat: [[section-id]] 注释（Python 用 # @lat: [[section-id]]）建立实现与概念的关联。
运行 lat check 校验图谱与文档一致性。
需要编辑器集成时运行 lat mcp 启动 MCP 服务器。

开发环境要求 Node.js 22、pnpm，以及通过 rustup 安装的 Rust；构建命令为 pnpm install、pnpm buildall、pnpm test。

验证是否装好

运行 lat mcp 启动 MCP 服务器后，在客户端工具列表中应能看到 lat 提供的工具；也可以先用 lat check 确认图谱校验正常。

常见排障

lat check 报错：表示存在引用不一致或缺少 // @lat: 反向引用的规格，按提示补齐链接或注释
语义检索结果不理想：尝试用 lat reindex 重建索引；如需更高质量可用 --remote 切换托管嵌入，或 --local 强制离线模型
找不到密钥：确认 LAT_LLM_KEY、LAT_LLM_KEY_FILE、LAT_LLM_KEY_HELPER 的解析顺序，或运行 lat config 查看配置文件位置
编译或运行失败：确认 Node.js 版本为 22，已安装 pnpm，且 Rust 通过 rustup 安装并具备对应 WASM 目标
lat mcp 无法在编辑器中使用：确认命令已在项目根目录启动，且客户端配置指向该 MCP 服务器
无法定位小节：先用 lat locate 做精确或模糊查找，再用 lat section 查看该小节的链接与引用

试试这样问

连接成功后，可以直接对 AI 助手这样说：

搜索知识图谱：我们的认证流程是怎样的？
显示 auth#OAuth Flow 这一节的内容及其链接。
哪些地方引用了 architecture#Request Pipeline？
帮我展开这条提示里的 [[OAuth Flow]] 引用。

使用场景

让 agent 通过知识图谱快速检索设计决策、约束与领域上下文，而不是反复 grep 代码库

在评审 diff 时先看 lat.md/ 中的语义变更，理解改了什么、为什么改

让 agent 在会话结束时把提示中的上下文与推理写入图谱，供后续会话复用

把测试用例写成 lat.md/ 中的小节并标记 require-code-mention: true，由 lat check 检查测试代码是否有 // @lat: 反向引用

构建 pre-commit 钩子、GitHub 机器人或 CI 任务在后台维护知识图谱

通过 lat search 做语义检索，通过 lat expand 在提示中展开 [[refs]]

详细介绍

lat.md 是一个以 Markdown 编写、面向代码库的知识图谱工具。它在项目根目录创建 lat.md/ 目录，用互相链接的 Markdown 文件描述架构、业务逻辑与测试规格：小节之间用 [[wiki links]] 相连，文档可链接到源码符号（如 [[src/auth.ts#validateToken]]），源码则用 // @lat: [[section-id]] 注释（Python 为 # @lat: [[section-id]]）反向引用，并通过 lat check 保证引用与文档不漂移。其目标是解决单个 AGENTS.md 文件随代码库增长而难以维护的问题，让 agent 通过知识图谱而非反复 grep 来获取设计决策、约束与领域上下文。CLI 提供 lat init、lat check、lat locate、lat section、lat refs、lat search、lat expand 等命令；其中 lat mcp 用于启动 MCP 服务器以集成编辑器。语义检索默认离线运行，使用内置的 all-MiniLM-L6-v2 本地嵌入模型（编译为 WebAssembly，无需网络与原生二进制）；也可通过 OpenAI 或 Vercel AI Gateway 密钥切换到托管嵌入。