@chainrender / mcp
用于构建的模型上下文协议（MCP）服务器 ChainRender 人工智能应用。它将ChainRender SDK公开为 工具，所以说MCP的人工智能助手（在你的编辑器或MCP功能聊天）可以撰写，评分，编译和 完全链上验证； 甲级资质可验证的应用程序。
原理：AI提出，SDK和链验证
ChainRender的设计使AI输出是 可开支票，不是盲目的；
- 封闭的词汇 - AI不能表达一个无效的构造。
grade()-人工智能的信任要求是 计算，没有断言（A/B/C +分项细目）。- 确定的
compile()-你复制了AI产生的哈希值。 - 执行者的验证 不安全的应用程序被拒绝；验证工具首先在本地捕获它。
工具
| 工具 | 它是做什么的 |
|---|---|
chainrender_vocabulary | 封闭词汇表（节点类型和字段、枚举、功能、解析器类型）。 第一次打电话。 可选 include 只返回指定的部分。 |
chainrender_search_kinds | 仅通过单词和数据边名称、一行摘要和参数名称查找解析器类型。 |
chainrender_describe_kind | 一种完整的描述符：args， argsEncoding，数据优势，能力，笔记。 |
chainrender_check_node | 根据所有内容检查Node树 compile() 读取;使用路径报告它将静默丢弃的内容。 |
chainrender_node_schema | 节点树的严格JSON模式。 |
chainrender_grade | 在部署前对a级组合（a /B/C +分解）进行评分。 |
chainrender_compile | 将组合编译为其内容寻址哈希（确定性）。 |
chainrender_validate | 在本地运行执行者等效检查（需要清单；可选的已知组件）。 |
chainrender_review | Check + grade + compile + honesty findings +（可选）在一次调用中验证——finalize循环。 pass 这是“完成”的关键。通过 chain 把每个地址都和这条链比对。 |
chainrender_verify | 证实的/反驳的/不确定的，有证据的，对一个事实： kind-exists， export-exists， kind-deployed， contract-deployed， address-has-code. |
chainrender_doctor | 安装SDK和服务器vs npm；链。json与发布的地址页面；每个RPC可达；每个列出的合同都有代码。 |
服务器的 instructions （当客户端连接时发送） 从AI构建者开始：模特不知道
ChainRender来自训练数据，其中每个事实都被发布，以及验证循环。与顶部相同的文本
llms.txt.
保持上下文较小： 完整的词汇表约为59 KB，其中大部分是解析器类型。请求除
resolverKinds （{"include":["nodeTypes","a11y","behavior","enums","capabilities","kinds","limits"]}， ~5 KB)和
查找种类 chainrender_search_kinds → chainrender_describe_kind.
安装和运行
npm install -g @chainrender/mcp
chainrender-mcp # runs on stdio
chainrender_verify， chainrender_doctor 和 chainrender_review 与 chain 读取已发布的部署记录
还有链条。用环境变量覆盖任何源：
| 变量 | 默认的 |
|---|---|
CHAINRENDER_CHAINS | https://chainrender.org/chains.json （路径或URL） |
CHAINRENDER_ADDRESSES | https://chainrender.org/docs/reference/addresses.md |
CHAINRENDER_RPC_<chainId> | 链的 rpc 在chains.json |
CHAINRENDER_NPM_REGISTRY | https://registry.npmjs.org |
从命令行查看树
对于AI提供给你的树，当AI不能运行MCP时（例如聊天模型或b谷歌AI Studio）：
npx -y @chainrender/mcp review app.json # human-readable report; exit 0 = pass, 1 = fail
npx -y @chainrender/mcp review app.json --chain sepolia # also check every address against that chain
npx -y @chainrender/mcp review app.json --json # the full result, as chainrender_review returns it
这是和 chainrender_review 工具和视觉构建器 审查 选项卡。粘贴打印好的
向AI报告并要求它修复每个道具。
在MCP客户端中配置
添加到客户端的MCP服务器配置(例如编辑器的 mcp.json):
{
"mcpServers": {
"chainrender": { "command": "chainrender-mcp" }
}
}
AI工作流程
- 人工智能呼叫
chainrender_vocabulary（瘦）学习它能写什么，和chainrender_search_kinds/chainrender_describe_kind对于它绑定的数据源，对每个数据源进行编码arg就像描述符说的。 - 它从词汇表组成一个Node树(使用
compose.*建筑的形状)。 - 它调用
chainrender_check_node并解决了所有问题compile()默默地丢弃未知字段和无效字段 枚举值。 - 它调用
chainrender_grade检查信任级别-并修复任何降低它的东西。 - 它调用
chainrender_verify对于每一个事实，它都依赖于（一种商品，一种出口，一份目标链上的合同，以及） 地址)，只使用已确认的内容。 - 它调用
chainrender_review(与chain)，并且不会报告应用程序完成，直到pass是真实的 诚实警告是固定的或解释的。 - 人部署可重复的，分级的，验证的结果。
AI合成后的每一步都是一个 验证，不是信任。参见ChainRender文档： “与人工智能一起建造”和“指导人工智能”-也作为代理人的降价 https://chainrender.org/docs/llms.txt.
状态
v0.9.0。包装货物 @chainrender/client （^0.16.0） -这些工具是SDK的薄包装器
vocabulary()， checkNode()， nodeJsonSchema()， grade()， compileComponent()， validateApp() 和
honestyFindings()； verify 和 doctor 读链。json，地址页和链(src/chain.ts）。
测试: npm test 根据本地模拟在工作室上驱动构建服务器。没有重复的逻辑；SDK是单一的
真相的来源。