Intelligenter
Wissenskern
Ein gehosteter MCP-Server, der semantische RAG-Suche mit präzisem Code-Grep über die SveltyCMS-Codebasis kombiniert.

Echtzeit-Abfrage
Hochgeschwindigkeits-Vektorsuche für alle Apps. Ein Kern bedient das gesamte Monorepo mit Antwortzeiten im Millisekundenbereich.
Ökosystem-Getrieben
Integrierte Model Context Protocol-Unterstützung. Schaltet professionellen Kontext für jeden MCP-kompatiblen KI-Agenten frei.
Statische Weisheit
Vorindizierter Speicher in der Cloud. Optimiert für remote Abfragen ohne GPU-Overhead auf dem Server.
Agenten verbinden
Der Knowledge Core ist über Streamable HTTP (MCP-Spezifikation 2025-03-26) erreichbar. Folgen Sie den Anleitungen, um ihn in Ihren Workflow zu integrieren.
VS Code / Cursor / Zed / Claude
Bestens geeignet für Cursor, VS Code (Cline/Roo Code) und Zed, die native Streamable HTTP-Verbindungen unterstützen.
Fügen Sie dies zu Ihrer MCP-Konfigurationsdatei hinzu:
{
"mcpServers": {
"sveltycms": {
"serverUrl": "https://mcp.sveltycms.com/mcp"
}
}
}
Eigene Bots & SDKs
Perfekt für automatisierte Agenten oder benutzerdefinierte CI/CD-Speichertools.
import { StreamableHTTPClientTransport } from "@modelcontextprotocol/sdk/client/streamableHttp.js";
const transport = new StreamableHTTPClientTransport(
new URL("https://mcp.sveltycms.com/mcp")
);
await transport.start();
// Connect and interact with tools...
Verfügbare Tools
Alle Tools sind schreibgeschützt. Ihr Agent kann die SveltyCMS-Codebasis erkunden, aber nichts ändern.
search_knowledge_baseSemantische Suche über SveltyCMS Dokumentation und Code mittels neuronaler Vektorähnlichkeit.
read_source_codeDen vollständigen Inhalt einer Quelldatei aus dem SveltyCMS-Projekt lesen.
list_directoryDateien und Ordner in einem bestimmten Verzeichnis auflisten.
get_file_treeRekursiver Baum der Projektstruktur bis zu einer bestimmten Tiefe.
search_codeSchnelle Text/Regex-Suche in allen Projektdateien. Findet Komponenten-Importe, Funktionsreferenzen und Symbolverwendungen.
list_collectionsListet alle Inhaltssammlungen mit Felddefinitionen und Metadaten auf.
query_contentDurchsucht Inhaltseinträge mit Filtern, Sortierung und Paginierung.
create_content_itemErstellt einen neuen Inhaltseintrag in einer Sammlung.
update_content_itemAktualisiert einen bestehenden Inhaltseintrag mit partiellen Daten.
delete_content_itemLöscht einen Inhaltseintrag anhand seiner ID. Mit Vorsicht verwenden.
Verfügbare Ressourcen
MCP-Ressourcen repräsentieren statische Daten oder Dokumentationen, die Agenten direkt lesen können.
sveltycms://docsBietet das vollständige SveltyCMS-Entwicklerhandbuch mit Richtlinien zu Komponentenarchitektur, Statusverwaltung und Runen-Konventionen.
Verfügbare Prompts
Prompts sind Vorlagen, die die KI durch spezifische Aufgaben führen. Wählen Sie sie aus dem Prompt-Picker Ihres KI-Assistenten aus.
analyze-componentTiefgehende Analyse einer Svelte 5-Komponente: Props, Runen, Reaktivität, Barrierefreiheit und CMS-Integration.
find-unused-codeDurchsucht eine Datei oder ein Verzeichnis nach ungenutztem Code — Exporte, die nie importiert werden, Funktionen, die nie aufgerufen werden.
svelte-4-to-5-migrationAnalysiert eine Svelte 4-Komponente und erstellt einen zeilenweisen Migrationsplan zu Svelte 5-Runen.
code-reviewUmfassende Überprüfung: TypeScript-Typen, Svelte 5-Muster, Barrierefreiheit, Performance, Sicherheit und CMS-Konventionen.
Sicher & Schreibgeschützt
Dieser MCP-Server ist vollständig schreibgeschützt — es existieren keine Tools für Schreibzugriffe. Ihr Agent kann die Codebasis erkunden, Dokumente durchsuchen und Quelldateien lesen, aber nichts ändern, löschen oder erstellen.
Sensible Pfade sind blockiert: .git, node_modules, .env, config, logs
Beispielabfragen
Probieren Sie diese Fragen in einem beliebigen MCP-kompatiblen KI-Assistenten aus:
search_knowledge_base "Wie funktioniert das Caching des Local SDK?"
search_knowledge_base( query: "How does the Local SDK caching work?", category: "docs", limit: 5 )
read_source_code "Zeigen Sie mir den Einstiegspunkt des Local SDK."
read_source_code( filePath: "src/services/sdk/index.ts" )
search_code "Wo ist die Eingabevalidierung in den Services implementiert?"
search_code( pattern: "validate", includePattern: "src/services/**", maxResults: 20 )