Lumina Docs

中文 | English

一个使用MCP协议的智能结构化文档管理系统，专为解决大型需求文档的token超长问题和保证内容一致性而设计。

核心特性

解决核心问题

我是一个PM，最近尝试用 Claude Code 去写Markdown 格式的需求文档，它的工作完成得还可以，但当文档规模越来越大的时候，会导致 Tokens 超出限制的问题，也会导致文档结构极度混乱。 好在需求文档是一种结构化的文档，在编写的时候往往只需要关注当前正在编辑的部分，无需每次都阅读全文，正是在这个思路之下，我使用 Claude Code 做了这样一个 MCP Server 它能够解决的问题是：

• ✅ 解决大文档token超长问题
• ✅ 通过结构化查询保证内容一致性
• ✅ 支持模块化文档管理
• ✅ 智能的内容参考和模式匹配

这是一个专门为大语言模型定制的方案！！！！

技术特性

• 基于SQLite的轻量级数据库设计
• MCP协议标准化接口
• 父子层级关系管理
• 灵活的元数据支持
• 强大的结构化查询能力
• 纯 Claude Code 编写

使用方法

Lumina Docs 提供了一个简单易用的文档管理系统，支持通过MCP协议与Claude Desktop集成。从使用场景角度来说，它在阅读/更新/从头编写三个场景下能够为利用大语言模型处理大规模文档提供支持，具体来说：

1. 阅读大文档：通过结构化查询，快速定位到需要的内容，避免一次性加载整个文档。例如对于前端模块的需求文档，可以直接查询到所有相关的业务流程说明和数据展示规则，而无需浏览整个文档。
2. 更新现有内容：在修改某个功能模块时，可以直接查询到相关的业务流程和数据展示规则，确保修改时遵循现有的格式和内容规范。例如在更新系统状态统计功能时，可以先让大语言模型通过 SQL 直接定位到要修改的内容，避免一次加载全部文档。
3. 从头编写新内容：在编写新的业务流程说明时，可以参考现有的模式，确保新内容与现有内容保持一致。例如在编写新的业务流程说明时，可以先让大语言模型查询到所有现有的业务流程说明，分析其格式和内容，然后创建新的节点时遵循相同的格式和内容规范。

快速开始

1. 安装依赖

# 克隆或下载项目
git clone <repository-url>
cd lumina-docs

# 安装依赖
pip install -e .

2. 配置环境变量（可选）

# 复制环境变量模板
cp .env.example .env

# 编辑配置文件（可选，使用默认配置可直接跳过）
nano .env

3. 配置Claude Desktop

方式1: 自动安装（推荐）

# 自动配置到Claude Desktop
./install_to_claude_desktop.sh

方式2: 手动配置

如果自动安装遇到问题，可以手动配置。首先确定你的 Python 路径：

# 查找 Python 路径
which python3
# 或者如果使用 conda
which python

然后编辑 Claude Desktop 配置文件：

{
  "mcpServers": {
    "lumina-docs": {
      "command": "/usr/bin/python3",
      "args": ["-m", "doc_manager"],
      "cwd": "/path/to/lumina-docs",
      "env": {
        "PYTHONPATH": "/path/to/lumina-docs/src",
        "DOC_MANAGER_DB_PATH": "/path/to/lumina-docs/database/documents.db",
        "DOC_MANAGER_EXPORT_DIR": "/path/to/exports",
        "DOC_MANAGER_DATA_DIR": "/path/to/lumina-docs",
        "LUMINA_DOCS_SERVER_NAME": "lumina-docs",
        "DOC_MANAGER_DEBUG": "false",
        "DOC_MANAGER_LOG_LEVEL": "INFO"
      }
    }
  }
}

6. 使用命令行工具

# 查看文档树结构
python -m doc_manager.cli tree

# 搜索特定类型的节点
python -m doc_manager.cli by-type business_flow

# 导出为Markdown
python -m doc_manager.cli export --output requirements.md

配置说明

环境变量配置

Lumina Docs 支持通过环境变量进行配置，使项目更灵活、更适合不同的部署环境。

核心配置项

环境变量	默认值	说明
DOC_MANAGER_DB_PATH	<data_dir>/database/documents.db	SQLite数据库文件路径
DOC_MANAGER_EXPORT_DIR	~/Desktop	导出文件保存目录
DOC_MANAGER_DATA_DIR	~/.lumina-docs	数据文件根目录
LUMINA_DOCS_SERVER_NAME	lumina-docs	MCP服务器名称
DOC_MANAGER_DEBUG	false	调试模式开关
DOC_MANAGER_LOG_LEVEL	INFO	日志级别

配置方式

方式1: 使用.env文件

# 复制模板文件
cp .env.example .env

# 编辑配置
DOC_MANAGER_DB_PATH=/path/to/your/database.db
DOC_MANAGER_EXPORT_DIR=/path/to/exports
DOC_MANAGER_DEBUG=true

方式2: 系统环境变量

export DOC_MANAGER_DB_PATH="/var/lib/doc-manager/documents.db"
export DOC_MANAGER_EXPORT_DIR="/home/user/Documents/exports"

方式3: Claude Desktop配置

{
  "mcpServers": {
    "lumina-docs": {
      "command": "/usr/bin/python3",
      "args": ["-m", "doc_manager"],
      "cwd": "/path/to/lumina-docs",
      "env": {
        "PYTHONPATH": "/path/to/lumina-docs/src",
        "DOC_MANAGER_DB_PATH": "/path/to/lumina-docs/database/documents.db",
        "DOC_MANAGER_EXPORT_DIR": "/path/to/exports",
        "DOC_MANAGER_DATA_DIR": "/path/to/lumina-docs",
        "LUMINA_DOCS_SERVER_NAME": "lumina-docs",
        "DOC_MANAGER_DEBUG": "false",
        "DOC_MANAGER_LOG_LEVEL": "INFO"
      }
    }
  }
}

注意: 请使用系统中实际的 Python 路径，如 /usr/bin/python3、/usr/local/bin/python3 或 conda 环境的完整路径。

配置验证

配置完成后，可以通过以下方式验证：

1. 重启 Claude Desktop
2. 查看日志文件，确认没有错误
3. 在 Claude Desktop 中测试：

   请获取当前所有文档列表
   

4. 检查可用工具：

   document-manager 有哪些可用的工具？
   

配置文件模板

项目提供了多个配置文件模板，可以根据你的环境选择：

• claude_desktop_config.example.json - 通用模板
• claude_desktop_config.macos.json - macOS 系统 Python 配置
• claude_desktop_config.conda.json - Conda 环境配置
• claude_desktop_config.multi.json - 多 MCP 服务器配置示例

使用方法：

# 复制合适的模板
cp claude_desktop_config.macos.json ~/Library/Application\ Support/Claude/claude_desktop_config.json

# 编辑路径
nano ~/Library/Application\ Support/Claude/claude_desktop_config.json

核心概念

文档节点类型

• document_root: 文档根节点
• section: 章节（如项目概述、需求说明）
• module: 功能模块（如总览模块、系统监控模块）
• feature: 具体功能（如系统状态统计功能）
• business_flow: 业务流程说明
• data_display_rules: 数据展示规则
• permission_rules: 权限控制规则
• architecture_design: 架构设计

层级关系

智能运维系统需求文档 (document_root)
├── 项目概述 (section)
├── 功能模块 (section)
│   ├── 总览模块 (module)
│   │   ├── 系统状态统计功能 (feature)
│   │   │   ├── 业务流程说明 (business_flow)
│   │   │   └── 数据展示规则 (data_display_rules)
│   │   └── 我关注的系统功能 (feature)
│   └── 系统监控模块 (module)
└── 权限设计 (section)

使用场景

1. 快速导入现有文档

# 通过Claude直接使用MCP工具导入单个文档
import_markdown_file("项目需求.md", "project_requirements")

# 批量导入文档目录
import_markdown_batch(["docs/*.md", "guides/**/*.md"])

2. 结构化查询保证一致性

# 查询所有【业务流程说明】作为新内容的参考
nodes = db.get_nodes_by_type("business_flow")

# 查询特定模块的所有【数据展示规则】
results = db.search_nodes(
    node_type="data_display_rules",
    metadata_filter={"module": "overview"}
)

2. 编写新内容时的一致性检查

# 使用一致性检查工具
cd examples
python consistency_checker.py

3. 按需导出文档

# 导出完整文档
python -m doc_manager.cli export --output complete.md

# 只导出功能模块部分
python -m doc_manager.cli export --parent-id 3 --output modules.md

MCP工具列表

文档管理工具

工具名称	功能说明
create_document	创建新文档（独立表）
get_documents_list	获取所有文档列表
delete_document	删除文档及其数据表

Markdown导入工具

工具名称	功能说明
import_markdown_file	导入单个Markdown文件，自动解析层次结构
import_markdown_batch	批量导入Markdown文件，支持通配符匹配

节点管理工具

工具名称	功能说明
create_node	创建新的文档节点
get_node	获取指定节点详情
update_node	更新现有节点
delete_node	删除节点及其子节点
move_node	移动节点到新位置

查询和导出工具

工具名称	功能说明
get_children	获取子节点列表
search_nodes	多条件搜索节点
get_nodes_by_type	按类型获取节点（一致性分析）
get_node_path	获取节点完整路径
get_tree_structure	获取树形结构
export_to_markdown	导出为Markdown格式

命令行工具

基本操作

# 创建节点
python -m doc_manager.cli create "新功能" "feature" --parent-id 5 --content "功能描述"

# 查看节点
python -m doc_manager.cli get 1

# 更新节点
python -m doc_manager.cli update 1 --title "新标题" --content "新内容"

# 删除节点
python -m doc_manager.cli delete 1

查询操作

# 列出子节点
python -m doc_manager.cli list --parent-id 1

# 搜索节点
python -m doc_manager.cli search --query "业务流程" --type "business_flow"

# 查看树结构
python -m doc_manager.cli tree

# 按类型查找
python -m doc_manager.cli by-type data_display_rules

导出操作

# 导出完整文档
python -m doc_manager.cli export --output requirements.md

# 导出指定部分
python -m doc_manager.cli export --parent-id 3 --output modules.md

项目结构

doc-manager/
├── src/
│   └── doc_manager/
│       ├── __init__.py           # 模块初始化
│       ├── database.py           # SQLite数据库操作
│       ├── simple_server.py      # MCP服务器实现
│       ├── markdown_parser.py    # Markdown解析和导入模块
│       ├── cli.py                # 命令行工具
│       └── __main__.py           # 服务器启动入口
├── examples/
│   ├── sample_data.py            # 示例数据创建
│   └── consistency_checker.py    # 一致性检查工具
├── database/
│   └── documents.db              # SQLite数据库文件
├── docs/
│   └── (文档目录)
├── pyproject.toml                # 项目配置
└── README.md                     # 项目说明

高级用法

1. 一致性保证工作流

在编写新的【业务流程说明】时：

# 1. 查询现有的业务流程说明
existing_flows = db.get_nodes_by_type("business_flow")

# 2. 分析现有模式
for flow in existing_flows:
    print(f"参考: {flow['title']}")
    print(f"格式: {flow['content'][:100]}...")

# 3. 创建新节点时遵循现有模式
new_id = db.create_node(
    title="新业务流程说明",
    node_type="business_flow", 
    content="1. 步骤一\n2. 步骤二\n3. 步骤三",  # 保持格式一致
    parent_id=parent_id
)

2. 元数据驱动的管理

# 使用元数据进行精确查询
frontend_modules = db.search_nodes(
    node_type="module",
    metadata_filter={"module_type": "frontend"}
)

high_priority_features = db.search_nodes(
    metadata_filter={"priority": "high"}
)

3. 批量操作

# 批量更新相同类型节点的元数据
business_flows = db.get_nodes_by_type("business_flow")
for flow in business_flows:
    db.update_node(
        flow['id'],
        metadata={**flow['metadata'], "reviewed": True}
    )

最佳实践

1. 命名规范: 使用一致的节点标题格式
2. 类型管理: 为不同内容类型定义清晰的node_type
3. 元数据使用: 充分利用metadata字段存储额外信息
4. 层级设计: 合理设计父子关系，避免过深的嵌套
5. 一致性检查: 定期运行一致性检查工具

与传统方式对比

传统方式	结构化方式
单一大文件	模块化节点
Token容易超长	按需加载内容
难以保证一致性	结构化查询参考
修改影响全文	精确修改特定节点
手工维护格式	自动化导出合并

开发和扩展

添加新的节点类型

1. 在数据库中添加新的node_type
2. 更新MCP工具的schema定义
3. 在一致性检查器中添加相应检查逻辑

自定义导出格式

1. 继承DocumentDatabase类
2. 重写export_tree_to_markdown方法
3. 实现自定义的格式化逻辑

问题反馈

如有问题或建议，请联系开发团队。