MCP Fm Analyzer

🚀 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：

1. 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。
2. 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。
3. 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。
4. 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。
5. 配置数量：返回特征模型表示的总有效配置数。
6. 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）。
7. 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。
8. 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。
9. 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。
10. 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。
11. 特征祖先：识别给定特征在特征模型中的所有祖先特征。
12. 筛选：根据指定标准过滤并选择配置的子集。
13. 叶子特征：识别特征模型中的所有叶子特征。
14. 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。
15. 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。