TEI |

tei-mcp v0.3: ترميز TEI من غير أن يُمَسّ المصدر

Tue, 05 May 2026 00:00:00 +0000

حين ، كان المراد أن نكفّ مساعدي الذكاء الاصطناعي عن هلوسة ترميز TEI. وقد حلّ التأسيس على المخطط (schema grounding) شطرًا من المشكلة: فمع الوصول المباشر، عبر الأدوات، إلى مواصفة P5، لم يعد النموذج مضطرًّا إلى تخمين معنى عنصر أو السمات التي يقبلها، وصارت مخرجاته تجتاز التحقق.

على أن للهلوسة في ترميز TEI وجهين، والمخطط لا يمسك إلا بأحدهما. فالتحقق وفق المواصفة يخبركم بأن الترميز حسن التكوين، ولا يقول حرفًا عن النص الذي يغلّفه ذلك الترميز. وفي النص نفسه تكمن الهلوسات الأشد ضررًا. والتركيب المقفل بالمدى، وهو أبرز ما في الإصدار v0.3، مصمم خصيصًا لدرئها.

فهرس المحتويات

الهلوسة التي يعجز المخطط عن التقاطها

اطلبوا من نموذج أن يرمّز رسالة فرنسية من القرن السادس عشر، فسيعود إليكم في الغالب بوثيقة TEI لا غبار عليها في الظاهر: الترويسة معبّأة، ووسوم <persName> في مواضعها الصحيحة، و<dateline> حسن التكوين. مرّروها على validate_document فتجتاز الاختبار.

ثم قابلوا المتن بالمصدر.

فإذا mesme قد صارت même، وفاصلة قد انتقلت من موضعها، وluy قد حُدِّثت في صمت إلى lui، وجملة عسُرت قراءتها في المخطوطة قد «صُحِّحت» إلى شيء أنظف. لم يُطلب شيء من هذه التغييرات، ولم يُنبَّه إلى شيء منها؛ فالوثيقة صحيحة وفق المخطط، وخاطئة في صمت.

وفي سير العمل الأرشيفي — حيث يصير النص المرمَّز السجل الدائم الذي يعوّل عليه القراء اللاحقون وفهارس البحث والاستشهادات — هذا هو نمط الإخفاق الذي يُحسب له حساب. فالوسم المشوّه مزعج لا أكثر؛ أما الرسم المحدَّث الذي لا يفطن إليه أحد خمس سنين فتحريف.

التركيب المقفل بالمدى

يأتي الإصدار الجديد (v0.3) بآلية لمنع الهلوسة تستهدف نمط الإخفاق هذا بعينه. والغاية من التصميم أن تصير هلوسة نص المتن مستحيلة بحكم البناء، لا مستبعدة فحسب.

والفكرة بسيطة: النموذج لا يكتب نص المتن قط.

وإنما يجري العمل على النحو الآتي:

يستدعي النموذج get_source("letter_001") فيتلقى النص المصدري الخام سلسلةً نصية غير قابلة للتغيير.
يستدعي لكل وسم يريد تطبيقه tag_span("letter_001", start, end, element_path, attrs) — فيسجّل عنصر TEI على مدى من المحارف فوق المصدر.
فإذا فرغ استدعى compose("letter_001")، فيُدرج الخادم الوسوم المسجّلة في تضاعيف النص الخام الأصلي، ويصيّر الـTEI النهائي، ثم يتحقق بايتًا بايتًا من أن المحتوى النصي المسطّح للوثيقة المصيَّرة يساوي المصدر.

فإن تطابقت البايتات عادت الوثيقة؛ وإن لم تتطابق — إن اقتضت وسوم النموذج على نحو ما متنًا يخالف المصدر ولو بمحرف واحد — رفع compose() استثناءً بدل أن يعيد وثيقة فاسدة.

ليس في سير العمل هذا مسار واحد يُخرج فيه النموذج وثيقة TEI يخالف متنها المصدر. فالثابت (invariant) ميكانيكي لا سلوكي: لستم مطالبين بأن تثقوا في أن النموذج لن يهلوس، بل بأن تثقوا في فحص == بين سلسلتي بايتات.

ما هو، وما ليس هو

التركيب المقفل بالمدى مكمّل للتأسيس على المخطط، لا بديل منه. فأدوات التأسيس على المخطط (validate_document وlookup_element وvalid_children وسائر الأدوات الست عشرة الأصلية) تعين النموذج على إخراج TEI صحيح؛ أما التركيب المقفل بالمدى فيضمن أن نص المتن داخل ذلك الـTEI أمين للمصدر. وسير عمل الترميز الصالح للنشر لا بد أن يستوفي المحورين معًا، وقد صار كلاهما اليوم في عهدة خادم واحد.

ثم إنه ليس عصًا سحرية تحل كل شيء. فـcompose() لا يتحقق بعدُ من أن الوسوم المسجّلة جائزة وفق تخصيص ODD المحمَّل — وذلك عمل لاحق. والوسوم المسجّلة تقيم في ذاكرة العملية ولا تصمد بعد إعادة التشغيل. ولا بد أن تكون الملفات المصدرية مقروءة من حيث يعمل الخادم. وكل ذلك قابل للمعالجة، وليس فيه ما يقوّض الثابت الجوهري.

لماذا يهم الأمر خارج TEI أيضًا

هذا النمط قابل للتعميم. فكلما طُلب من نموذج أن يعلّق على نص أو يحوّله أو يغلّفه — وكانت سلامة النص الأصلي أهم من براعة النموذج في «تحسينه» — صلح الحل نفسه: لا تسألوا النموذج أن يعيد كتابة النص، بل سلوه تعليمات فوق النص، ودعوا مركّبًا حتميًّا يطبّقها في ظل ثابت المساواة.

وفي الطبعات الرقمية على وجه الخصوص، يغيّر هذا حدود ما يمكن أن يُعهد به إلى نموذج بضمير مرتاح. فيغدو الترميز بغتةً مهمة تُفوَّض من غير أن تضطروا إلى مقابلة كل مخرج بالمصدر بأيديكم: تسلك الآلة الطريق الممل، ويراجع المحقّق الترميز لا الرسم.

الحصول على التحديث

إن كان tei-mcp مثبتًا لديكم من قبل:

uvx tei-mcp@latest

أو تثبيتًا من جديد:

pip install tei-mcp

ولاستعمال التركيب المقفل بالمدى، وجّهوا الخادم إلى مجلد يضم ملفات النصوص المصدرية الخام:

export TEI_MCP_SPAN_SOURCE_ROOT=/path/to/sources
uvx tei-mcp

ويصير جذع اسم كل ملف معرّفًا لوثيقته (letter_001.txt → letter_001).

الشيفرة المصدرية والتوثيق الكامل وملاحظات التصميم الخاصة بالثابت:

tei-mcp

Sun, 15 Mar 2026 00:00:00 +0000

tei-mcp: مواصفة TEI P5 في متناول وكلاء الذكاء الاصطناعي

tei-mcp خادم مفتوح المصدر يفتح لمساعدي البرمجة بالذكاء الاصطناعي بابًا مباشرًا إلى مواصفة . فبدل أن يتكل النموذج على ما حفظه من بيانات التدريب — وكثيرًا ما يُخرج ترميزًا معقول المظهر باطل الجوهر — يستطيع أن يستفتي المواصفة نفسها في الحين.

الميزات

يحلّل الخادم ملف ODD الخاص بـTEI P5 ويتيح 16 أداة:

البحث عن أي عنصر أو صنف أو ماكرو أو وحدة (module) بالاسم، مع مطابقة لا تفرّق بين حالتي الأحرف واقتراحات لتصويب الأخطاء الإملائية
حل السمات عبر التسلسل الهرمي الكامل لأصناف TEI (المحلية والموروثة معًا)
بسط نماذج المحتوى في أشجار مهيكلة مع حل الأصناف والماكروات
التحقق من التداخل — علاقة الأصل بالفرع مباشرةً، أو إمكانية البلوغ تعاوديًّا مع تتبع المسار
التحقق من صحة الوثائق وفق TEI P5: نماذج المحتوى، والسمات، وقوائم القيم المغلقة، وسلامة الإحالات، وتحذيرات الإهمال (deprecation)
التحقق من صحة عنصر مفرد لمن يحرّر خطوةً خطوة
تحميل تخصيصات ODD لحصر المخطط في مجموعة فرعية خاصة بمشروع بعينه
البحث في أنواع الكيانات كافة بالتعابير النمطية

التثبيت

pip install tei-mcp

أو شغّلوه مباشرةً بـ:

uvx tei-mcp

الاستخدام

أضيفوه إلى أي عميل متوافق مع MCP (Claude وCursor وWindsurf وغيرها):

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

تجدون الشيفرة المصدرية والتوثيق في .

tei-mcp: مواصفة TEI P5 في متناول وكلاء الذكاء الاصطناعي

Sun, 15 Mar 2026 00:00:00 +0000

من جرّب يومًا أن يكتب TEI XML بمساعد برمجة يعمل بالذكاء الاصطناعي، فلا بد أنه لاحظ كثرة عثراته: عناصر تظهر في غير موضعها، وسمات تُخترع اختراعًا، وقواعد تداخل تُطرح جانبًا. فللنموذج فكرة تقريبية عن هيئة TEI، أما معرفةٌ يُعتدّ بها بالمواصفة فلا.

وهذا ما يعالجه tei-mcp: يفتح لوكلاء الذكاء الاصطناعي بابًا مباشرًا، عبر الأدوات، إلى إرشادات TEI P5.

فهرس المحتويات

ما MCP؟

، أو MCP اختصارًا، معيار مفتوح يتيح لتطبيقات الذكاء الاصطناعي أن تتصل بمصادر بيانات وأدوات خارجية. تصوّروه منفذ USB للذكاء الاصطناعي: بروتوكول واحد يوصل أي عميل متوافق — Claude وCursor وWindsurf وسواها — بخدمات متخصصة.

ويتيح خادم MCP أدوات يستدعيها الذكاء الاصطناعي في أثناء المحادثة؛ فبدل أن يتكل النموذج على ما حفظه من بيانات التدريب، يستفتي مصدرًا حيًّا موثوقًا.

ما الذي يصنعه tei-mcp

يحلّل tei-mcp مواصفة TEI P5 بصيغة ODD ويتيح 16 أداة تجيب عن أكثر ما يطرحه المحقّق أو المرمّز من أسئلة:

ما هذا العنصر؟ ابحثوا عن أي عنصر أو صنف أو ماكرو أو وحدة (module) بالاسم، بمطابقة لا تفرّق بين حالتي الأحرف، مع اقتراحات لتصويب الأخطاء الإملائية.
ما السمات التي يقبلها؟ حلّوا السمات عبر التسلسل الهرمي الكامل للأصناف — السمات المحلية أولًا، ثم الموروثة على ترتيبها.
ما الذي يجوز إدراجه داخله؟ ابسطوا نماذج المحتوى في أشجار مهيكلة، أو اطلبوا قائمة مسطّحة بالعناصر الأبناء الصالحة.
أيجوز وضع هذا العنصر هنا؟ تحققوا من تداخل الأصل والفرع، أو تتبّعوا إمكانية البلوغ عبر التسلسل الهرمي الكامل للعناصر.
هل وثيقتي صحيحة؟ تحققوا من ملف TEI XML وفق المواصفة: نماذج المحتوى، وقيم السمات، وقوائم القيم المغلقة، وسلامة الإحالات، وتحذيرات الإهمال (deprecation).
وماذا عن مخطط مشروعي؟ حمّلوا ملف تخصيص ODD ليُحصر كل ما سبق في المجموعة الفرعية من TEI الخاصة بمشروعكم.

لماذا يهم هذا الأمر

الترميز بـTEI لا يستغني عن الرجوع الدائم إلى الإرشادات. فالمرمّز المتمرس يستبطن الأنماط الأكثر شيوعًا، لكنه يظل محتاجًا إلى مراجعة المواصفة عند العناصر الأقل ألفة أو نماذج المحتوى المعقدة. أما مساعدو الذكاء الاصطناعي، وليس لديهم شيء من هذه المعرفة المستبطنة، فالداء عندهم أشد: يهلوسون ترميزًا معقول المظهر باطل الجوهر.

مع tei-mcp لا يعود النموذج بحاجة إلى التخمين؛ إذ يستطيع أن يلتمس الجواب في المواصفة قبل أن يخطّ قوسًا زاويًّا واحدًا. والحصيلة ترميز مطابق لـTEI P5 — أو لتخصيص ODD الخاص بمشروعكم.

للبدء

ثبّتوه من PyPI:

pip install tei-mcp

ثم أضيفوه إلى إعدادات عميل MCP لديكم:

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

ينزّل الخادم مواصفة TEI عند أول تشغيل، ويعمل مع أي عميل متوافق مع MCP.

الشيفرة المصدرية والتوثيق الكامل:

Multi-Saxon

Fri, 28 Mar 2025 00:00:00 +0000

Multi-Saxon: معالجة XSLT على التوازي لمدونات TEI الكبيرة

يسدّ Multi-Saxon ثغرة حرجة في عدّة معالجة XML: فهو يُجري على التوازي تحويلات XSLT 2.0 و3.0 التي لا تطيقها LXML (مكتبة XML الشائعة في Python). وقد صُمّم خصيصًا للمجموعات الكبيرة من وثائق XML TEI، فيختصر زمن المعالجة اختصارًا كبيرًا بفضل تنفيذ متوازٍ ناجع.

أبرز الميزات

دعم XSLT المتقدم: يعالج تحويلات XSLT 2.0 و3.0 التي تفوق طاقة LXML
المعالجة المتوازية: يقلّص زمن التحويل تقليصًا هائلًا في مجموعات الوثائق الكبيرة بفضل التوازي
مطوَّع لـTEI: مبنيٌّ خصيصًا لوثائق XML الصادرة عن مبادرة ترميز النصوص (TEI)
أداء قابل للتوسع: يعالج بكفاءة مدونات تتراوح بين مئات الوثائق وآلافها
متعدد المنصات: يعمل على مختلف أنظمة التشغيل والبيئات

المشكلة التي يحلّها Multi-Saxon

يصطدم باحثو الإنسانيات الرقمية العاملون بـTEI في الغالب بعقبتين كبيرتين:

لا تدعم LXML (المكتبة الشائعة لمعالجة XML في Python) سوى XSLT 1.0، فيتعذر الإفادة من الميزات الأرقى في XSLT 2.0/3.0
قد تستغرق معالجة مدونات TEI الكبيرة معالجةً تسلسلية من الوقت ما لا يُحتمل

ويعالج Multi-Saxon العقبتين معًا: إذ يستثمر قدرات Saxon المتقدمة في XSLT، ويوزّع المعالجة على أنوية عدة، فيكسب في الأداء كسبًا كبيرًا.

التنفيذ

يزاوج Multi-Saxon بين Python ومعالج Saxon المكتوب بلغة Java ليبني خط تحويل عالي الأداء:

يستخدم مكتبة Saxon الخاصة بـJava لمعالجة XSLT 2.0/3.0 معالجة متينة
يعتمد المعالجة المتعددة (multiprocessing) لتوزيع التحويلات على ما يتاح من أنوية المعالج
يدير مجمّعات المعالجات بكفاءة تعظّم الإنتاجية
يقدّم واجهة بسيطة لمعالجة وثائق TEI دفعةً واحدة

مثال على الاستخدام

from multi_saxon import MultiSaxon

# Initialize with your XSLT stylesheet
transformer = MultiSaxon("transform.xsl")

# Transform a single document
transformer.transform("input.xml", "output.xml")

# Transform an entire directory in parallel
transformer.transform_directory("input_dir", "output_dir")

ما يعنيه ذلك للإنسانيات الرقمية

يتيح Multi-Saxon لمشاريع الإنسانيات الرقمية التي تعالج مجموعات كبيرة من وثائق TEI:

تحويلات معقدة على نطاق المدونة كلها ما كانت لتتأتى مع LXML
أزمنة معالجة أقصر بكثير (غالبًا بمعامل 5 إلى 10 أضعاف على الأنظمة متعددة الأنوية)
تحليلًا أرقى بفضل الميزات المتقدمة في XSLT 2.0/3.0
سير عمل أبسط لمعالجة مجموعات الوثائق بأكملها

تجدون الشيفرة المصدرية والتوثيق في .

persNamer

Fri, 28 Mar 2025 00:00:00 +0000

persNamer: وصل TEI بالملف الاستنادي الدولي الافتراضي

persNamer أداة متخصصة بلغة Python تيسّر إدماج بيانات الأشخاص الاستنادية من VIAF (الملف الاستنادي الدولي الافتراضي) في وثائق TEI XML. فهي تحوّل معرّفات VIAF إلى ترميز TEI جاهز للاستعمال، وتوفّر بذلك على المحقّق قسطًا كبيرًا من العمل اليدوي الذي يقتضيه إنشاء مداخل أشخاص مهيكلة في الطبعات العلمية الرقمية.

معضلة ضبط الاستناد في TEI

كثيرًا ما تقتضي الطبعات العلمية الرقمية تعيين الشخصيات التاريخية تعيينًا دقيقًا، بأسمائها المعيارية وتواريخ حياتها. والمحافظة على ضبط استنادي متسق في مشروع بأكمله تستلزم:

تعيين الأشخاص في النصوص التاريخية
العثور على بيانات استنادية عنهم
إنشاء مداخل TEI منسّقة تنسيقًا صحيحًا
ضمان اتساق الإحالات في المشروع كله

وهي خطوات تُنجز عادةً باليد، فتلتهم الوقت وتعرّض العمل للتضارب.

كيف يعمل persNamer

يؤتمت persNamer سير العمل هذا على النحو الآتي:

جلب بيانات VIAF: انطلاقًا من معرّف VIAF، تسترجع الأداة بيانات RDF عبر تفاوض المحتوى في HTTP
استخلاص المعلومات الأساسية: تحلّل RDF لتستخرج الاسم المفضّل وتاريخ الميلاد وتاريخ الوفاة
توليد ترميز TEI: تنشئ مقطعي XML أساسيين:
- مدخلًا في الملف الاستنادي (عنصر <person> مع xml:id مولَّد، و<persName>، و<birth>، و<death>، و<idno type="VIAF">)
- وسم تعليق منفصلًا (<persName> مع سمة ref تحيل إلى المدخل الاستنادي)

وبهذا المخرج المزدوج يحتفظ المحقّق بملف استنادي مركزي، ويدرج وسوم التعليق في نصوص TEI بلا عناء.

أبرز الميزات

توليد معرّفات معيارية: ينشئ معرّفات XML متسقة على الصيغة pers-[familyname]-[givenname initial] (مثل pers-deteligny-c)
تحليل RDF: يستخدم rdflib لاستخراج المعلومات من خصائص RDF المختلفة (مثل rdfs:label وschema:name وviaf:mainHead)
واجهة سطر الأوامر: يُشغَّل ببساطة برقم VIAF معاملًا وحيدًا لازمًا
مخرجات مفصّلة: يعرض تفاصيل المعالجة إلى جانب مخرج XML النهائي

مثال على الاستخدام

python persNamer.py 314802260

فيُخرج هذا الأمر:

<person xml:id="pers-deteligny-c">
 <persName>Charles deTéligny</persName>
 <birth>1535</birth>
 <death>1572-08-24</death>
 <idno type="VIAF">314802260</idno>
</person>

<persName ref="#pers-deteligny-c">Charles deTéligny</persName>

التطبيق في الإنسانيات الرقمية

يجدي persNamer بوجه خاص في:

الطبعات العلمية الرقمية التي تحتاج إلى ضبط استنادي
مشاريع الترميز بـTEI التي تتناول شخصيات تاريخية
مبادرات البيانات المترابطة التي تصل الوثائق بالتسجيلات الاستنادية
ضمان الاتساق في مدونات TEI الكبيرة
تدريس مفاهيم ضبط الاستناد في مقررات الإنسانيات الرقمية

التنفيذ

persNamer مكتوب بلغة Python ويعتمد على:

requests لطلبات HTTP
rdflib لتحليل RDF
lxml للتعامل مع XML

تجدون الشيفرة المصدرية والتوثيق في .