tei-mcp: استاندارد TEI P5 برای عامل‌های هوش مصنوعی

اگر تا به حال با یک دستیار برنامه‌نویسی هوش مصنوعی TEI XML نوشته باشید، احتمالاً دیده‌اید که خراب می‌کند. عنصرها جایی ظاهر می‌شوند که نباید. صفت‌هایی از خود ساخته می‌شوند. قواعد تودرتویی نادیده گرفته می‌شوند. مدل تصوری تقریبی از شکل TEI دارد، اما هیچ شناخت قابل اعتمادی از مشخصات آن ندارد.

tei-mcp این مشکل را با دادن دسترسی مستقیم و ابزارمحور به راهنمای TEI P5 به عامل‌های هوش مصنوعی حل می‌کند.

MCP چیست؟

Model Context Protocol (MCP) استانداردی باز است که به برنامه‌های هوش مصنوعی اجازه می‌دهد به منابع داده و ابزارهای بیرونی وصل شوند. آن را چیزی مانند درگاه USB برای هوش مصنوعی تصور کنید: یک پروتکل واحد که هر کلاینت سازگار — Claude، Cursor، Windsurf و دیگران — را به خدمات تخصصی وصل می‌کند.

یک سرور MCP ابزارهایی را در اختیار می‌گذارد که هوش مصنوعی می‌تواند در جریان گفت‌وگو فرا بخواند. مدل به جای تکیه بر داده‌های آموزشیِ به‌خاطرسپرده، می‌تواند از منبعی زنده و معتبر پرس‌وجو کند.

tei-mcp چه می‌کند

tei-mcp مشخصات ODD استاندارد TEI P5 را تجزیه می‌کند و 16 ابزار در اختیار می‌گذارد که رایج‌ترین پرسش‌های یک مصحح یا رمزگذار را پوشش می‌دهند:

• این عنصر چیست؟ هر عنصر، کلاس، ماکرو یا پیمانه را با نام جست‌وجو کنید، بدون حساسیت به حروف بزرگ و کوچک و با پیشنهاد اصلاح غلط‌های تایپی.
• چه صفت‌هایی می‌پذیرد؟ صفت‌ها را در سراسر سلسله‌مراتب کلاس‌ها تعیین کنید — نخست صفت‌های محلی، سپس صفت‌های به‌ارث‌رسیده به ترتیب.
• چه چیزی می‌تواند درون آن قرار بگیرد؟ مدل‌های محتوا را به درخت‌های ساخت‌یافته بسط دهید، یا فهرستی تخت از فرزندان مجاز بگیرید.
• آیا این عنصر می‌تواند اینجا بیاید؟ تودرتویی والد–فرزند را بررسی کنید، یا دسترس‌پذیری را در تمام سلسله‌مراتب عنصرها ردیابی کنید.
• آیا سند من معتبر است؟ یک فایل TEI XML را در برابر مشخصات اعتبارسنجی کنید: مدل‌های محتوا، مقادیر صفت‌ها، فهرست‌های بستهٔ مقادیر، یکپارچگی ارجاع‌ها و هشدارهای منسوخ‌شدگی.
• شِمای پروژهٔ من چه می‌شود؟ یک فایل سفارشی‌سازی ODD بارگذاری کنید تا همهٔ موارد بالا به زیرمجموعهٔ خاص TEI در پروژهٔ شما محدود شود.

چرا اهمیت دارد

رمزگذاری TEI مراجعهٔ مدام به راهنما را می‌طلبد. رمزگذاران باتجربه رایج‌ترین الگوها را از بر می‌کنند، اما حتی آنان هم برای عنصرهای کمتر آشنا یا مدل‌های محتوای پیچیده باید به مشخصات رجوع کنند. برای دستیارهای هوش مصنوعی، که چنین دانش درونی‌شده‌ای ندارند، مشکل بدتر است: نشانه‌گذاری‌ای می‌سازند که موجه می‌نماید اما نادرست است.

با tei-mcp، هوش مصنوعی ناچار به حدس زدن نیست. می‌تواند پیش از نوشتن حتی یک براکت زاویه‌دار، پاسخ را در مشخصات بیابد. نتیجه، نشانه‌گذاری‌ای است که با TEI P5 — یا با سفارشی‌سازی ODD پروژهٔ شما — سازگار است.

شروع کار

از PyPI نصب کنید:

pip install tei-mcp

سپس آن را به پیکربندی کلاینت MCP خود بیفزایید:

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

سرور در نخستین اجرا مشخصات TEI را دانلود می‌کند و با هر کلاینت سازگار با MCP کار می‌کند.

کد منبع و مستندات کامل: github.com/Pantagrueliste/tei-mcp