rust-docs-mcp-server 是一款专为 Rust 开发者设计的 MCP 服务器，旨在为 AI 编码助手提供特定 Rust crate 的最新知识。它通过提供一个名为 query_rust_docs 的工具，让 AI 模型能够查询指定 crate 的最新文档，从而显著提高 AI 生成代码的准确性和相关性。该服务器针对单个 Rust crate 实例运行，支持指定 crate 的 features，并利用 OpenAI 的 embedding 模型进行语义搜索，快速找到最相关的文档片段。随后，它使用 LLM 对检索到的文档进行总结，生成简洁的答案。通过缓存机制，rust-docs-mcp-server 大幅提升了后续启动速度。它通过标准输入/输出 (stdio) 与 MCP 客户端通信，为开发者提供了一个强大的工具，减少手动更正，加速开发流程。

语义化 Rust 文档查询

rust-docs-mcp-server 的核心功能是允许 AI 编码助手通过语义搜索查询特定 Rust crate 的最新文档。该服务器为指定的 Rust crate 获取文档，使用 OpenAI 的 text-embedding-3-small 模型为文档内容生成嵌入向量，并提供一个 MCP 工具 (query_rust_docs)，该工具可以根据文档上下文回答关于该 crate 的问题。当 AI 编码助手需要使用某个 crate 的 API 时，它可以向该工具提出具体问题，并获得直接来自最新文档的答案。这显著提高了 AI 生成代码的准确性和相关性，减少了手动更正的需求，并加速了开发过程。例如，开发者在使用 reqwest crate 时，可以通过提问 "How do I make a simple GET request with reqwest?" 来获取最新的代码示例和用法说明。

缓存加速文档访问

为了提高效率，rust-docs-mcp-server 实现了缓存机制。首次使用某个 crate 或其特定版本/feature 组合时，服务器会下载文档并生成嵌入向量，并将这些数据存储在用户的 XDG 数据目录中（通常是 ~/.local/share/rustdocs-mcp-server/）。后续的启动将直接从缓存加载数据，从而显著缩短启动时间。缓存的键包括 crate 名称、版本要求和 feature 的哈希值，确保不同 feature 组合的文档被分别缓存。如果缓存文件丢失、损坏或无法解码，服务器会自动重新生成文档和嵌入向量。这种缓存机制避免了重复下载和处理文档，降低了 OpenAI API 的使用成本，并为开发者提供了更流畅的体验。例如，在开发过程中频繁切换不同的 crate 版本或 feature 时，缓存可以显著减少等待时间。

简化 AI 助手集成

rust-docs-mcp-server 通过 MCP 协议与 AI 编码助手集成，提供了一个标准化的接口，使得 AI 助手可以轻松地访问 Rust crate 的文档。服务器通过标准输入/输出 (stdio) 运行，并暴露一个 query_rust_docs 工具，该工具接受一个包含问题的 JSON 对象作为输入，并返回一个包含答案的文本响应。此外，服务器还提供了一个 crate://<crate_name> 资源，用于标识服务器配置的 Rust crate。这种标准化的集成方式简化了 AI 编码助手的配置和使用，使得开发者可以专注于代码编写，而无需关心底层文档获取和处理的细节。例如，开发者可以在 Roo Code 或 Claude Desktop 等 AI 编码助手中配置 rust-docs-mcp-server，从而在编写 Rust 代码时获得实时的文档支持。

技术实现：Cargo 集成与 HTML 解析

rust-docs-mcp-server 的技术实现涉及多个关键步骤。首先，它使用 cargo 库 API 创建一个临时的 Rust 项目，该项目仅依赖于目标 crate，并在其 Cargo.toml 文件中启用指定的 feature。然后，它运行 cargo doc 来生成 HTML 文档。接下来，服务器使用 scraper crate 解析 HTML 文件，并从主要内容区域 (<section id="main-content">) 提取文本内容。最后，它使用 async-openai crate 和 tiktoken-rs 为每个提取的文档块生成嵌入向量。这些技术细节确保了服务器能够准确地获取和处理 Rust crate 的文档，并为 AI 编码助手提供高质量的上下文信息。