apple-doc-mcp

GitHub
595 31 简单 1 次阅读 2天前MIT开发框架插件
AI 解读 由 AI 自动生成,仅供参考

apple-doc-mcp 是一款基于模型上下文协议(MCP)的开源服务,旨在让 AI 编程助手能够无缝访问苹果官方开发者文档。它解决了开发者在利用 AI 进行 iOS、macOS 等苹果生态开发时,常因缺乏最新或准确的 API 参考而导致代码幻觉或过时的问题。

该工具特别适合苹果平台开发者使用,无论是日常编写 SwiftUI 界面还是调试底层框架,都能通过自然语言直接获取权威文档支持。其核心技术亮点在于智能搜索机制:支持通配符匹配(如 Grid*)和精确符号解析,能准确识别 ViewButtonStyle 等具体 API 名称;同时采用“符号优先”的返回策略,将具体的代码符号与概念性文章分类呈现,大幅提升了检索结果的可用性。此外,它还内置了框架发现与切换功能,帮助用户在不同技术栈间灵活跳转。通过集成到 VS Code、Claude Code 或 OpenAI Codex 等主流环境中,apple-doc-mcp 让查阅文档变得像对话一样简单高效,是提升苹果生态开发效率的得力助手。

使用场景

一位 iOS 开发者正在使用 AI 助手重构旧项目,需要将过时的 UIKit 代码迁移到最新的 SwiftUI 框架中,特别是涉及复杂的 GridItem 布局和自定义 ButtonStyle

没有 apple-doc-mcp 时

  • 信息滞后与幻觉:AI 助手依赖训练数据,常提供已过时的 SwiftUI API 用法,甚至编造不存在的参数,导致编译报错。
  • 搜索效率低下:开发者需手动切换浏览器查找官方文档,反复复制粘贴关键词,打断编码心流,难以精准定位特定符号。
  • 上下文割裂:无法在 IDE 内直接验证通配符搜索(如 *Item),必须人工筛选大量无关的通用教程而非具体 API 定义。
  • 版本混淆:难以确认某个特性(如新的动画修饰符)是否在当前部署的 iOS 版本中可用,增加了试错成本。

使用 apple-doc-mcp 后

  • 实时精准检索:apple-doc-mcp 直连最新官方文档,通过 search_symbols 立即返回 GridItemButtonStyle 的精确定义,杜绝幻觉。
  • 工作流无缝集成:支持在对话框直接使用通配符(如 Lazy*)和同义词搜索,结果按“符号优先”排序,无需离开编辑器即可获取权威答案。
  • 智能上下文关联:工具自动分离具体符号与概念指南,AI 能基于准确的文档路径生成可直接运行的代码片段,大幅减少修改次数。
  • 动态技术栈感知:通过 discover_technologies 快速切换并锁定目标框架版本,确保生成的代码完全符合当前项目的兼容性要求。

apple-doc-mcp 将碎片化的文档查阅转化为流畅的编程对话,让 AI 助手真正拥有实时、权威的苹果开发知识库。

运行环境要求

操作系统
  • 未说明
GPU

不需要 GPU

内存

未说明

依赖
notes该工具是一个基于 Node.js 的 MCP 服务器,通过 npx 运行。安装方式支持 VS Code、Claude Code、OpenAI Codex 或手动配置。本地开发需使用 yarn install 和 yarn build。无特定操作系统限制,只要宿主环境支持 Node.js 即可运行。
python不需要 Python (基于 Node.js)
Node.js
npm
yarn
apple-doc-mcp hero image

快速开始

苹果文档 MCP

一个模型上下文协议(MCP)服务器,可在您的 AI 编码助手内直接提供对苹果开发者文档的无缝访问。 注意: 大家好,感谢您查看这个 MCP!由于我一直定期维护它,在不断改进以支持不同平台并添加新功能的同时,开发成本变得非常高昂(令牌可不便宜啊各位)。

如果您觉得这个 MCP 有用,我将非常感激您点击上方的 ❤️ 赞助 按钮,任何贡献都将不胜感激!谢谢。

📋 更改日志

感谢 GitHub 团队赠送我一年的 Copilot Pro+ 订阅,你们太棒了!也感谢 @billibala、@theoddbrick、@christopherbattlefrontlegal 的赞助!你们真是了不起。

  • 完整的发布历史请参见 CHANGELOG.md
  • 1.9.6
    • 重大修复:简化了 search_symbols,使其对 AI 代理更加可预测。
    • search_symbols 中为诸如 GridItemViewButtonStyle 等查询添加了精确符号解析。
    • search_symbols 改为优先返回符号结果,并将文章和指南单独归入一个部分。
    • 修复了通配符行为,使回退搜索能够尊重 *? 模式,而不是降级为简单的子字符串匹配。
    • 移除了关于后台下载和“全面”索引的误导性搜索提示信息。
    • 去除了那些既无用又会增加混淆、却无法提升搜索效果的代码路径。
    • 修复了首次搜索索引初始化问题,确保基于缓存的符号搜索在使用结果之前完成构建。
  • 1.9.1
    • 将缓存文档移至 .cache/ 目录,以保持仓库整洁。
    • 将 MCP 日志输出重定向到标准错误流,以保持协议的标准输出干净(此前这会导致 Codex 符号搜索出错)。

安装

VS Code

  1. 打开命令面板(Shift+Cmd+P)。
  2. 运行 MCP: 添加服务器
  3. 当提示选择服务器类型时,选择 npm
  4. 输入以下包:
apple-doc-mcp-server

Claude Code:

claude mcp add apple-docs -- npx apple-doc-mcp-server@latest

OpenAI Codex:

codex mcp add apple-doc-mcp -- npx apple-doc-mcp-server@latest

手动配置:

{
	"mcpServers": {
		"apple-docs": {
			"command": "npx",
			"args": ["apple-doc-mcp-server@latest"]
		}
	}
}

本地运行:

yarn install
yarn build
{
  "mcpServers": {
    "apple-docs": {
      "command": "node",
      "args": ["/绝对路径/to/apple-doc-mcp/dist/index.js"]
    }
  }
}

搜索技巧

  • 当您知道确切的 API 名称时,请使用完整名称(如 "GridItem""ButtonStyle""View")。
  • 从宽泛的关键词开始(例如 "tab""animation""gesture")。
  • 尝试使用同义词(如 "sheet" 对应 "modal""toolbar" 对应 "tabbar")。
  • 使用通配符(如 "Grid*""*Item""Lazy*")进行灵活匹配。
  • 使用多个关键词(如 "tab view layout")来缩小结果范围。
  • 如果没有找到任何结果,请使用不同的关键词重新运行 discover_technologies,或选择另一个框架。
  • search_symbols 会优先返回符号结果,并将匹配的文章单独列出。

可用工具

  • discover_technologies – 浏览并筛选框架,然后再选择一个。
  • choose_technology – 设置当前活动的框架;在搜索文档之前必须先设置。
  • current_technology – 显示当前选择及下一步操作建议。
  • search_symbols – 优先搜索符号,支持精确名称解析和通配符匹配,并将文章结果单独列出。
  • get_documentation – 打开已知符号或文档路径的详细文档。
  • get_version – 获取当前 MCP 服务器的版本信息。

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架