Roblox 知识桥 adamkhalile/luau-docs-oracle

preview
Download

🌌 Antigravity DevPilot MCP — Roblox 知识桥接与运行时验证器

让你的 AI 编码代理不再产生幻觉，而是开始引用真实的 DevForum 帖子。

一个新一代的模型上下文协议服务器，将你最喜欢的 AI 编码助手直接接入 Roblox 开发者生态系统中跳动的神经系统——DevForum、官方创作者文档、API 参考、发布说明以及社区漏洞追踪器。与其猜测 TweenService:Create 在 2026 年是否仍然接受某种缓动样式，你的代理只需询问，答案就会带着引用、帖子 ID、已采纳的解决方案和文档永久链接一起送达。

与最初的 roblox-devforum-mcp 不同——后者仅专注于论坛爬取和文档查询——Antigravity DevPilot MCP 将 Roblox 知识图谱视为一个活的有机体。它不只是获取；它会推理、交叉引用、缓存和验证。它记得你即将使用的 API 在三个月前的一份没人读过的发布说明中已被弃用，并在你向百万玩家发布损坏的 Luau 代码之前向你发出警告。

🛰️ 它有何不同？

大多数 MCP 服务器不过是贴了个 JSON 解析器的华丽 curl 封装。Antigravity DevPilot MCP 则是一座多层知识精炼厂。把它想象成一位图书管理员、一位事实核查员和一位经验丰富的 Roblox 老手坐在你肩上——只不过那位图书管理员对 14 年的论坛帖子有着过目不忘的记忆，而那位老手从不睡觉。

它摄取：

- DevForum 帖子，按类别组织（脚本支持、漏洞报告、功能请求、资源、社区教程）
- 已采纳的答案，通过启发式方法提取，以区分“这是已采纳的解决方案”和“这个人只是说了声‘谢谢’”
- 创作者文档文章、教程和 API 转储
- 发布说明，映射到引擎版本
- 弃用时间线，包含引入弃用的确切版本
- 社区漏洞报告，按严重程度和确认状态标记

然后它通过一个干净的、你的 AI 代理可以调用的工具界面暴露整个语料库。

🎯 我们真正解决的问题

你打开编辑器。你问你的 AI：“写一个 Luau 脚本，对玩家的鼠标进行射线检测，并在命中位置生成一个部件。” 模型自信地使用 Ray.new() 生成代码——它早已被软弃用——并且忘记过滤 Mouse.TargetFilter。你发布了它。它以三种微妙的方式出错。你花了两个小时在 DevForum 上才发现，一个 2021 年的随机帖子早已记录了这个确切的陷阱。

Antigravity DevPilot MCP 将那个两小时的循环压缩为一次工具调用。

代理现在：
1. 查询 RaycastParams 的当前 API 参考。
2. 检查 Ray.new() 是被正式弃用，还是仅仅不推荐使用。
3. 在 DevForum 上搜索近期帖子，以确认当前符合惯用法的模式。
4. 提取被采纳答案的代码片段。
5. 展示文档永久链接，以便你独立验证。

这一切都发生在输出一行 Luau 代码之前。

✨ 功能矩阵

🧠 智能与推理层
- 语义化 DevForum 搜索——按意图搜索，而不仅仅是关键词。“为什么我的部件会穿过地板掉下去”会被理解为碰撞组问题。
- 被采纳答案提取——该工具返回的是已解决的帖子，而不是此前 40 条猜测性回复。
- 跨来源验证——来自论坛的说法在作为权威内容返回之前，会先与官方文档进行验证。
- 弃用雷达——标记状态为 Deprecated、Soft-Deprecated、Legacy 或 Pending Removal 的 API，并附上改变其状态的版本。
- 帖子新鲜度评分——2019 年关于 DataStoreService 的回答，其权重低于同一主题在 2025 年的回答。
- 引用链——每个响应都包含一个可解析的参考链接，你可以点击进行审计。

📚 语料库覆盖范围
- 完整的 DevForum 分类树，支持按分类控制深度。
- Creator Docs 索引——指南、参考、配方、教程。
- API Reference 条目，包含签名、参数、返回类型和安全标签。
- 按引擎版本划分的 Release Notes，包括 Studio 和 Client 的差异。
- Bug Report 聚合——查看你的 bug 是否已被跟踪、确认或已发布。
- 教程挖掘——拉取按参与度和时效性排序的社区教程。

🖥️ 客户端体验
- 响应式 UI 层，用于在桌面端和窄视口中检查缓存的工具结果。
- 多语言检索——英语、葡萄牙语、西班牙语、法语、德语和日语的 DevForum 区域设置均被索引，并即时翻译。
- 24/7 可用性——服务器专为持续运行而设计，并在上游来源不稳定时优雅降级。
- 流式响应——较长的工具输出会流式返回，因此你的代理不会被阻塞。
- 确定性缓存——相同的查询返回相同的字节，使代理行为可复现。
- 离线快照模式——下载语料库的定期快照，并在无网络访问的情况下查询它。

🔌 集成与协议
- MCP 原生——可与任何兼容 MCP 的客户端配合使用。
- 开箱即支持 Stdio 和 HTTP 传输。
- 工具自动发现——客户端在握手时列出可用能力。
- 结构化错误——每个失败都有代码、消息和建议的补救措施。
- 感知速率限制的退避——遵守上游速率限制，同时不让调用方的请求失败。

🛡️ 可靠性
- 对瞬时上游故障进行带抖动的重试。
- 围绕每个上游来源设置断路器。
- 健康检查端点，用于编排器探针。
- 结构化日志，以 JSON 格式输出，用于摄取管道。
- 可配置的 TTL，按内容类别区分——缺陷报告的过期速度快于教程。

🧩 工具界面（你的智能体可以调用的内容）

| 工具 | 用途 |
| search_devforum | 使用类别、时效性和已解决状态筛选条件查询 DevForum。 |
| get_thread | 检索完整主题帖，包括帖子、反应，并标记出已采纳的解决方案。 |
| search_docs | 搜索官方创作者文档索引。 |
| get_doc_page | 获取文档页面，并保留其结构（标题、代码块、注释）。 |
| lookup_api | 在 API 参考中查找类、方法、属性或事件。 |
| check_deprecation | 判断某个 API 是否已弃用以及从何时开始弃用。 |
| list_release_notes | 枚举某个版本范围内的发行说明。 |
| find_known_bug | 按症状、类或关键词搜索聚合的缺陷报告。 |
| get_accepted_answer | 仅返回某个主题帖的已采纳解决方案（如果存在）。 |
| verify_snippet | 将 Luau 代码片段与当前 API 交叉核对，并标记过时的调用。 |
| translate_thread | 将主题帖翻译为目标语言，同时保留代码块。 |
| snapshot_status | 报告本地语料快照的新鲜度和大小。 |

每个工具都会返回一个结构化载荷，其中包含 citations、confidence、freshness 和 warnings 字段，因此你的智能体可以对刚刚获取的信息的可靠性进行推理。

🔍 对 SEO 友好的关键词整合

这个项目位于多个快速演进领域的交汇处，我们这样设计它，是为了让搜索这些主题的人自然而然地来到这里：

- 面向 AI 编程智能体的 Roblox MCP 服务器
- 用于 LLM 工具调用的 DevForum 搜索 API 封装
- Roblox Luau 代码验证与弃用检查
- 面向游戏开发的 Model Context Protocol 集成
- 面向自主智能体的 Roblox Creator Docs 检索
- 用于 Roblox Studio 开发的已知缺陷查询
- 从开发者论坛中提取已采纳答案
- 在生成代码中检测已弃用的 Roblox API
- 带引用支撑响应的 AI 辅助 Roblox 脚本编写
- 面向 Roblox 平台的智能体式开发者工具

如果你曾经在凌晨 3 点把 “roblox why is my datastore not saving” 输入搜索框，那么这个仓库就是为你而建的。

🧭 架构概览

系统组织为五个相互独立的层，每一层都可以在不影响其他层的情况下替换：

1. 摄取层——调度器按可配置的节奏从上游来源拉取内容。
2. 规范化层——将原始 HTML、JSON 和 markdown 转换为统一的内部模式。
3. 索引层——一个混合的向量 + 关键词索引，同时支持模糊语义搜索和精确查找。
4. 工具层——MCP 工具定义、参数验证和响应塑形。
5. 传输层 — stdio 和 HTTP 端点、健康检查以及指标。

这种分离很重要，因为上游来源会在毫无预警的情况下发生变化。当 DevForum 重新调整其分类树时，只需要更新摄取层。

🌐 实践中的多语言支持

Roblox 是一个真正全球化的平台。一份用葡萄牙语撰写的错误报告，可能描述的正是某位德国开发者正在遇到的问题。Antigravity DevPilot MCP：

- 在摄取时检测每个帖子的语言。
- 将原文与英文释义并排存储。
- 允许以调用者偏好的语言进行检索。
- 在翻译过程中逐字保留代码块——不会弄乱 Luau。
- 明确标记机器翻译内容，这样你的智能体就不会将其视为主要来源。

2026 年路线图包括由社区贡献的 Roblox 专用术语表，因为通用翻译模型总是把这些术语翻得一塌糊涂。

⚙️ 响应式 UI 层

虽然主要使用者是 AI 智能体，但人类偶尔也需要看看智能体看到了什么。内置的检查 UI：

- 从超宽显示器到狭窄的分屏窗格都能流畅适配。
- 以语法高亮渲染帖子树、文档页面和 API 签名。
- 内联显示引用来源，因此你可以从工具结果跳转到原始来源。
- 支持跟随操作系统偏好的深色和浅色主题。
- 由于它渲染自工具所使用的同一本地索引，因此加载瞬间完成。

🕰️ 24/7 可用性设计

当智能体正在执行任务时，停机是不可接受的。该服务器的设计目标是：

- 当上游不可达时，从本地快照提供服务。
- 优雅降级——如果文档查询失败，论坛搜索仍然可用。
- 在每个响应中声明数据陈旧程度，以便智能体决定是否信任它。
- 当上游恢复时自动恢复，无需重启。
- 为容器编排器暴露就绪性和存活探针。

🧪 质量与测试理念

每个工具都有：

- 一个契约测试，用于断言响应模式。
- 一个针对冻结快照的黄金测试，以便立即捕获回归。
- 一个针对参数解析的模糊测试，因为智能体会发送奇奇怪怪的输入。
- 一个在 CI 中强制执行的延迟预算，因为慢工具就是坏工具。

我们将语料库视为一等工件：快照经过版本控制、可差异比较、可审查。

🚦 负责任的使用

本项目检索 Roblox 开发者生态系统中公开可用的信息。它尊重 robots.txt、遵守速率限制，并在请求头中如实表明自身身份。它不会绕过身份验证、抓取私有内容或规避访问控制。如果你 fork 了它，请保留这些承诺。

📦 安装与快速上手

让服务器跑起来刻意做得很无聊，因为无聊的基础设施才是可靠的基础设施。
- 配置一个与仓库根目录中清单相匹配的运行时。
- 使用所需的配置值填充环境——请参阅 docs 文件夹中的配置参考。
- 使用操作指南中描述的引导例程初始化本地语料库。
- 将你的 MCP 兼容客户端指向服务器的传输端点。
- 向你的 agent 提出一个 Roblox 问题，观察它引用真实帖子，而不是编造一个。

详细的分步入门指南位于 docs/ 目录中，包括从零到首次工具调用的完整演练，以及针对五种最常见设置问题的故障排除矩阵。

🧬 2026 年路线图

- 2026 年第一季度 — 发布离线快照分发渠道。
- 2026 年第一季度 — 为成本敏感型部署添加第二个向量后端。
- 2026 年第二季度 — 推出插件 SDK，以便第三方可以添加自定义来源。
- 2026 年第二季度 — 发布针对 Roblox 专用 agent 准确性的公开基准。
- 2026 年第三季度 — 添加一个 diff 工具，用于比较两个 API 版本并列出破坏性变更。
- 2026 年第三季度 — 发布一个 Studio 配套扩展，以内联方式展示工具结果。
- 2026 年第四季度 — 发布一个精选社区术语表，以提升翻译质量。
- 2026 年第四季度 — 将语料库 schema 正式化为带版本的规范。

🤝 贡献

欢迎通过以下形式贡献：

- 新的上游来源适配器。
- 带有测试夹具的改进型已接受答案启发式规则。
- 针对 Roblox 专用术语的翻译术语表条目。
- 文档改进，尤其是操作指南部分。
- 带有复现步骤和快照哈希的 bug 报告。

在打开 pull request 之前，请阅读贡献指南。其中涵盖分支命名、提交约定和审查清单。

⚠️ 免责声明

本项目是一个独立的、社区驱动的工具。它与 Roblox Corporation 没有任何关联，也未获得其认可、赞助或官方联系。所有提及的商标、服务标志和产品名称——包括 “Roblox”、“Roblox Studio”、“Luau” 和 “DevForum”——均归其各自所有者所有。

此服务器呈现的信息来自公开来源，并按原样提供，不附带任何形式的明示或暗示保证。维护者不对准确性、完整性、及时性或特定用途适用性作出任何保证。基于工具输出作出的任何决定——包括发布到生产环境的代码、采用的 API 或架构选择——完全由开发者自行负责。

AI 生成的 Luau 代码在部署前应始终由人工审查。 包括本系统在内的任何自动化系统都不能替代专业工程判断。

使用本软件即表示你确认，你有责任遵守其访问的每个上游来源的服务条款，以及你所在司法管辖区的所有适用法律和法规。

📜 许可证本项目基于 MIT 许可证发布。

在遵守许可证文本所述条件的前提下，你被允许使用、复制、修改、合并、发布、分发、再许可和销售本软件的副本。完整许可证可在仓库的 LICENSE 文件中获取。

在此处阅读完整条款：https://opensource.org/licenses/MIT

版权所有 (c) 2026 — Antigravity DevPilot MCP 贡献者。

💬 最后一点思考

Roblox 生态系统发展迅速。API 不断变化，论坛将答案淹没在噪音之中，而文档总是落后于现实数周之久。你的 AI 智能体不应该去猜测当下什么是正确的。它应该能够查阅、引用，然后继续前进——就像一位严谨的工程师那样。

这就是本项目的全部核心论点。其余的一切都只是实现细节。

Download