Для чего этот сервер?

Этот MCP-сервер решает проблему расплывчатых промптов. Он собирает контекст из твоего рабочего окружения — файлы проекта, git, активный файл — уточняет намерение и выдаёт готовый промпт, заточенный под конкретную платформу из 60+ вариантов. Вместо ручной подстройки под Midjourney, DALL-E или Claude ты отправляешь один сырой запрос и получаешь оптимизированный под синтаксис и возможности целевой модели результат.

Что он умеет?

Сервер превращает сырые промпты в оптимизированные под конкретные ИИ-платформы. Знает 60+ платформ из 7 категорий, умеет добавлять, обновлять и удалять кастомные, собирает контекст из CLAUDE.md, AGENTS.md, .cursorrules, package.json. Запускает полный конвейер из уточнения, оптимизации, критики и ревизии одним вызовом, задаёт уточняющие вопросы, оценивает промпт по шести шкалам. Ведёт персональную память: запоминает факты, ищет по ним, забывает, загружает и выгружает knowledge packs, объясняет решения куратора, показывает трейсы и учится на принятых или отклонённых результатах.

Каталог MCP
LumabyteCo/clarifyprompt-mcp

LumabyteCo/clarifyprompt-mcp

от lumabyteco

MCP-сервер, который компилирует расплывчатые запросы в промпты, оптимизированные для 60+ AI-платформ (Midjourney, Claude, Sora). Учитывает контекст рабочего пространства (CLAUDE.md, package.json, g...

Github NPM Сайт сервера

README

23 инструмента

Версии

Установить сервер

ClarifyPrompt MCP

A context-aware MCP prompt compiler that transforms vague prompts into platform-optimized prompts for 60+ AI platforms across 7 categories — grounded in your workspace signals (CLAUDE.md, AGENTS.md, .cursorrules, package.json), resolved intent, and the capabilities of the target model.

Send a raw prompt. ClarifyPrompt gathers the right context, resolves what you're actually trying to do, and returns a version specifically optimized for Midjourney, GPT Image 2, Veo, Runway, Kling, Seedance, Higgsfield, ElevenLabs, Suno, Claude, ChatGPT, Cursor, or any of the 61 supported platforms — with the right syntax, parameters, structure, and grounding.

New in 1.16.0: the platform-currency release. Every built-in pack fact-verified against current vendor docs (2026-10-05) — Midjourney V8.x, Runway Gen-4.5, Veo 3.1, Kling 3.0/Omni, Pika 2.2, Suno v6, ElevenLabs v3, gpt-4o-mini-tts, GPT Image 2 — each entry now carries a verifiedAt date. Sora retired everywhere (OpenAI shut the Videos API 2026-09-24, no replacement); new platforms: Seedance, ElevenLabs Music v2.5, Lyria 3.5. Plus the dialect-currency benchmark: 12 of the newest Ollama Cloud models asked to write platform prompts unprompted — 12/13 emit stale Midjourney flags, 12/12 write fluent prompts for dead Sora, zero hedge. Grounded mode re-runs the same asks with the pack facts injected and the scores flip. See the benchmark and CHANGELOG.md.

New in 1.15.0: Nano Banana (Google Gemini 2.5 Flash Image) is now a built-in image platform — optimize_prompt(platform: "nano-banana") compiles image prompts in its native style (natural-language scene direction, photographic terms, edit-preserving-identity phrasing, in-image text). Plus latest-model compatibility across every provider: claude-sonnet-5, gpt-5/o-series, and Gemini reject temperature and/or max_tokens; the client now sends the right parameters (proactively for known reasoning ids, and learns the rest from a 400). Verified live against Anthropic, OpenAI, Gemini, and Ollama Cloud. See CHANGELOG.md.

New in 1.14.1: Portable-by-default text output — a chat/document/code prompt with no explicit platform now stays platform-neutral instead of quietly defaulting to Claude's idioms (XML tags); name a platform to opt into vendor-specific tuning. Plus the MCP Apps compose panel now shows a for <platform> badge and a clean Your prompt → Optimized before/after (with a show changes toggle) instead of an always-on diff. See CHANGELOG.md.

New in 1.14.0: An interactive compose panel via MCP Apps. In hosts that speak the io.modelcontextprotocol/ui extension (Claude Desktop, ChatGPT, Cursor, VS Code, …), compose_prompt renders a live panel: original-vs-optimized view, all six critique scores, the pipeline stages, and Accept / Revise actions — Accept records the outcome into ClarifyPrompt's memory loop, Revise sends your feedback back into the chat. One self-contained ui:// resource; hosts without the extension see zero change. See CHANGELOG.md.

New in 1.13.0: Plain-language rewrites. Optimized prompts now stick to common, everyday words instead of drifting into formal vocabulary ("use", never "utilize") — specificity comes from concrete details, not fancier synonyms. critique_prompt gained a 6th default dimension, plain_language, so auto_revise loops correct register drift automatically. Also fixed: an explicit mode (e.g. simple) is no longer silently dropped for small local models under compact system-prompt shaping. See CHANGELOG.md.

Часто задаваемые вопросы

Инструменты были проиндексированы: 16.10.2026

clarify_with_userтолько чтениевнешний мир

При получении неоднозначного черновика промпта возвращает 1–3 целенаправленных уточняющих вопроса вместо того, чтобы гадать. Каждый вопрос содержит suggested_answer, который вы можете принять дословно, чтобы продолжить, необязательный список options из 2–4 быстрых вариантов и тег dimension (audience/scope/format/length/tone/constraints/goal/platform). Когда анализатор очень уверен И промпт нетривиально длинный, инструмент сокращает путь, устанавливая clarificationNeeded: false, чтобы вызывающие могли поместить его перед optimize_prompt, не платя налог на задержку при каждом вызове. Передайте force: true, чтобы всегда генерировать вопросы. Передайте elicit: true, чтобы интерактивно собирать ответы через собственный интерфейс формы хоста (MCP elicitation) вместо возврата сырых вопросов — когда клиент это поддерживает.

Задает уточняющие вопросы

Параметры

categoryenum
Подсказка по категории. Если передать её, вопросы о категории или платформе будут пропущены.
cwdstring
Рабочий каталог, из которого загружаются правила рабочего пространства (CLAUDE.md / AGENTS.md / .cursorrules). По умолчанию используется текущий рабочий каталог сервера.
elicitboolean
Когда условие истинно и подключённый клиент поддерживает MCP-элицитацию, вопросы отображаются в виде нативной формы, ответы собираются прямо в ней и возвращаются как answers (предложенный ответ на каждый вопрос — значение поля по умолчанию). Если клиент не умеет элицитировать, возвращаются исходные вопросы без изменений. По умолчанию — false (обратная совместимость).
file_excerptstring
Краткий отрывок активного файла для обоснования вопросов.
file_languagestring
Явное переопределение языка для активного файла.
file_pathstring
Активный путь к файлу - информирует значения по умолчанию уточнителя.
forceboolean
Всегда генерирует вопросы, даже когда анализатор полностью уверен. Полезно для интерфейсов, которые хотят показывать уточнения при каждом вызове.
max_questionsinteger
Ограничение на количество возвращаемых вопросов. По умолчанию 3, жесткий максимум 5.
promptstringобязательный
Черновик промпта, в котором пользователь не уверен.
user_localestring

compose_promptвнешний мир

Запускает канонический конвейер ClarifyPrompt за ОДИН вызов: clarify (опциональный предварительный этап) → ground ИЛИ optimize (основной) → critique (опциональный пост-этап) → опциональный auto-revise. Используйте это, когда хотите пройти по счастливому пути из четырёх инструментов без организации пяти круговых вызовов. Завершается досрочно, если pre_clarify выявляет вопросы — вызывающий отвечает и вызывает повторно. Когда sources не пуст, цепочка идёт по строгой ветке ground_prompt; в противном случае проходит через optimize_prompt. Если auto_revise имеет значение true и critique возвращает вердикт о непринятии с улучшенной перезаписью, final_prompt содержит эту перезапись. Массив stages — это журнал аудита для каждого вызова, чтобы вызывающие могли точно видеть, что выполнялось.

Составляет полный пайплайн

Параметры

auto_reviseboolean
Когда true И post_critique равно true И verdict !== 'accept' И существует improvedPrompt: final_prompt становится переписанной версией вместо сырой оптимизации.
categoryenum
clarify_modelstring
Переопределяет модель LLM для предварительного этапа clarify. По умолчанию: env LLM_MODEL. Пригодится для маршрутизации затрат/качества по этапам, например, clarify запускается на дешёвой модели, а critique работает на передовой.
critique_criteriaobject[]
Переопределите 6 стандартных критериев оценки.
critique_modelstring
Привет! Ты — техпереводчик. Твоя задача — перевести текст на русский. Держись оригинала: сохраняй структуру, порядок предложений, абзацы. Не выбрасывай технические детали и не искажай смысл. Имена собственные, названия брендов, технические термины, названия функций и параметров оставляй без перевода. Если слово выделено (капсом или курсивом), сохрани это выделение. Пиши по-русски естественно, без канцелярита и штампов. Избегай слов типа «данный», «является», «представляет собой», «стоит отметить», «важно понимать», «в современном мире», «играет ключевую роль», «позволяет осуществить», «обеспечивает возможность». Не используй конструкции вроде «не только... но и», «не просто... а». Не начинай выводы с «таким образом» или «подводя итог». Не раздувай значимость — не пиши «мощный инструмент», «открывает новые горизонты», «выводит на новый уровень». Не используй модальные глаголы типа «может стать», «способен обеспечить», «призван решить». Заменяй отглагольные существительные на глаголы: вместо «осуществление оптимизации» пиши «ускоряет». Пиши коротко и по делу, как опытный разработчик объясняет коллеге. Не используй кавычки, заголовки и пояснения — только сам перевод.
cwdstring
enrich_contextboolean
file_excerptstring
file_languagestring
file_pathstring
include_bundleboolean
max_iterationsinteger
Максимум итераций цикла пересмотра. При auto_revise: true И post_critique: true движок может повторно подавать улучшенныйPrompt каждой итерации на оптимизацию+критику вплоть до этого предела. Останавливается раньше при verdict=accept или когда улучшенногоPrompt больше нет. По умолчанию 1 (одиночный прогон, без цикла). Жесткий максимум 5, чтобы не допустить неконтролируемого роста затрат.
max_questionsinteger
modeenum
optimize_modelstring
Переопределяет модель LLM для этапа оптимизации/основного ядра.
platformstring
post_critiqueboolean
Запустите оценку критика для оптимизированного вывода. Добавляет ~3-5 секунд на локальной модели.
pre_clarifyenum
'auto' = запускать уточнение только если уверенность анализатора низкая / запрос короткий. 'always' = принудительно запускать уточнение. 'never' = пропускать. Когда возникают уточняющие вопросы, цепочка останавливается; вызывающая сторона отвечает и повторяет вызов.
promptstringобязательный
Промпт для составления.
revise_thresholdnumber
session_idstring
skip_intent_resolutionboolean
sourcesobject[]
Когда не пусто, цепочка переходит в строгую ветку ground_prompt (источники, предоставленные вызывающей стороной, закреплены с наивысшим приоритетом).
user_localestring
user_pinned_instructionsstring

critique_promptтолько чтениевнешний мир

LLM-as-judge для промпта. Оценивает его от 0 до 10 по 6 стандартным параметрам (clarity, specificity, intent_alignment, format_fitness, length_appropriateness, plain_language), или по вашим собственным критериям, и возвращает обоснование по каждому параметру + конкретные предложения, общую оценку и вердикт (accept / revise / reject). Когда оценка ниже revise_threshold (по умолчанию 7.0), инструмент также возвращает improvedPrompt, который можно использовать как готовую замену. Используйте его на этапе pre-flight (достаточно ли хорош этот промпт для дорогой модели?), при постмортем-анализе (была ли проблема в промпте?) или для A/B-выбора лучшего из N оптимизационных вариантов. Передавайте original_prompt при критике оптимизированной версии, чтобы судья мог проверить, что замысел сохранён.

Оценивает промпт (LLM-as-judge)

Параметры

categoryenum
criteriaobject[]
Переопределите стандартные 6 критериев. До ~8 измерений; больше раздувает вызов судьи.
cwdstring
file_excerptstring
file_languagestring
file_pathstring
original_promptstring
Если prompt - оптимизированная версия, то это исходный запрос пользователя. Используется для измерения intent_alignment.
promptstringобязательный
Предлагаемый промпт для критики.
revise_thresholdnumber
Если общий балл ниже этого значения, запускается этап переписывания. По умолчанию 7.0.
skip_rewriteboolean
Пропускай этап переписывания, даже если значение ниже порога (так быстрее; просто возвращает оценки).
user_localestring

explain_last_curationтолько чтениеидемпотентный

Создаёт понятное человеку объяснение решений Context Curator для самого недавнего (или указанного) этапа оптимизации. Показывает все рассмотренные кандидаты, был ли каждый выбран или отклонён, почему и сколько токенов он использовал в рамках бюджета. Используйте это, когда результат показался странным и вы хотите понять, какие источники выбрал движок.

Объясни последнюю курацию

Параметры

lookback_daysinteger
optimization_idstring
Необязательный идентификатор трассировки. Если не указан, объясняет последнюю трассировку.

get_traceтолько чтениеидемпотентный

Получает полную трассировку для ID оптимизации, включая системный промпт и вывод. По умолчанию просматривает 7 дней назад.

Получает полную трассировку

Параметры

idstringобязательный
lookback_daysinteger

ground_promptвнешний мир

Оптимизирует запрос на основе ЯВНЫХ опорных источников, предоставленных вызывающей стороной (спецификация, выдержка из стенограммы, RFC, внутренний документ и т.д.). Каждый источник закреплён с наивысшим приоритетом - выше правил проекта, выше закреплённых инструкций - и отслеживается индивидуально в трассировке. Используйте это, когда хотите, чтобы переписывание ссылалось на конкретный материал, а не позволяло куратору решать, что релевантно. Требует хотя бы один непустой источник; выдаст ошибку, а не приведёт к молчаливому переходу к optimize_prompt. Каждый источник ограничен 4000 символов, чтобы одна большая вставка не могла доминировать в бюджете.

Оптимизирует по явным источникам

Параметры

categoryenum
cwdstring
enrich_contextboolean
file_excerptstring
file_languagestring
file_pathstring
include_bundleboolean
modeenum
platformstring
promptstringобязательный
Запрос на оптимизацию.
session_idstring
skip_intent_resolutionboolean
sourcesobject[]обязательный
Источники grounding, предоставленные вызывающей стороной. Должны быть непустыми.
user_localestring
user_pinned_instructionsstring

inspect_contextтолько чтениевнешний мир

Предварительно просматривает ContextBundle (правила рабочего пространства, фреймворки, возможности целевой модели, результаты анализа, историю сессии) без запуска оптимизации. Возвращает тот же набор, который собрала бы функция optimize_prompt.

Проверяет контекстный пакет.

Параметры

categoryenum
cwdstring
file_excerptstring
file_languagestring
file_pathstring
promptstringобязательный
session_idstring
skip_intent_resolutionboolean

list_categoriesтолько чтениеидемпотентный

Перечисляет все доступные категории оптимизации промптов с количеством платформ, включая пользовательские платформы.

Перечисляет категории

Параметры

Без параметров.

list_modesтолько чтениеидемпотентный

Перечисли доступные режимы вывода для оптимизации промптов.

Перечисляет режимы вывода.

Параметры

Без параметров.

list_packsтолько чтениеидемпотентный

Перечисли пакеты знаний, загруженные в хранилище постоянной памяти.

Выводит список загруженных пакетов.

Параметры

scopestring
Фильтр по области действия (например, 'user', 'project:myapp'). Опустите, чтобы перечислить все.

list_platformsтолько чтениеидемпотентный

Перечисляет доступные платформы для категории, включая пользовательские зарегистрированные платформы.

Перечисляет платформы

Параметры

categoryenumобязательный
Категория для перечисления платформ

list_tracesтолько чтениеидемпотентный

Перечисляет последние трассировки оптимизации из локального трейсера. Только сводка; для полных записей используйте get_trace.

Перечисляет трассировки оптимизации.

Параметры

daystring
День UTC в формате ГГГГ-ММ-ДД; по умолчанию берётся последний день с данными
limitinteger

load_knowledge_packвнешний мир

Загружает набор знаний (knowledge pack) — документ в формате Markdown с опциональным YAML-фронтматером — в постоянное хранилище. Набор разбивается на части по заголовкам, каждая часть преобразуется в эмбеддинг и становится доступной для семантического поиска при последующих вызовах optimize_prompt. Наборы могут поступать из локального файла, HTTPS-ссылки или передаваться встроенным текстом в виде Markdown. Встроенные наборы и руководство по созданию: https://github.com/LumabyteCo/clarifyprompt-mcp/tree/main/packs

Загружает пакет знаний

Параметры

namestring
Переопределить имя пакета (в противном случае берётся из frontmatter).
scopestring
Область загрузки (например, 'user', 'project:myapp'). По умолчанию — frontmatter пакета или 'user'.
sourcestringобязательный
Локальный путь к файлу, HTTPS-URL или встроенное тело Markdown (определяется автоматически).
source_typeenum
Переопределяет определение типа источника. registry помечает пакет как созданный сообществом.
versionstring
Переопределяет версию пака (иначе берётся из frontmatter или '0.0.0').

memory_forgetидемпотентный

Инвалидирует (мягко удаляет) факт по его идентификатору. Факт помечается как invalidated_at = now и не будет отображаться в будущих memory_search или grounding, но его история сохраняется (битемпоральное мягкое удаление). Сначала используйте memory_list_facts, чтобы найти идентификатор, который вы хотите забыть.

Забывает факт

Параметры

idintegerобязательный
ID факта (из ответа memory_remember, результата memory_search или строки memory_list_facts).

memory_list_factsтолько чтениеидемпотентный

Перечисляет живые (неаннулированные) факты в постоянной памяти, с возможностью фильтрации по области и предикату. Сортирует по наиболее недавно наблюдавшимся в начале. Полезно для проверки того, что известно системе, или для поиска идентификаторов фактов, чтобы забыть.

Перечисляет запомненные факты.

Параметры

limitinteger
Максимум фактов для возврата. По умолчанию 50, жёсткий максимум 100.
predicatestring
Необязательный фильтр по предикату (например, только факты типа 'prefers').
scopestring
Область памяти для фильтрации. По умолчанию 'user'. Примеры: 'user', 'project:myapp', 'session:abc'.

memory_rememberвнешний мир

Явно добавляет факт в постоянную память. Используется, когда пользователь говорит то, что движок должен запомнить между сессиями (предпочтения, соглашения, факты о проекте). Дополняет рефлексию save_outcome, которая извлекает факты неявно — это явный, управляемый пользователем путь. Возвращает идентификатор нового факта, который можно передать memory_forget позже.

Запоминает факт.

Параметры

confidencenumber
Уверенность от 0 до 1. По умолчанию 1.0 при явном запоминании пользователем. Для фактов, извлечённых рефлексией, используется 0.6-0.8.
objectstringобязательный
Конкретное значение. Пример: «TypeScript со строгим режимом».
predicatestringобязательный
Краткая глагольная фраза. Примеры: «предпочитает», «использует», «избегает», «требует», «является».
scopestring
Область памяти. По умолчанию — 'user' (кросс-сессионная, кросс-проектная). Используйте 'project:<name>' для локальной памяти проекта, 'session:<id>' для эфемерной памяти только в рамках сессии.
subjectstringобязательный
О ком или о чём этот факт. Примеры: «пользователь», «проект», «этот кодовый базис», имя человека.

memory_searchтолько чтениеидемпотентныйвнешний мир

Выполняет семантический поиск по постоянному хранилищу памяти. Возвращает факты, фрагменты пакетов и прошлые оптимизации, ранжированные по векторной схожести с запросом. Полезен для проверки того, что ClarifyPrompt извлёк бы для заданного промпта, и для отладки решений куратора.

Ищет в энергонезависимой памяти

Параметры

kindsenum[]
Какие виды памяти искать. По умолчанию: факты + паки чанков.
limitinteger
querystringобязательный
Поисковый запрос — обычно это намерение пользователя или перефразировка будущего промпта.

optimize_promptвнешний мир

Оптимизирует промпт под конкретную ИИ-платформу. Учитывает контекст: автоматически собирает сигналы рабочего пространства (CLAUDE.md / AGENTS.md / .cursorrules / package.json), определяет намерение, категорию и рекомендуемый режим за один шаг анализа, подстраивает системный промпт под возможности целевой модели и привязывает переписанный вариант к Grounding Context, упорядоченному по приоритету. Поддерживает 61 платформу в 7 категориях (пакеты с датой verifiedAt), а также кастомные зарегистрированные платформы. Категория, платформа и режим необязательны: движок выбирает разумные значения по умолчанию из анализа.

Оптимизирует промпт для платформы

Параметры

categoryenum
Категория промпта. Если не указана, автоматически определяется анализатором. Если указана, анализатор всё равно может переопределить её, если уверен, что подсказка неверна.
cwdstring
Рабочая директория для поиска файлов CLAUDE.md / AGENTS.md / .cursorrules / package.json. По умолчанию используется текущая рабочая директория сервера.
enrich_contextboolean
Используйте веб-поиск для обогащения контекста (Tavily/Brave/Serper/SerpAPI/Exa/SearXNG). Результаты объединяются в единый блок Grounding Context.
file_excerptstring
Короткий отрывок (≤2 KB) активного файла, чтобы обосновать переписывание.
file_languagestring
Явное переопределение языка для активного файла.
file_pathstring
Активный путь к файлу - определяет язык и служит основой для переписывания.
include_bundleboolean
Включает полный разрешённый ContextBundle в ответ (та же форма, что возвращает inspect_context)
modeenum
Режим вывода. Если параметр не указан, движок использует рекомендацию анализатора, основанную на намерении (например, production-code → технический, quick-draft → краткий). Если параметр указан, выбор пользователя имеет приоритет.
platformstring
ID целевой платформы (например, midjourney, dall-e, veo, runway, suno, claude, cursor или собственный ID платформы). Использует значение категории по умолчанию, если не указан.
promptstringобязательный
Запрос на оптимизацию.
session_idstring
Идентификатор сессии связывает связанные оптимизации, чтобы движок мог повторно использовать принятые ранее результаты в качестве примеров для few-shot. Создаётся автоматически, если не указан.
skip_intent_resolutionboolean
Пропустить вызов анализатора LLM (быстрее; теряются рекомендации по намерению/категории/режиму)
user_localestring
Подсказка о локали пользователя (например, en-US, ar-EG)
user_pinned_instructionsstring
Закреплённые, всегда применяемые пользовательские инструкции (основа высшего приоритета)

register_platform

Регистрирует новую пользовательскую AI платформу для оптимизации промптов.

Регистрирует пользовательскую платформу.

Параметры

categoryenumобязательный
Я отношусь к категории ИИ-ассистентов — точнее, это большая языковая модель, которая работает в формате чат-бота. Если говорить более конкретно, я представляю собой диалоговый ИИ: пользователь задаёт вопросы или даёт задачи, а я генерирую текстовые ответы. По типу платформы меня можно отнести к: - Чат-бот / диалоговый ассистент — основное взаимодействие через текстовый диалог. - Генеративный ИИ — создаю новый контент (текст, код, переводы) на основе входных данных. - LLM (Large Language Model) — работаю на основе большой языковой модели, обученной на огромном объёме текстов. Если нужна более точная классификация, уточни, что именно тебя интересует: техническая архитектура, сфера применения или что-то другое.
descriptionstringобязательный
Краткое описание
idstringобязательный
Уникальный идентификатор платформы (строчные буквы, буквенно-цифровой с дефисами)
instructionsstring
instructions_filestring
labelstringобязательный
Понятное человеку название платформы.
syntax_hintsstring[]

save_outcomeвнешний мир

Сообщает ClarifyPrompt, был ли результат оптимизации принят, отредактирован или отклонён. Подаёт данные в два цикла: (1) кольцевой буфер сессии, чтобы принятые ранее результаты внедрялись как few-shot примеры в будущие похожие промпты, и (2) слой постоянной памяти через рефлексию: при принятии или редактировании ClarifyPrompt извлекает атомарные факты из взаимодействия и сохраняет их; при отклонении недавние факты рефлексии из этой сессии аннулируются. Рефлексия использует ту же LLM, которую вы настроили; задержка на локальных моделях составляет 1–3 секунды.

Записывает результат (принять / редактировать / отклонить)

Параметры

diffstring
Необязательно: отредактированная пользователем версия или diff. Помогает рефлексии извлекать лучшие факты.
optimization_idstringобязательный
id, возвращаемый optimize_prompt
session_idstringобязательный
sessionId, возвращённый из optimize_prompt. Нужен, чтобы результат попал в правильную сессионную группу.
skip_reflectionboolean
Пропустите этап извлечения фактов на основе LLM (быстрее, факты не запоминаются)
verdictenumобязательный
принято = пользователь использовал вывод как есть; отредактировано = пользователь сохранил его с правками; отклонено = пользователь выбросил его

unload_packидемпотентный

Удаляет загруженный пакет знаний (и все его фрагменты и эмбеддинги) из хранилища памяти.

Выгружает пакет знаний

Параметры

idintegerобязательный
Идентификатор пакета (как возвращается list_packs).

unregister_platformидемпотентный

Удаляет пользовательскую платформу или очищает переопределения инструкций на встроенной.

Удаляет пользовательскую платформу / очищает переопределения

Параметры

categoryenumобязательный
idstringобязательный
remove_override_onlyboolean

update_platform

Обновляет пользовательскую платформу или добавляет/переопределяет инструкции на встроенной платформе.

Обновляет платформу

Параметры

categoryenumобязательный
descriptionstring
idstringобязательный
instructionsstring
instructions_filestring
labelstring
syntax_hintsstring[]
syntax_hints_appendstring[]

`1.16.0`основная	06.10.2026
`1.15.0`	14.07.2026
`1.14.1`	14.07.2026
`1.14.0`	08.07.2026
`1.13.0`	03.07.2026
`1.12.1`	22.06.2026
`1.12.0`	22.06.2026
`1.11.0`	19.06.2026
`1.10.0`	18.06.2026
`1.9.0`	17.06.2026
`1.8.0`	15.06.2026
`1.7.1`	14.06.2026
`1.7.0`	12.06.2026
`1.6.8`	01.06.2026
`1.6.7`	31.05.2026
`1.6.6`	31.05.2026
`1.6.5`	31.05.2026
`1.6.4`	27.05.2026
`1.6.3`	26.05.2026
`1.6.2`	26.05.2026
`1.6.1`	26.05.2026
`1.6.0`	25.05.2026
`1.5.2`	28.04.2026
`1.5.1`	26.04.2026
`1.5.0`	26.04.2026
`1.4.0`	25.04.2026
`1.3.2`	25.04.2026
`1.3.1`	24.04.2026
`1.3.0`	24.04.2026
`1.2.1`	24.04.2026
`1.2.0`	22.04.2026
`1.1.3`	12.03.2026
`1.1.1`	12.03.2026
`1.1.0`	12.03.2026
`1.0.1`	26.02.2026

Выберите клиент, чтобы установить LumabyteCo/clarifyprompt-mcp:

Любой клиент

Конфиг добавления MCP сервера стандартный, обычно он не меняется вообще, поэтому подходит практически к любому ИИ клиенту, поддерживающему MCP.

{
  "mcpServers": {
    "lumabyteco-clarifyprompt-mcp-6uk1iobvys": {
      "command": "npx",
      "args": [
        "-y",
        "clarifyprompt-mcp"
      ],
      "env": {
        "LLM_API_URL": "http://localhost:11434/v1",
        "LLM_MODEL": "qwen2.5:7b"
      }
    }
  }
}

Cursor

Перейдите по ссылке и сервер автоматически будет добавлен в Cursor. Либо откройте/создайте файл ~/.cursor/mcp.json(%USERPROFILE%\.cursor\mcp.json на Windows) и добавьте конфиг сервера:

{
  "mcpServers": {
    "lumabyteco-clarifyprompt-mcp-6uk1iobvys": {
      "command": "npx",
      "args": [
        "-y",
        "clarifyprompt-mcp"
      ],
      "env": {
        "LLM_API_URL": "http://localhost:11434/v1",
        "LLM_MODEL": "qwen2.5:7b"
      }
    }
  }
}

VS Code

Создайте .vscode/mcp.json в проекте (ключ верхнего уровня — servers):

{
  "servers": {
    "lumabyteco-clarifyprompt-mcp-6uk1iobvys": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "clarifyprompt-mcp"
      ],
      "env": {
        "LLM_API_URL": "http://localhost:11434/v1",
        "LLM_MODEL": "qwen2.5:7b"
      }
    }
  }
}

Либо добавьте сервер через терминал:

code --add-mcp "{\"name\":\"lumabyteco-clarifyprompt-mcp-6uk1iobvys\",\"type\":\"stdio\",\"command\":\"npx\",\"args\":[\"-y\",\"clarifyprompt-mcp\"],\"env\":{\"LLM_API_URL\":\"http://localhost:11434/v1\",\"LLM_MODEL\":\"qwen2.5:7b\"}}"

Claude Desktop

Откройте Settings → Developer → Edit Config — это откроет файл claude_desktop_config.json:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

Впишите сервер и полностью перезапустите Claude Desktop:

{
  "mcpServers": {
    "lumabyteco-clarifyprompt-mcp-6uk1iobvys": {
      "command": "npx",
      "args": [
        "-y",
        "clarifyprompt-mcp"
      ],
      "env": {
        "LLM_API_URL": "http://localhost:11434/v1",
        "LLM_MODEL": "qwen2.5:7b"
      }
    }
  }
}

Claude Code

Добавьте сервер одной командой в терминале:

claude mcp add lumabyteco-clarifyprompt-mcp-6uk1iobvys --env LLM_API_URL=http://localhost:11434/v1 --env LLM_MODEL=qwen2.5:7b -- npx -y clarifyprompt-mcp

Либо через JSON-конфиг:

claude mcp add-json lumabyteco-clarifyprompt-mcp-6uk1iobvys "{\"command\":\"npx\",\"args\":[\"-y\",\"clarifyprompt-mcp\"],\"env\":{\"LLM_API_URL\":\"http://localhost:11434/v1\",\"LLM_MODEL\":\"qwen2.5:7b\"}}"

Codex

Добавьте сервер командой в терминале:

codex mcp add lumabyteco-clarifyprompt-mcp-6uk1iobvys --env LLM_API_URL=http://localhost:11434/v1 --env LLM_MODEL=qwen2.5:7b -- npx -y clarifyprompt-mcp

Либо вручную в ~/.codex/config.toml(%USERPROFILE%\.codex\config.toml на Windows):

[mcp_servers.lumabyteco-clarifyprompt-mcp-6uk1iobvys]
command = "npx"
args = ["-y", "clarifyprompt-mcp"]

[mcp_servers.lumabyteco-clarifyprompt-mcp-6uk1iobvys.env]
LLM_API_URL = "http://localhost:11434/v1"
LLM_MODEL = "qwen2.5:7b"

Perplexity

MCP доступен подписчикам Perplexity Pro / Max / Enterprise. Локальные серверы — только в приложении для macOS.

Откройте Настройки аккаунта → Connectors.
Установите вспомогательное приложение PerplexityXPC (один раз).
Нажмите Add Connector → вкладка Simple.
В поле Server Name укажите LumabyteCo/clarifyprompt-mcp, а в поле команды запуска — строку ниже:

npx -y clarifyprompt-mcp

Нажмите Save и дождитесь статуса Running.

Windsurf

Откройте Windsurf Settings → Cascade → MCP Servers или отредактируйте файл ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "lumabyteco-clarifyprompt-mcp-6uk1iobvys": {
      "command": "npx",
      "args": [
        "-y",
        "clarifyprompt-mcp"
      ],
      "env": {
        "LLM_API_URL": "http://localhost:11434/v1",
        "LLM_MODEL": "qwen2.5:7b"
      }
    }
  }
}

Cline

В панели Cline нажмите иконку MCP Servers → Configure → Configure MCP Servers (или отредактируйте ~/.cline/mcp.json) и добавьте сервер:

{
  "mcpServers": {
    "lumabyteco-clarifyprompt-mcp-6uk1iobvys": {
      "command": "npx",
      "args": [
        "-y",
        "clarifyprompt-mcp"
      ],
      "env": {
        "LLM_API_URL": "http://localhost:11434/v1",
        "LLM_MODEL": "qwen2.5:7b"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

Continue

Создайте файл в .continue/mcpServers/ (например lumabyteco-clarifyprompt-mcp-6uk1iobvys.yaml) или добавьте блок в config.yaml. MCP работает только в режиме agent:

mcpServers:
  - name: lumabyteco-clarifyprompt-mcp-6uk1iobvys
    command: npx
    args:
      - "-y"
      - "clarifyprompt-mcp"
    env:
      LLM_API_URL: http://localhost:11434/v1
      LLM_MODEL: qwen2.5:7b

Zed

Выполните agent: add context server или откройте настройки (zed: open settings file) и добавьте сервер в объект context_servers:

{
  "context_servers": {
    "lumabyteco-clarifyprompt-mcp-6uk1iobvys": {
      "command": "npx",
      "args": [
        "-y",
        "clarifyprompt-mcp"
      ],
      "env": {
        "LLM_API_URL": "http://localhost:11434/v1",
        "LLM_MODEL": "qwen2.5:7b"
      }
    }
  }
}

Конфиг для установки сервера

{
  "command": "npx",
  "args": [
    "-y",
    "clarifyprompt-mcp"
  ],
  "env": {
    "LLM_API_URL": "http://localhost:11434/v1",
    "LLM_MODEL": "qwen2.5:7b"
  }
}

Нужен npx

Сервер запускается через npx
Без него ничего работать не будет.

Как установить npx