Каталог MCP
LumabyteCo/clarifyprompt-mcp

LumabyteCo/clarifyprompt-mcp

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...

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, DALL-E, Sora, Runway, Higgsfield, ElevenLabs, Claude, ChatGPT, Cursor, or any of the 60+ supported platforms — with the right syntax, parameters, structure, and grounding.

New in 1.12.1: The real fix for #3 — thinking-channel models (gpt-oss, glm, …) now reliably produce optimized prompts instead of occasionally returning empty content. Root cause (re-investigated from scratch): they spend their token budget on the thinking channel first and never reach the final answer. The fix is a max_tokens floor for reasoning models (universal) plus reasoning_effort: "low" (for families that honor it, like gpt-oss; tune with LLM_REASONING_EFFORT) — not the previously-assumed /api/chat switch, which turned out to be a dead end. Verified on gpt-oss:20b-cloud and glm-5.2:cloud (both 0% empty). See CHANGELOG.md.

New in 1.12.0: Roadmap step #7 — ClarifyPrompt now speaks A2A (Agent-to-Agent). Set CLARIFYPROMPT_TRANSPORT=a2a and it serves as a discoverable A2A peer: an agent card at /.well-known/agent-card.json, a compile-prompt-for-platform skill over JSON-RPC (message/send) with live SSE streaming (message/stream), and first-class task cancellation + input-required clarification round-trips — all powered by the same compose pipeline. Other agents can now call ClarifyPrompt to compile prompts. stdio stays the default; nothing about existing setups changes.

Инструменты были проиндексированы: 11.09.2026

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
Category hint. Will skip questions about category/platform if you pass it.
cwdstring
Working directory to pull workspace rules (CLAUDE.md / AGENTS.md / .cursorrules) from. Defaults to server cwd.
elicitboolean
When true AND the connected client supports MCP elicitation, render the questions as a native form, collect the user's answers inline, and return them as answers (each question's suggested answer is the field default). Falls back to returning the raw questions when the client can't elicit. Default false (back-compat).
file_excerptstring
Short excerpt of the active file to ground the questions.
file_languagestring
Explicit language override for the active file.
file_pathstring
Active file path — informs the clarifier's defaults.
forceboolean
Always generate questions even when the analyzer is highly confident. Useful for UIs that want to surface clarification on every call.
max_questionsinteger
Cap on returned questions. Default 3, hard max 5.
promptstringобязательный
The draft prompt the user is unsure about.
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
When true AND post_critique is true AND verdict !== 'accept' AND there's an improvedPrompt: final_prompt becomes the rewritten version instead of the raw optimization.
categoryenum
clarify_modelstring
Override the LLM model for the clarify pre-stage. Default: env LLM_MODEL. Useful for per-stage cost/quality routing — e.g. run clarify on a cheap model while critique runs on a frontier one.
critique_criteriaobject[]
Override the default 6 critique criteria.
critique_modelstring
Override the LLM model for the critique judge AND rewrite.
cwdstring
enrich_contextboolean
file_excerptstring
file_languagestring
file_pathstring
include_bundleboolean
max_iterationsinteger
Max revise-loop iterations. With auto_revise: true AND post_critique: true, the engine can feed each iteration's improvedPrompt back through optimize+critique up to this cap. Stops early at verdict=accept or when there's no improvedPrompt. Default 1 (single-shot, no loop). Hard max 5 to prevent cost runaways.
max_questionsinteger
modeenum
optimize_modelstring
Override the LLM model for the optimize/ground core stage.
platformstring
post_critiqueboolean
Run the critique judge against the optimized output. Adds ~3-5s on a local model.
pre_clarifyenum
'auto' = run clarify only if analyzer confidence is low / prompt is short. 'always' = force clarify. 'never' = skip. When clarification questions surface, the chain stops; caller answers and re-calls.
promptstringобязательный
The prompt to compose.
revise_thresholdnumber
session_idstring
skip_intent_resolutionboolean
sourcesobject[]
When non-empty, the chain takes the strict ground_prompt branch (caller-provided sources pinned at highest priority).
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[]
Override the default 6 criteria. Up to ~8 dimensions; more bloats the judge call.
cwdstring
file_excerptstring
file_languagestring
file_pathstring
original_promptstring
If prompt is an optimized version, the user's original ask. Used for the intent_alignment dimension.
promptstringобязательный
The candidate prompt to critique.
revise_thresholdnumber
Overall score below this triggers the rewrite pass. Default 7.0.
skip_rewriteboolean
Skip the rewrite pass even when below threshold (faster; just returns scores).
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
Optional trace ID. If omitted, explains the most recent trace.

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
The prompt to optimize.
session_idstring
skip_intent_resolutionboolean
sourcesobject[]обязательный
Caller-provided grounding sources. Must be non-empty.
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
Filter by scope (e.g. 'user', 'project:myapp'). Omit to list all.

list_platformsтолько чтениеидемпотентный

Перечисляет доступные платформы для категории, включая пользовательские зарегистрированные платформы.

Перечисляет платформы

Параметры

categoryenumобязательный
Category to list platforms for

list_tracesтолько чтениеидемпотентный

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

Перечисляет трассировки оптимизации.

Параметры

daystring
UTC day YYYY-MM-DD; defaults to the most recent day with data
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
Override the pack name (else pulled from frontmatter).
scopestring
Scope to load under (e.g. 'user', 'project:myapp'). Defaults to pack frontmatter or 'user'.
sourcestringобязательный
Local file path, HTTPS URL, or inline markdown body (auto-detected).
source_typeenum
Override source-type detection. registry marks a pack as community-sourced.
versionstring
Override the pack version (else pulled from frontmatter or '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
Fact id (from memory_remember response, memory_search result, or memory_list_facts row).

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
Max facts to return. Default 50, hard max 100.
predicatestring
Optional predicate filter (e.g., only 'prefers' facts).
scopestring
Memory scope to filter by. Default 'user'. Examples: '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
0-1 confidence. Default 1.0 for explicit user remember. Reflection-extracted facts use 0.6-0.8.
objectstringобязательный
The concrete value. Example: 'TypeScript with strict mode'.
predicatestringобязательный
Short verb phrase. Examples: 'prefers', 'uses', 'avoids', 'requires', 'is'.
scopestring
Memory scope. Default 'user' (cross-session, cross-project). Use 'project:<name>' for project-local memory, 'session:<id>' for ephemeral session-only memory.
subjectstringобязательный
Who/what the fact is about. Examples: 'user', 'project', 'this codebase', a person's name.

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[]
Which memory kinds to search. Default: facts + pack chunks.
limitinteger
querystringобязательный
The search query — usually the user's intent or a paraphrase of a future prompt.

optimize_promptвнешний мир

Оптимизирует промпт для конкретной AI-платформы. Контекстно-зависимый сбор сигналов рабочего окружения (CLAUDE.md / AGENTS.md / .cursorrules / package.json) выполняется автоматически. За один шаг анализа определяет намерение, категорию и рекомендуемый режим, формирует системный промпт под возможности целевой модели и привязывает переписывание к приоритезированному Grounding Context. Поддерживает 58+ платформ в 7 категориях, а также пользовательские зарегистрированные платформы. Категория, платформа и режим — опциональны: движок выбирает разумные значения по умолчанию на основе анализа.

Оптимизирует промпт для платформы

Параметры

categoryenum
Prompt category. Auto-detected via the analyzer when omitted. When provided, the analyzer can still override if it's confident the hint is wrong.
cwdstring
Working directory to scan for CLAUDE.md / AGENTS.md / .cursorrules / package.json. Defaults to server cwd.
enrich_contextboolean
Use web search for context enrichment (Tavily/Brave/Serper/SerpAPI/Exa/SearXNG). Results merge into the single Grounding Context block.
file_excerptstring
Short excerpt (≤2 KB) of the active file to ground the rewrite
file_languagestring
Explicit language override for the active file
file_pathstring
Active file path — infers language and grounds the rewrite
include_bundleboolean
Include the full resolved ContextBundle in the response (same shape as inspect_context returns)
modeenum
Output mode. When omitted, the engine uses the analyzer's intent-derived recommendation (e.g. production-code → technical, quick-draft → concise). When passed, user choice wins.
platformstring
Target platform ID (e.g. midjourney, dall-e, sora, suno, claude, cursor, or a custom platform ID). Uses category default when omitted.
promptstringобязательный
The prompt to optimize
session_idstring
Session ID to stitch related optimizations so the engine can reuse accepted prior outputs as few-shot examples. Auto-generated when omitted.
skip_intent_resolutionboolean
Skip the analyzer LLM call (faster; loses intent/category/mode recommendations)
user_localestring
User locale hint (e.g. en-US, ar-EG)
user_pinned_instructionsstring
Pinned, always-applied user instructions (highest-priority grounding)

register_platform

Регистрирует новую пользовательскую AI платформу для оптимизации промптов.

Регистрирует пользовательскую платформу.

Параметры

categoryenumобязательный
Category this platform belongs to
descriptionstringобязательный
Short description
idstringобязательный
Unique platform ID (lowercase, alphanumeric with hyphens)
instructionsstring
instructions_filestring
labelstringобязательный
Human-readable platform name
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
Optional: the user's edited version or a diff. Helps reflection extract better facts.
optimization_idstringобязательный
The id returned from optimize_prompt
session_idstringобязательный
The sessionId returned from optimize_prompt. Required so the outcome lands in the right session bucket.
skip_reflectionboolean
Skip the LLM-based fact extraction pass (faster, no facts learned)
verdictenumобязательный
accepted = user used the output as-is; edited = user kept it with edits; rejected = user threw it away

unload_packидемпотентный

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

Выгружает пакет знаний

Параметры

idintegerобязательный
Pack id (as returned by 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[]

Github Сайт сервера

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

FAQ

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 оптимизирует промпты для 60+ AI-платформ (Midjourney, DALL-E, Claude, Cursor и других) с учётом контекста проекта: читает CLAUDE.md, AGENTS.md, .cursorrules, package.json и текущий файл. Он уточняет расплывчатые промпты вопросами, грунтует их по переданным документам, критикует и оценивает по шести шкалам, запускает пайплайн целиком. Работает с памятью: запоминает факты, ищет по смыслу, забывает ненужное, загружает и выгружает knowledge packs. Управляет платформами: регистрирует, меняет и удаляет кастомные, листит категории. Трассирует оптимизации и сохраняет исход.

Информация о сервере

Номер в рейтинге: #197
Звезд на Github: 12
Форков на Github: 2
Загрузок: 6 664
Язык реализации: TypeScript
Лицензия: Apache-2.0
Официальный сервер: Нет
Дата обновления данных: 10.09 в 23:38
Идентификатор: uXJpbKj6ny_tbwjF
Категории: RAG-системы, Знания и память, ИИ и машинное обучение, Инструменты для разработчиков, Исследования и данные