动机
为什么我们需要这个?
-
缺乏编译后上下文:AI 工具只能看到源代码;它们不知道最终编译后的例程是什么样子的。
-
宏幻觉:由于 AI 无法看到我们的
#include文件或系统宏,它常常会凭空编造这些内容,从而在调试过程中浪费时间。 -
文档缺口:深度逻辑优化通常需要理解内部宏,而公开文档中并未对此进行全面说明。
-
手动开销:目前,解决此问题的唯一方法是手动使用 IRIS VS Code 扩展来查找例程中的“真实情况”。
解决方案:这款 MCP 服务器为我们的 AI 提供了窥探 IRIS 实例内部的“眼睛”,使其能在向您建议代码之前自动读取例程并展开宏。
快速入门
请使用 ObjectScript 项目apiPub 试用此 MCP 服务器。
按 ctrl+shift+v 查看编译后的例程。在编译器术语中,这被称为可读中间代码。大型语言模型(LLMs)缺乏这种上下文——这就是为什么即使是前沿模型也会“发明”宏,因为它们不知道展开后的代码是什么样子的。
它们也不知道哪些 .inc 文件被导入了,也不知道其中 $$$xxx 宏展开后会变成什么样。
例如,一个 .inc 文件可能会显式包含系统宏:
如果您已连接到 IRIS 实例,则可以直接导航到这些宏文件:
如果不显式包含这些系统宏,就无法访问这些文件——而 LLM 对此完全无法察觉。
在 文件夹下,向 mcp.json



如你所见,在凌晨 2 点左右,一些内存被释放,然后突然下降到接近零。该系统正在 InterSystems IRIS 数据库上运行 IntelliCare EHR 应用程序。vmstat "信息来自一个收集 "vmstat"、"iostat "和许多其他系统指标的"^SystemPerformance "HTML文件。这个系统还发生了什么?现在是半夜,医院里应该没什么事。让我们看看数据库卷的
[参考资料].png)
.png)