Вайб-кодинг в 1С = Infostart MCP серверы

Поддержка английского языка в справке синтакс-помощника

Обновлен парсер и загрузка (loader) справки синтакс-помощника для поддержки англоязычных alias'ов наименований объектов, методов и свойств платформы 1С:Предприятие.

Обновлен MCP-сервер по справке синтакс-помощника (mcp-help) для поддержки англоязычных запросов.

Для этого у обоих сервисов (контейнеров) нужно задать дополнительную переменную окружения CONF_LANG=en.

  loader:
    image: docker.f-pix.ru/mcp/loader:v1.6.1 # ОБНОВЛЕННАЯ ВЕРСИЯ
    container_name: loader
    ports:
      - "8501:8501"
    environment:
    ...
    - CONF_LANG=en  # опциональный параметр для поддержки справки синтакс-помощника англоязычных конфигураций 1С
    ...
  
  mcp-help:
    image: docker.f-pix.ru/mcp/mcp-help:v1.6.1 # ОБНОВЛЕННАЯ ВЕРСИЯ
    container_name: mcp-help
    ports:
      - "9092:8000"
      - "9002:9002"
    environment:
      ...
      - CONF_LANG=en
      ...

Новая версия выгрузки/загрузки описаний метаданных 1С:Предприятия

У первой версии генерации описаний метаданных через внешнюю обработку две фундаментальные проблемы:

1. Не поддерживались расширения конфигурации.
2. Не было возможности инкрементального обновления метаданных (актуализации изменений).

Решить эти проблемы получилось через работу с XML-выгрузкой конфигурации 1С:Предприятия.

Как это работает

Новый загрузчик работает следующим образом:

1. Берутся XML-файлы описания метаданных основной конфигурации и расширений и преобразуются в более компактное JSON-представление. При этом XML выгрузка позволила записывать в JSON больше видов метаданных, точнее типы и связи, а так же включить поддержку английского написания для англоязычных конфигураций.
2. Полученные JSON-файлы основой конфигурации объединяются с JSON-файлами расширений, при этом учитываются правила приоритета (назначения) расширений.
3. Затем полученные объединённые JSON-файлы загружаются в векторную базу Qdrant. Используется тот же контейнер векторизации embedding-service, та же БД Qdrant из первой версии. MCP-сервер же пришлось немного обновить для поддержки новых видов метаданных.
4. Можно включить отслеживание изменений в XML-файлах выгрузки и инкрементально обновлять JSON и векторную БД.

В парсинге XML предусмотрены настройки ускорения через многопоточность и пакетную обработку разных видов метаданных. Подозреваю, что это потребуется для ERP. На обычной же "Управлении торговлей", на обычном ПК (мобильный AMD Ryzen 7 6850H, 32 ГБ ОЗУ, SSD NVMe) даже с дефолтными настройками работает достаточно быстро:

• секунд 20-30 на генерацию всех итоговых JSON (с учетом расширений);
• 2-3 минуты на векторизацию и загрузку в Qdrant.

Соглашения о структуре проекта (директорий)

Чтобы не сильно усложнять настройки проекта, приняты следующие соглашение:

• В директории для выгрузки xml-файлов 1С должно быть две поддиректории Configuration для выгрузки основной конфигурации и Extensions для выгрузки расширений. Причем в Extensions должны быть поддиректории по названию расширений.
• Поддиректория Extensions - опциональная, будет работать и без нее.

^92;^72; /1c-src/               # Основная директория для XML-выгрузки 1С
   _00;^72;^72; Configuration/     # Поддиректория выгрузки основной конфигурации
   ^92;^72;^72; Extensions/        # Поддиректория выгрузки расширений конфигурации
       _00;^72;^72; Расширение1/
       ^92;^72;^72; Расширение2/

• Именно в таком виде директория .../Project/1c-src/ должна прокидываться (мапиться) в контейнер metadata-loader по пути /data/src.

Настройки контейнера metadata-loader

В основном те же настройки как в первой версии:

• Адрес векторной БД Qdrant: QDRANT_HOST, QDRANT_PORT
• Адрес сервиса векторизации: EMBEDDING_SERVICE_URL
• Путь к XML-файлами выгрузки 1С: SRC_DIR (мапится на /data/src)
• Размеры батчей: сколько файлов и сколько текстов обрабатывать за раз: FILES_BATCH_SIZE, EMBEDDING_BATCH_SIZE
• Параметр режима отслеживания изменений файлов XML: WATCHER_POLLING. Для Docker в Windows приходится включать режим опроса (polling), потому что нативные нотификации файловой системы не срабатывают. Но так как отслеживаются не все файлы, а только XML метаданных, то нагрузка минимальная и даже с pollig работает быстро.

Как использовать

После запуска контейнера metadata-loader (через docker-compose up -d metadata-loader) открываете web-сервис http://localhost:8502

• Указываете наименование коллекции векторной БД Qdrant. Коллекция будет автоматически пересоздана (или создана, если её нет).

1. Сначала генерируем полное описание и векторизацию метаданных через кнопку Преобразовать в json и загрузить в Qdrant.
2. Затем инициализируем небольшую табличку хешей для отслеживания изменения содержимого xml-файлов метаданных через кнопку 1-Инициализировать базу.

Отслеживаются именно изменения содержимого файлов, а не просто "касание" файлов. Берутся только файлы метаданных 1С, поэтому их получается не так много (относительно всех файлов выгрузки) и поэтому выполняется меньше минуты.

Затем кнопкой 2-Включить отслеживание запускается фоновый процесс, который будет регистрировать изменения файлов метаданных.

И по кнопке Актуализировать описания в Qdrant можно периодически актуализировать описание метаданных. Измененные объекты метаданных будут обновлены в векторной БД, новые объекты метаданных будут добавлены в векторную БД.

За счет этого обращения к MCP по метаданных от LLM агентов всегда будут отдавать актуальную информацию.

Пример JSON который будет получать LLM агент от MCP

{
  "internal_kind": "Document",
  "kind": "Документ",
  "name": "УстановкаЦенНоменклатуры",
  "synonym": "Установка цен номенклатуры",
  "numbering": { "type": "String", "length": 9, "allowed_length": "Variable",
    "periodicity": "Nonperiodical", "autonumbering": true, "check_unique": true },
  "posting": {
    "allow": true, "realtime": false,
    "registers": {
      "writes": [ { "ref": "РегистрСведений.ЦеныНоменклатуры" } ],
      "deletion_mode": "AutoDeleteOn",
      "writing_on_post": "WriteSelected",
      "sequence_filling": "AutoFillOn"
    }
  },
  "attributes": [
    { "name": "Комментарий", "type": "String(0)" },
    { "name": "Ответственный", "type": { "ref": "Справочник.Пользователи" } }
  ],
  "tabular_sections": [
    {
      "name": "ЦеныНоменклатуры", "synonym": "Цены номенклатуры",
      "attributes": [
        { "name": "Номенклатура", "type": { "ref": "Справочник.Номенклатура" } },
        { "name": "Цена", "type": "Number(15, 2)" }
      ]
    }
  ]
}

Список видов поддерживаемых метаданных

• Catalog / Справочник
• Document/ Документ
• InformationRegister / РегистрСведений
• AccumulationRegister / РегистрНакопления
• AccountingRegister / РегистрБухгалтерии
• Enum / Перечисление
• Constant / Константа
• ChartOfAccounts / ПланСчетов
• ChartOfCharacteristicTypes / ПланВидовХарактеристик
• BusinessProcess / БизнесПроцесс
• DocumentJournal / ЖурналДокументов
• ExchangePlan / ПланОбмена
• FilterCriterion / КритерийОтбора
• HTTPService / HTTPСервис
• WebService / WebСервис
• CommonAttribute / ОбщийРеквизит
• DefinedType / ОпределяемыйТип

Это все те виды метаданных, чьё описание имеет смысл. Единственное, что пока пропущено - это XDTO-пакеты, в силу того, что конкретно пакеты EnterpriseData... очень большие и их не получается одним ответом возвращать LLM агенту. Нужна для них отдельная логика, как их описание отдавать частями.

Изменения в docker-compose.yml

Изменилась версия образа контейнера mcp-metadata:

  mcp-metadata:
    image: docker.f-pix.ru/mcp/mcp-metadata:v1.6.0 # НОВАЯ ВЕРСИЯ
    container_name: mcp-metadata
  ...

Добавился новый сервис (контейнер) metadata-loader:

  metadata-loader:
    image: docker.f-pix.ru/mcp/metadata-loader:v1.6.0
    container_name: metadata-loader
    ports:
      - "8502:8501"
    environment:
      - PYTHONUNBUFFERED=1
      - EMBEDDING_SERVICE_URL=http://embedding-service:5000
      - QDRANT_HOST=qdrant
      - QDRANT_PORT=6333
      - SRC_DIR=/data/src
      - OUT_DIR=/data/out
      - FILES_BATCH_SIZE=50
      - EMBEDDING_BATCH_SIZE=25
      - WATCHER_POLLING=1
      - OMIT_EQUAL_SYNONYM=true # если синоним совпадает с именем, не включать его в JSON
      - CONF_LANG=ru
    volumes:
      - C:/you/project/1c-src:/data/src:ro # Путь к XML-выгрузке 1С (с поддиректориями Configuration и Extensions)
    restart: unless-stopped
    networks:
      - mcp-network

Векторная база данных Qdrant

Была проблема у некоторых пользователей, что не скачивался образ Qdrant с официального репозитория Docker Hub. Из-за этого пересобрал и перенес образ Qdrant в свой docker registry:

docker.f-pix.ru/mcp/qdrant:v1.15

Изменилась строка в docker-compose.yml:

  qdrant:
    image: docker.f-pix.ru/mcp/qdrant:v1.15 # НОВАЯ ССЫЛКА ОБРАЗА
    container_name: qdrant

Сервис векторизации (эмбеддингов)

Изменился базовый образ контейнера для поддержки GPU. По умолчанию он же работает на CPU, как и раньше. Но если есть видеокарта и захочется использовать более тяжелую модель векторизации, например, Qwen/Qwen3-Embedding-0.6B или 4B, то нужно будет сделать следующее:

• установлен и работает nvidia-smi
• установлен и работает nvidia container toolkit
• в docker-compose.yml раскомментировать строки блока deploy

  embedding-service:
    image: docker.f-pix.ru/mcp/embedding-service:v1.5 # НОВАЯ ВЕРСИЯ ОБРАЗА
    container_name: embedding-service
    ports:
      - "5000:5000"
    volumes:
      - ./embeddings/models:/root/.cache/huggingface/hub
    # опциональный блок GPU
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    environment:
    ...

MCP по справке синтакс-помощника

Была исправлена досадная ошибка в наименовании tool'a при запросе детальной справки по идентификатору статьи (help_details_by_id). Из-за этого агент LLM иногда путался и не находил информацию.

  mcp-help:
    image: docker.f-pix.ru/mcp/mcp-help:v1.5 # НОВАЯ ВЕРСИЯ ОБРАЗА
    container_name: mcp-help

Прочее

Добавлен пример настроек MCP для LLM-агента Continue.

По умолчанию отключен (закомментирован) контейнер mcp-inspector. Отключил, потому что почти во всех сервисах и MCP реализован тестовый HTTP API.

• MCP по Метаданным: переименованы инструменты и параметры, улучшены описания.
• MCP по справке Синтакс-помощника: переведён на RAG с гибридным поиском.
• Все MCP теперь поддерживают оба транспорта: SSE и HTTP.
• Обновлён загрузчик векторной БД для данных Синтакс-помощника.

1) MCP по метаданным

Пересмотрены названия инструментов и параметры: убрали неоднозначности, улучшили описания для LLM-агентов.

Пример: search → search_metadata, get_details... → metadata_details_by_id.

В исследовании Microsoft Research описана «интерференция инструментов»: при подключении нескольких MCP часто совпадают имена (особенно search). Claude Code частично решает это префиксами, но у многих агентов этого нет. Новые имена и аннотации уменьшают коллизии и повышают точность выбора инструмента.

2) MCP по Синтакс-помощнику

Перевели поиск на RAG с гибридным ранжированием: BM25 + векторное сопоставление.

Индексируем название, краткое описание и ключевые слова по документу.

Возвращаем LLM-агенту краткий список кандидатов, а он дозапрашивает детали по выбранному объекту.

Гранулярность ответов

• Для глобальных свойств и методов: текст обычно небольшой — отдаём целиком.
• Для встроенных типов (где описания большие): отдаём гранулярно — по конкретному свойству/методу.

Результат

Быстрее находим релевант и меньше «засоряем» контекст.

3) Транспортные протоколы (SSE и HTTP)

Оба MCP поддерживают SSE и HTTP. У ряда агентов SSE всё ещё основной — поэтому оставили поддержку.

Примеры

Новый загрузчик в векторную БД:

Новые имена инструментов и подробные аннотации: