1C Litecode MCP
Локальный граф знаний конфигурации 1С для агента: Memgraph и ONNX-эмбеддинги без облака, для баз с сотнями тысяч процедур
Низкий риск
Низкий уровень ставим, когда запись в основном дает агенту инструкции и справочные материалы.
Почему такой уровень
- Работает только с выгрузкой отчета по конфигурации и исходниками, не подключается к рабочей базе
- Все вычисления и хранение локальные, код и метаданные никуда не отправляются
Установка
Ручная установка
docker compose build && docker compose up -d memgraph && docker compose up -d litecode-my_projectВыполняется в lite/ после подготовки docker-compose.yml из примера с путями к своим данным.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Сервер парсит отчет по конфигурации 1С, BSL-исходники, формы, роли и GUID-маппинг, складывает все в граф Memgraph (объекты метаданных, реквизиты, вызовы процедур, связи USED_IN и MOVEMENTS_IN) и индексирует семантически локальными ONNX-моделями E5-base и cross-encoder без обращения к внешним API. Агент получает два инструмента: search_metadata для структурного поиска по графу (14 операций: обзор, карточка объекта, дерево вызовов, права ролей, HTTP-сервисы и другое) и search_by_embedding для поиска по смыслу, когда точное имя объекта неизвестно. Работает в одном Docker-контейнере на связке Memgraph плюс sqlite-vec, экономнее по памяти, чем Neo4j с PyTorch, и способен проиндексировать конфигурацию с 638 тысячами BSL-процедур в потоковом режиме без переполнения памяти.
Для кого. Для 1С-разработчиков с большими конфигурациями, которым нужно, чтобы агент быстро находил нужный объект, процедуру или связь без ручного разбора отчета по конфигурации.
Подходит, если
- Конфигурация большая (тысячи объектов, десятки тысяч процедур) и агент теряется в ней без структуры
- Важно, чтобы код и метаданные не покидали локальную машину или сеть
- Нужен и точный структурный поиск (кто вызывает эту процедуру), и поиск по смыслу вопроса
Не подходит, если
- Нет отчета по конфигурации и выгруженных исходников для парсинга: сервер строит граф из них
- Нет возможности выделить 2.5 ГБ RAM на пиковую индексацию больших баз
- Нужна поддержка кириллицы в точном порядке регистра в графовых запросах: у Memgraph есть известное ограничение по toLower()
Пример запроса к агенту
Найди по смыслу, где в конфигурации формируются проводки по зарплате, и покажи тело этой процедурыОграничения
ONNX-модели для семантического поиска (E5-base, cross-encoder) не входят в образ и скачиваются отдельно, без них ENABLE_EMBEDDING=true упадет при старте. На CPU без GPU индексация 600 тысяч процедур занимает 10-18 часов, хоть и безопасно возобновляется после перезапуска. Memgraph не работает корректно с кириллицей в toLower(), поиск компенсирует это множественными вариантами регистра на стороне Python.
Как отключить. Остановите контейнеры командой docker compose down и удалите сервер проекта из конфигурации MCP клиента.
MCP
- Транспорт
- sse
- Авторизация
- не нужна
| Переменные окружения | |
|---|---|
| PROJECT_NAME обязательная | Уникальный идентификатор проекта для изоляции данных в общем Memgraph. |
| ENABLE_EMBEDDING | Включает семантический поиск, требует заранее скачанных ONNX-моделей. |
| MEMGRAPH_URI | Bolt URI для подключения к Memgraph, по умолчанию bolt://memgraph:7687. |
Проверка безопасности
- Работает только с выгрузкой отчета по конфигурации и исходниками, не подключается к рабочей базе
- Все вычисления и хранение локальные, код и метаданные никуда не отправляются
Коротко о README
README подробно сравнивает Lite с решением на Neo4j и PyTorch по памяти, скорости и стабильности, дает демо запуска за 60 секунд, описывает архитектуру (Memgraph, FastMCP по SSE, E5-base, cross-encoder, sqlite-vec), полный список MCP-операций для структурного и семантического поиска, встроенный бенчмарк-пайплайн с метриками P@1/P@3/P@5/MRR, таблицу переменных окружения, модель графа и известные ограничения по кириллице и скорости индексации на CPU.
Частые вопросы
Нужен ли доступ к живой базе 1С?
Нет, сервер работает с отчетом по конфигурации и выгруженными исходниками, к рабочей базе не подключается.
Можно вести несколько проектов одновременно?
Да, все проекты используют один Memgraph и изолируются по PROJECT_NAME, каждый со своим MCP-сервисом и портом.
Похожие
Набор скиллов, который задает агенту процесс разработки: уточнение задачи, план, TDD, субагенты и ревью кода
Скиллы Мэтта Покока для инженеров
Skills For Real Engineers
Небольшие компонуемые скиллы для инженерной работы с агентом: интервью по плану, TDD, диагностика багов, ревью и архитектура
Набор GitHub для разработки от спецификации: CLI specify ставит в проект команды и скиллы для агента, от принципов до реализации
Референсные MCP-серверы
Model Context Protocol servers
Официальные референсные MCP-серверы: Filesystem, Fetch, Git, Memory, Sequential Thinking, Time и Everything