UVL Analyzer MCP - FindMCP.info

Overview

基本能力

产品定位

UVL Analyzer MCP 是一个用于分析和处理特征模型的服务，适用于软件产品线工程和可变性管理领域。

核心功能

原子集识别：识别特征模型中的原子集，即一组在所有配置中总是共同出现的特征。
平均分支因子计算：计算特征模型中每个父特征的平均子特征数量，以评估模型的复杂性。
共性分析：测量特征在产品线配置中出现的频率，通常以百分比表示。
配置生成：生成特征模型的所有有效配置，每个配置代表一个可派生的有效产品。
配置数量计算：返回特征模型表示的有效配置总数。
核心特征识别：识别所有有效配置中都必须存在的特征（强制性特征）。
叶节点计数：计算特征模型中的叶节点数量（没有子节点的特征）。
死特征识别：识别由于模型中的约束和依赖关系而无法包含在任何有效产品配置中的特征。
配置数量估计：估计特征模型可以产生的不同配置总数。
假可选特征识别：识别表面上可选但实际上由于约束必须包含在每个有效产品配置中的特征。
特征祖先识别：识别给定特征的所有祖先特征。
配置过滤：根据指定条件筛选和选择配置子集。
叶特征识别：识别特征模型中的所有叶特征。
最大深度计算：找到特征树的最大深度，即从根节点到叶节点的最长路径。
可满足性检查：检查给定模型是否满足特征模型中定义的约束。

适用场景

软件产品线工程中的特征模型分析
可变性管理和配置生成
特征模型复杂性和质量评估

使用教程

使用依赖

Docker

确保已安装Docker并正确配置。

NPX

确保已安装Node.js和npm/npx。

安装教程

Docker

构建Docker镜像：

docker build -t mcp/uvlanalyzer .

在claude_desktop_config.json中添加以下配置：

{
  "mcpServers": {
    "uvl_analyzer": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "mcp/uvlanalyzer"
      ]
    }
  }
}

NPX

在claude_desktop_config.json中添加以下配置：

{
  "mcpServers": {
    "uvl-analyzer": {
      "command": "npx",
      "args": [
        "-y",
        "@lbdudc/mcp-uvl-analyzer"
      ]
    }
  }
}

调试方式

确保服务已正确启动并运行。
使用特征模型文件作为输入，验证各项功能是否按预期工作。
检查日志输出以排查任何潜在问题。

常见问题解答

许可证信息：该项目采用MIT许可证，允许自由使用、修改和分发软件。
依赖问题：确保已正确安装Docker或Node.js环境。
功能问题：如果某些功能无法正常工作，请检查输入的特征模型是否符合UVL规范。

许可证

该项目遵循 None 开源许可条款。