Scala Metals-ի և նրա Model Context Protocol սերվերի հետ աշխատանքի սկիզբ
Բարձրացրեք գործակալների աջակցությամբ Scala մշակումը Metals MCP սերվերով, որը տրամադրում է այն համատեքստը, որն անհրաժեշտ է AI-ին բարձրորակ կոդ ստեղծելու համար։
AI-ի աջակցությամբ ծրագրային ապահովման մշակման մեջ AI գործակալները հաջորդ մեծ բանն են։
Հավանաբար դուք գոնե փորձարկել եք copilot տիպի կոդի լրացումները կամ copilot-ով աշխատող խմբագրման առաջարկները՝ ձեր կոդային բազաներում կոնկրետ խնդիրներ շտկելու համար։ Գործակալները գնում են մեկ քայլ առաջ. նրանք իրենց վրա են վերցնում գործողությունների պլանի կազմումը, ֆայլերի խմբագրումը, shell հրամանների կատարումը և այլն։ Այս ամենը տեղի է ունենում ի պատասխան ձեր սկզբնական prompt-ի, հետագա խոսակցության և իրենց գործողությունները կատարելուց ստացված հետադարձ կապի։
Սակայն գործակալը կարող է լինել այնքան լավը, որքան իր տրամադրության տակ եղած համատեքստը։ Իհարկե, դա ներառում է նախագծի ֆայլերը և prompt-ը, բայց երբեմն դա պարզապես ամբողջական պատկերը չէ։ Հենց այստեղ է օգնում MCP-ն. այն թույլ է տալիս AI մոդելին կանչեր անել արտաքին համակարգերի նկատմամբ։ Եվ քանի որ դա ստանդարտ է (ծագում է Anthropic-ից և այժմ ընդունված է Microsoft-ի, Google-ի և շատ ուրիշների կողմից), մեկ MCP սերվերը կարող է աշխատել Gemini, Claude և GPT մոդելների հետ հավասարապես։
MCP սերվերը կարող է բացահայտել գրեթե ցանկացած ֆունկցիոնալություն՝ եղանակի ստացումից, արտաքին համակարգերի, ինչպես GitHub-ի, հետ շփումից մինչև build համակարգի միջոցով տեղային հասանելի տեղեկության հարցում։ Գերազանց օրինակ է Scala-ի Metals սերվերը, որը ոչ միայն կարող է կոմպիլացնել նախագիծը, այլև այն է, ինչի վրա IDE-ները հենվում են կոդի լրացումների, տիպերի ստուգման, սիմվոլների ուսումնասիրության և այլնի համար։ Նոր ներդրված Metals-MCP ինտեգրացիան այս տեղեկությունը հասանելի է դարձնում AI մոդելներին։
Կարող եք նաև MCP սերվերները դիտել որպես հավելում այն ներկառուցված գործիքներին, որոնք գործակալներն արդեն ունեն (տրամադրված Copilot-ի agent ռեժիմի կամ Cursor IDE-ի ստեղծողների կողմից)։ Այդ ներկառուցված գործիքները ընդգրկում են այնպիսի բաներ, ինչպիսիք են ֆայլի պարունակության կարդալը, ֆայլի խմբագրումը կամ shell հրամանի կատարումը։ Լրացուցիչ MCP սերվերները, օրինակ՝ Metals-ինը, դա ընդլայնում են մինչև Scala սիմվոլների ուսումնասիրություն, կոդային բազայի կոմպիլյացիա կամ թեստերի գործարկում։ Գործակալների տեքստային պատասխանները այնուհետև կարող են պարունակել կանչեր և՛ ներկառուցված, և՛ լրացուցիչ գործիքների նկատմամբ։
Metals MCP-ի կարգավորում
Ենթադրում եմ, որ դուք արդեն ունեք Scala նախագիծ՝ տեղադրված Metals plugin-ով։ Եթե չունեք, լավ մեկնարկային կետ կարող է լինել պարզ HTTP API նախագիծ գեներացնելը ձևանմուշից, Metals plugin-ը VS Code marketplace-ից տեղադրելը և build-ը IDE ներմուծելը։ Եթե խնդիրների հանդիպեք, նայեք Metals-ի փաստաթղթերը։
Իրականում պարզապես Metals-ը տեղադրելն ու build-ը ներմուծելը արդեն շատ հեռու կտանի ձեզ գործակալների հետ աշխատանքում. տե՛ս ստորև linting ինտեգրացիան (այսինքն՝ նախազգուշացումները և սխալները, որոնք Metals-ը հաղորդում է ձեր սկզբնական ֆայլերում)։ MCP գործիքները դրա վրա ավելացնում են լրացուցիչ հնարավորություններ։
Visual Studio Code-ում
Բացեք Settings և որոնեք «MCP»։ Պետք է միացնել MCP-ն VS Studio Code-ում ընդհանրապես, ինչպես նաև Metals MCP սերվերը մասնավորապես.
Որպես այլընտրանք, կարող եք միացնել այս երկու կարգավորումները ձեր կոնֆիգուրացիայի ֆայլում.
"chat.mcp.enabled": true
"metals.startMcpServer": true
Երբ բացեք Metals-ով միացված նախագիծ, պետք է հայտնվի հետևյալ popup-ը (ձեր port-ը, ամենայն հավանականությամբ, այլ կլինի).
Հաջորդը բացեք Copilot Chat-ը և ընտրեք «Agent» ռեժիմը.
Stack պատկերակը (ձախից երրորդը) նշանակում է «գտնվել են նոր գործիքներ». սեղմեք դրա վրա՝ դրանք դիտելու համար։ Ձախից երկրորդ գործիքակազմի կոճակը սեղմելով՝ կարող եք նաև ընտրել, թե որ գործիքները կօգտագործվեն.
Metals MCP-ի կարգավորում Cursor-ում
Սկսեք՝ գնալով Settings -> VS Code Settings և որոնելով metals.startMcpServer կարգավորումը (օրինակ՝ որոնման միջոցով)։ Միացրեք այն, որպեսզի MCP սերվերը գործարկվի.
Cursor-ը այնուհետև պետք է ավտոմատ հայտնաբերի նոր MCP սերվերը և առաջարկի այն ավելացնել ձեր կոնֆիգուրացիային.
Եթե դա չի պատահում, բացեք Settings -> Cursor Settings -> MCP Tools և ստուգեք ցանկը։ Եթե այն դատարկ է, ձեռքով ավելացրեք նոր MCP Server, որը պետք է ձեզ համար բացի mcp.json-ը։ Դրա պարունակությունը պետք է մոտավորապես այսպիսին լինի.
{
"mcpServers": {
"chimp-metals": {
"url": "http://localhost:57525/sse"
}
}
}
Port-ը տարբերվում է տեղադրումից տեղադրում. ձերը կգտնեք Metals tab-ի տակ -> Check logs.
2025.06.05 10:40:52 INFO Metals MCP server started on port: 57525.
Երբ սա ավելացվի, MCP սերվերը պետք է երևա որպես աշխատող և ցուցակագրի այն 9 գործիքները, որոնք Metals MCP սերվերը ներկայումս բացահայտում է.
Metals MCP-ի օգտագործում
Ժամանակն է այն լավ օգտագործելու։ Բացեք agent chat-ը (AI Pane-ը Cursor-ում, Copilot Chat-ը VS Code-ում) և գործակալին տվեք առաջադրանք։ Անպայման ընտրեք «Agent» ռեժիմը, այլ ոչ թե «Ask»։ (Վերջինը լռելյայնն է VS Code-ում։)
Իմ դեպքում ես փորձում էի MCP սերվեր գրել Scala-ով (զրոյից)։ Դրա համար նախ պետք էր տվյալների մոդելը՝ սահմանված TypeScript-ով, փոխակերպել Scala-ի. բավականին մեխանիկական աշխատանք, իդեալական AI օգնականի համար։
Սա այն prompt-ն է, որով ես սկսեցի (մոդելի մի փոքր մասն արդեն սահմանված էր ավելի վաղ փորձերից).
Cursor-ը օգտագործում է իր ներկառուցված որոշ գործիքներ (վեբ որոնում, Tools.scala ֆայլի կարդալ)՝ գործողությունների պլան մշակելու համար։ Այնուհետև կարող եք դիտել, թե ինչպես է այն կատարելագործում դիզայնը՝ մոդելային դասերը ստեղծելով մի քանի իտերացիայի ընթացքում։
Երբ գեներացված կոդը հանգեցնում է կոմպիլյացիայի սխալի, Metals-ը նկատում է այն և հաղորդում որպես սովորական «linter error».
Երբ գործակալը սխալը նկատում է, փորձում է այն ինքնուրույն շտկել՝ ստեղծելով կոդի հաջորդ տարբերակը և լինտ անելով այն (այսինքն՝ կոմպիլացնելով և հետադարձ կապ ստանալով Metals compile սերվերից)։ Սակայն վերջում այն հանձնվում է և խնդրում է ձեզ միջամտել։
Երբեմն կնկատեք, որ գործակալը բացահայտորեն կանչում է MCP գործիքները՝ իր գեներացրած կոդը կոմպիլացնելու համար.
Այլ ժամանակ այն դիմում է sbt compile գործարկելուն shell հրամանի միջոցով.
Հիշեք, որ վերջին հաշվով գործարկվող հրամանները գեներացվում են LLM-ի կողմից։ Այն կարող է ստեղծել MCP գործիքը կանչելու հարցում, բայց նույնքան լավ կարող է որոշել, որ այս անգամ կգնա հին ձևով։
Դուք կարող եք որոշել՝ linter սխալներն ու MCP գործիքները կանչվում են ավտոմատ, թե պահանջում են ձեր հաստատումը։ VS Code-ը միշտ հարցնում է մինչ MCP գործիք գործարկելը։ Cursor-ում կարող եք սա սահմանել յուրաքանչյուր գործիքի համար կարգավորումներում, բայց լռելյայն այն ավտոմատ օգտագործում է հասանելի գործիքները (ի տարբերություն VS Code-ի)։ Բավականին հաճախ LLM-ը նաև կմտածի հարցեր, որոնք պահանջում են ձեր մուտքը և հաստատումը, օրինակ՝ երբ պետք է ընտրել գործողության որոշակի ընթացք։ Դա անկախ է MCP գործիքների գործարկումները հաստատելուց։
Գործակալները և Scala 3
Գործակալները բավականին լավ են գեներացնում Scala կոդ, և կոմպիլյատորից ստացվող արագ հետադարձ կապի ցիկլը (linter-ների կամ MCP գործիքների միջոցով) այն ավելի լավը է դարձնում։ Այնուամենայնիվ, գեներացված կոդի մեծ մասը հակված է Scala 2 ոճի լինել. import շարահյուսությունից, «braceful» շարահյուսությունից մինչև implicit-ներ given-ների փոխարեն և sealed trait-եր enum-ների փոխարեն։
Արդյունքում հաճախ պետք կլինի բացահայտորեն խնդրել Scala 3 կոդ, և նույնիսկ այդ դեպքում կարող եք դեռ ստանալ Scala 2 կոդ։ Այդ դեպքում պարզապես մեկ անգամ ևս խնդրեք ռեֆակտորինգ Scala 3 ոճի կամ sealed trait-երը enum-ներով փոխարինելու համար, և դուք ավելի կմոտենաք ցանկալիին։ Ավտոմատ ֆորմատավորումը scalafmt-ով (որը կարող է վերագրել փակագծերը, եթե կարգավորված է) կզբաղվի մնացածով։
Գործակալները կարող են շատ բան իրականացնել, բայց վերջին հաշվով դեռ պահանջում են շատ վերահսկողություն, և լավ արդյունքներ ստանալու համար պետք է իմանալ ձեր Scala-ն (կամ ինչ լեզվով էլ որ աշխատեք)։
Օգնեք Metals թիմին
MCP սերվերի արդյունավետությունը մեծապես կախված է նրանից, թե որքան լավն են գործիքների նկարագրությունները և որ գործիքներն են բացահայտվում սկզբից։ Բացահայտեք չափազանց շատ, և LLM-ը կարող է շփոթվել ու ընտրել սխալը։ Չափազանց քիչ, և ֆունկցիոնալությունը պարզապես հասանելի չէ։ Եթե ունեք գաղափարներ Metals թիմի համար, վստահ եմ՝ նրանք կողջունեն ձեր հետադարձ կապը։
Նայեք ընթացիկ MetalsMcpServer սահմանմանը (որոնեք new Tool(...) կանչերը)։ Prompt engineering-ը վերածվում է առանձին կարգապահության, և Cursor-ը դա լավ ցուցադրում է։ AI-first IDE-ն այնքան ուժեղ է, որքան իր օգտագործած prompt-ները։ Այնպես որ ներդրումները կարող են ներառել ոչ միայն նոր գործիքներ, այլև ավելի լավ prompt-ներ։
Իմ (դեռ շատ սահմանափակ) փորձի հիման վրա compile-file-ը ամենաշատ օգտագործվող գործիքն է։ Որոնելիս LLM-ը դեռ սովորաբար ընկնում է կոդային բազայում grep անելու վրա։ Մոդելին, օրինակ, find-usages գործիքն օգտագործել տալը պահանջում է շատ բացահայտ լինել.
Կարելի է պնդել, որ IDE-ի հին ձևի Go To References գործողությունը նույնն է անում՝ ավելի արագ և ավելի էժան։ Սակայն նպատակն այն է, որ մոդելը այս գործիքների վրա հենվի ավելի բարդ, ինքնուրույն կատարվող առաջադրանքներում։ Գուցե այս գործիքների նկարագրությունները պետք է կատարելագործվեն, կամ գուցե իմ կատարած առաջադրանքները պարզապես չէին պահանջում նման ֆունկցիոնալություն։
Անհրաժեշտ են հետագա փորձարկումներ. խնդրում եմ կիսվեք ձեր արդյունքներով։ :)