Bitten Sie ein allgemeines Sprachmodell darum, Ihnen eine Axon-Funktion zu schreiben, und Sie erhalten eine von zwei Antworten. Die ehrliche ist eine höfliche Absage. Die gefährliche ist ein selbstbewusster Codeblock, der rollupByDay() aufruft — eine Funktion, die es in keiner Version von SkySpark jemals gegeben hat.
Das ist kein Versagen der Intelligenz. Es ist ein Versagen der Exposition. Axon ist eine domänenspezifische Sprache zum Aufbau von Analysen: klein, eigenwillig und schön, mit einem Folio-Abfragemodell und einem defcomp-Komponentensystem, die in keinem Trainingskorpus ein Gegenstück haben. Das Modell hat Millionen Zeilen Python gelesen. Von Ihrem Code hat es annähernd nichts gelesen.
Axon MCP Server existiert, um das zu beheben — und zwar auf die unspektakuläre Art: nicht durch Fine-Tuning eines Modells, sondern indem der echte Korpus nur einen Tool-Aufruf entfernt bereitsteht.
Die Gestalt des Problems
Eine halluzinierte Axon-Funktion ist schlimmer als gar keine Antwort. In Python löst eine erfundene Methode innerhalb einer Sekunde einen AttributeError aus. In einer Plattform für Gebäudeanalytik kann eine plausibel aussehende Regel die Syntaxprüfung bestehen, an einem Live-Standort ausgerollt werden und einen Monat lang stillschweigend falsche Energiewerte produzieren, bevor jemand bemerkt, dass die Baseline abgedriftet ist.
Die Anforderung lautete deshalb nie „lass den Assistenten fließend klingen“. Sie lautete: Jeder Vorschlag muss aus etwas stammen, das tatsächlich existiert — und der Assistent muss das belegen können.
Was indexiert wird
Axon MCP Server indexiert drei Dinge und stellt sie alle über das Model Context Protocol bereit:
- SkySpark-Dokumentation — Tausende von HTML-Seiten, gecrawlt und in Chunks zerlegt
- Axon-Funktionen — aus synchronisierten Projektordnern und Offline-Bibliotheksexporten
- Operator-Verwendungen — echte Aufrufstellen, nicht nur Signaturen
Die zentralen Kennzahlen des aktuellen Release: über 4.000 Dokumentationsseiten in 30 bis 60 Sekunden indexiert, Abfragen in unter 50 Millisekunden beantwortet und ein 24-Stunden-Cache, sodass spätere Starts sofort erfolgen, statt kalt neu zu crawlen.
Warum der Parser wichtiger ist als das Embedding-Modell
Es ist verlockend, Indexierung als gelöstes Problem zu betrachten: die Datei alle 500 Token aufteilen, die Chunks einbetten, weitermachen. Für Fließtext funktioniert das passabel, für Code schlecht.
Teilt man eine Axon-Funktion nach einer festen Zeichenzahl, zerschneidet man regelmäßig einen do ... end-Block. Der erste Chunk enthält eine Bedingung ohne Rumpf. Der zweite einen Rumpf ohne Bedingung. Beide werden zu Vektoren eingebettet, die ungefähr nichts bedeuten, und beide werden bereitwillig als Suchergebnisse zurückkommen.
Axon MCP Server parst stattdessen mit einer eigens entwickelten Tree-sitter-Grammatik. Das bringt drei konkrete Vorteile:
- Chunks enden an Anweisungsgrenzen. Ein abgerufener Chunk ist ein vollständiger Gedanke, sodass der lesende Assistent gültigen Code sieht.
defcomp-Cells werden als Schnittstelle der Komponente sichtbar gemacht. Wenn jemand fragt, was eine Komponente entgegennimmt und zurückgibt, hat diese Frage eine strukturierte Antwort statt einer Vermutung aus dem umgebenden Text.- Kommentare bleiben als Suchsignal erhalten. Der Satz, der erklärt, warum eine Regel existiert, ist sehr oft die beste Übereinstimmung für eine natürlichsprachliche Frage — und ein naiver Parser wirft ihn als Nicht-Code weg.
Das Embedding-Modell erntet den Ruhm für die semantische Suche. Die Grammatik sorgt dafür, dass das, was eingebettet wird, überhaupt durchsuchenswert ist.
Fundiert statt eloquent
Der Unterschied, den das macht, ist alles andere als subtil.
Die rechte Spalte ist das gesamte Produkt. Der Assistent ist nicht clever; er ist rechenschaftsfähig. Er hat etwas gefunden, er kann zeigen, woher es stammt, und der Aufrufgraph, über den er dorthin gelangt ist, ist bidirektional — Sie können genauso leicht fragen, wer eine Funktion aufruft, wie was sie aufruft.
Der Stack, in Kürze
Durchgehend TypeScript, das das Model Context Protocol spricht. FlexSearch für die Stichwortsuche, LanceDB mit HuggingFace-Transformers-Embeddings für die semantische Suche, Tree-sitter für die Struktur, Prisma über SQLite für Projekt- und Index-Lauf-Metadaten sowie OAuth 2.1 am Web-Endpunkt.
Für den Betrieb wird Node.js 20 oder neuer benötigt. Alles andere funktioniert offline; eine laufende SkySpark-Instanz ist optional und schaltet lediglich Ausführungs- und Live-Query-Funktionen frei.
Für wen das tatsächlich gedacht ist
- SkySpark-Entwickler, die HVAC-, Energie- und Sparks-Logik schreiben und sich einen Pair-Programmer wünschen, der die Plattform kennt, statt Python-Muster darauf anzuwenden
- Gebäudeautomations-Integratoren, die Wissen konsolidieren, das derzeit über ein Dutzend Projektordner und das Gedächtnis eines Senior-Ingenieurs verteilt ist
- KI-gestützte Entwickler, die präzisen Kontext brauchen und gelernt haben, selbstbewusster Syntax zu misstrauen
Die letzte Gruppe ist das ehrliche Publikum. Der Wert liegt hier nicht darin, dass der Assistent klüger wird. Er liegt darin, dass er aufhört, sich bei einer Sprache, die ihm nie beigebracht wurde, selbstsicher zu irren.
Axon MCP Server ist source-available unter github.com/Project-SandStar/AxonMcpServer. Die Projektseite enthält die vollständige Tool-Übersicht und die Installationsanleitung.