Tripitaka MCP

MCP server for the full Pāli Tipiṭaka — ~444,000 segments at parity with SuttaCentral (Sutta + Vinaya + Abhidhamma).

От сообществаРаботаетБез входаГлобальныйБесплатноТолько чтение

Что умеет

Search By Keyword: ค้นหาข้อความในพระไตรปิฎกด้วย keyword ค้นหาแบบ trigram (word similarity) บนภาษาที่เปิดใช้งานในเซิร์ฟเวอร์. สามารถกรองผลลัพธ์ตามปิฎกและฉบับแปลได้. 💡 **คำแนะนำสำหรับ AI client:** Cano
Get Sutta: ดึงเนื้อหาสูตร/กัณฑ์ตาม ID — return เนื้อหาเต็มทุก segment ใช้รหัสมาตรฐาน SuttaCentral เช่น: - `mn1` = มัชฌิมนิกาย สูตรที่ 1 (Mūlapariyāyasutta — มูลปริยายสูตร, 334 segments) - `dn22` = ทีฆ
Search Semantic: ค้นหาแบบ semantic — ค้นหาตามความหมาย ไม่จำเป็นต้องตรงคำ ใช้ vector similarity search (cosine distance) บน `text_pali` ที่ embed ด้วย multilingual MiniLM model. 🤔 **ส่วนใหญ่คุณควรใช้

Какие данные видит

Нужен ли аккаунт

Не нужен: сервер работает без входа

MCP server for the full Pāli Tipiṭaka — ~444,000 segments at parity with SuttaCentral (Sutta + Vinaya + Abhidhamma). Hybrid search, full-sutta fetch with cross-references, segment-aligned translation comparison, and Pāli word lookup. Offered as Dhamma Dāna.

Список инструментов сервера (10)

Технические названия из tools/list. Нужны только разработчикам.

search_by_keyword	ค้นหาข้อความในพระไตรปิฎกด้วย keyword ค้นหาแบบ trigram (word similarity) บนภาษาที่เปิดใช้งานในเซิร์ฟเวอร์. สามารถกรองผลลัพธ์ตามปิฎกและฉบับแปลได้. 💡 คำแนะนำสำหรับ AI client: Canonical reference ของระบบคือบาลีโรมัน (จาก SuttaCentral). ถ้า user ถามเป็นภาษาที่ปิด (หรือไม่อยู่ใน supported set) ให้แปล keyword เป็น บาลีโรมัน (preferred) หรืออังกฤษก่อนเรียก tool นี้ — เช่น "ทุกข์" → "dukkha", "อานาปานสติ" → "ānāpānassati". ดูภาษาที่ใช้ได้ใน server instructions ด้านบน. 🔍 เลือก tool ค้นหาให้เหมาะกับงาน: - หาคำเป๊ะ (term lookup) — เช่น "appearances of `ānāpānassati`": ใช้ tool นี้ ดี เพราะ trigram match ตรงคำสุด - หา "เนื้อหาเรื่อง X" (concept search) — เช่น "discourses about mindfulness of breathing": ใช้ `search_hybrid` แทน เพราะ canonical Pāli มีลักษณะที่ keyword search หา concept ได้ไม่ครบ: • คำสำคัญในชื่อหมวด (`Ānāpānapabba`) ไม่ได้อยู่ในเนื้อหาคำสอน ที่ใช้ verb อื่น (`assasati`, `passasati`, `dīghaṁ`, `rassaṁ`) — เช่น DN22 Ānāpānapabba มี 16 segments แต่คำว่า `ānāpāna` ปรากฏแค่ 2 ที่ (header + footer) — เนื้อหาจริงจะหาไม่เจอ • Stock phrases (เช่น `So satova assasati, satova passasati`) ปรากฏซ้ำใน 10+ สูตร — keyword จะ rank ผลกว้าง ไม่ชี้สูตรเฉพาะ - ค้นทั่วไปจาก keyword เดียว — ใช้ `limit≥30` แล้วกรองเอง หรือเรียกหลายคำที่เกี่ยวข้อง (root verb + noun + compound)
get_sutta	ดึงเนื้อหาสูตร/กัณฑ์ตาม ID — return เนื้อหาเต็มทุก segment ใช้รหัสมาตรฐาน SuttaCentral เช่น: - `mn1` = มัชฌิมนิกาย สูตรที่ 1 (Mūlapariyāyasutta — มูลปริยายสูตร, 334 segments) - `dn22` = ทีฆนิกาย สูตรที่ 22 (Mahāsatipaṭṭhānasutta — มหาสติปัฏฐาน, 454 segments) - `dn16` = ทีฆนิกาย สูตรที่ 16 (Mahāparinibbānasutta — สูตรยาวที่สุด 1,664 segments) - `sn56.11` = สังยุตต์ 56.11 (Dhammacakkappavattana — ธัมมจักกัปปวัตตนะ) - `mn62` = มัชฌิมนิกาย 62 (Mahārāhulovāda — สอนพระราหุล) - `dhp1-20` = Dhammapada verses 1-20 (KN ใช้ range format) - `mil3.1.1` = Milindapañha 3.1.1 (paracanonical, 3-4 level id) 💡 คำแนะนำสำหรับ AI client: - Quote text_pali / text_english โดยตรงจาก segment — อย่าดึงจาก training memory. ระบบ verify ได้, AI หลายครั้งจำผิดได้ - Segment สั้นๆ ลงท้ายด้วย `:0.1` หรือ `:0.2` มักเป็น header (ชื่อ นิกาย/สูตร) ไม่ใช่เนื้อหา teaching จริง — เริ่ม content จาก `:1.1` - Segment ที่ลงท้ายด้วย "...niṭṭhitaṁ" (เช่น `mn1:194.10` = "Mūlapariyāyasuttaṁ niṭṐhitaṁ paṭhamaṁ") เป็น colophon ปิดสูตร - Segments ที่มี `…pe…` (peyyāla = เปยยาล) คือ abbreviated repetition ไม่ใช่ข้อมูลขาดหาย — ตำราบาลีย่อด้วยวิธีนี้ - response มี `cross_reference` field — render เป็น markdown clickable ใน reply เพื่อให้ user verify ต้นฉบับได้ ✅ Coverage (v1.1+): ครบ 3 ปิฎก เทียบเท่า SuttaCentral bilara-data - Sutta Piṭaka (DN/MN/SN/AN/KN): ✅ ครบ Pāli + Sujato EN (5,791 sections) - Vinaya Piṭaka: ✅ ครบ Pāli + Brahmali EN — ใช้ SC codes เช่น `pli-tv-bu-vb-pj1` (ปาราชิก ๑), `pli-tv-bi-vb-pj1` (ภิกขุนี), `pli-tv-kd1` (มหาวรรค), `pli-tv-pvr10` (ปริวาร), `pli-tv-bu-pm` (ภิกขุปาฏิโมกข์) - Abhidhamma Piṭaka: ✅ ครบ 7 books (ds, vb, dt, pp, kv, ya, patthana) — Pāli only (bilara ไม่มี EN ทุก translator)
search_semantic	ค้นหาแบบ semantic — ค้นหาตามความหมาย ไม่จำเป็นต้องตรงคำ ใช้ vector similarity search (cosine distance) บน `text_pali` ที่ embed ด้วย multilingual MiniLM model. 🤔 ส่วนใหญ่คุณควรใช้ `search_hybrid` แทน — มันรวม semantic นี้กับ keyword search แล้ว ranking ดีกว่า. ใช้ tool นี้เฉพาะเมื่อ: - ต้องการ pure semantic (ไม่ต้องการ keyword influence) - อยาก tune `threshold` ละเอียด (hybrid ใช้ RRF ปรับยาก) - debug ดูว่า semantic จับอะไรได้บ้างเทียบกับ keyword ⚠️ ข้อจำกัดที่ทราบ: - Index = บาลีเท่านั้น (English/Thai ใช้ได้แต่ผ่าน multilingual embedding ที่ไม่ได้ tune บน Pāli) - English query มัก embed ดีกว่าไทย (model tune EN เป็นหลัก) - คำเฉพาะตัว (`appamāda`, `dukkha`) ที่ค้นแบบ exact ดีกว่า → ใช้ `search_by_keyword` - Stock phrases บาลีปรากฏในหลายสูตร → similarity score กระจัดกระจาย, อ่าน top 10 อย่ายึดแค่ rank 1
search_hybrid	ค้นหาแบบผสมผสาน (Hybrid Search) — รวมพลัง Keyword + Semantic ใช้เทคนิค RRF (Reciprocal Rank Fusion) เพื่อนำผลลัพธ์จาก การค้นหาคำตรงๆ มารวมกับผลลัพธ์จากการค้นหาความหมาย — เป็น tool ที่แนะนำสำหรับ "หาเนื้อหาเรื่อง X" เพราะ semantic ช่วย จับสูตรที่พูดถึง concept เดียวกันแม้ใช้คำต่างกัน (เช่น คำสอน อานาปานสติบางสูตรใช้ `assasati/passasati/dīghaṁ` แทน `ānāpānassati`). 💡 คำแนะนำสำหรับ AI client: - Query ภาษาอังกฤษมักได้ผลดี (เช่น `mindfulness of breathing`) เพราะ embedding model เป็น multilingual แต่ tuned สำหรับ EN เป็นหลัก - Stop word ภาษาไทยอ่อน — ถ้า query ไทยไม่ได้ผลดี ให้ AI client แปลเป็นบาลี/อังกฤษก่อน (ดู server instructions) - default `limit=5` มักน้อยเกินสำหรับ topic survey — ถ้าต้องการ coverage ดี ใช้ `limit=15-20` (max 20) - Ranking ตาม similarity ไม่ใช่ canonical importance — สูตรหลัก (locus classicus) เช่น MN118, DN22 อาจ rank ต่ำกว่าสูตรเล็ก ถ้าสูตรเล็กมีคำเป๊ะกว่า. ใช้ผลลัพธ์เป็น "starting point" แล้วต่อด้วย `get_sutta` สำหรับสูตรเฉพาะที่เป็น canonical reference
list_structure	แสดงโครงสร้างพระไตรปิฎกทั้ง 3 ปิฎก พร้อมสถิติ coverage 💡 ใช้ tool นี้เมื่อ: - User ถามภาพรวมพระไตรปิฎก (มีอะไรบ้าง / นิกายอะไร) - ตรวจ coverage ก่อนสัญญาว่าจะค้นได้ — ดู segment_count > 0 เป็นตัว ตัดสินว่า sub-collection นั้นโหลดแล้ว - Verify scope สำหรับการ compile artifact 📊 State ปัจจุบัน v1.1+ (เทียบเท่า SuttaCentral bilara-data): - Sutta Piṭaka ครบ: DN 37, MN 155, SN 1,829, AN 1,419, KN 2,351 sections (~284,702 segments รวม) — Pāli + Sujato EN - Vinaya Piṭaka ครบ: Bhikkhu Vibhaṅga 222, Bhikkhunī Vibhaṅga 127, Khandhaka 22, Parivāra 51 + Pātimokkha 2 (~71,557 segs) — Pāli + Brahmali EN - Abhidhamma Piṭaka ครบ: 7 books (ds, vb, dt, pp, kv, ya, patthana) ~88,414 segs — Pāli only (bilara ไม่มี EN ทุก translator) - รวม ~444,673 segments ใน DB ⚠️ Quirks ที่ยังอยู่: - Schema มี duplicate codes legacy + SC modern ใช้ co-exist: - Vinaya: `vin-v/vin-m/vin-c/vin-p` (legacy, segment_count = 0) คู่กับ `pli-tv-bu-vb/pli-tv-bi-vb/pli-tv-kd/pli-tv-pvr` (active, มี segments) - Abhidhamma: `ym/pt` (legacy = 0) คู่กับ `ya/patthana` (active) - เลือก code ที่ segment_count > 0 ตอนใช้งาน — ตัวอื่นเป็น metadata placeholder จาก migration เก่า 🌐 ภาษา: ส่งกลับ Pāli + Thai + English labels เสมอ (metadata ไม่ใช่ segment text); text content ตามภาษาที่ ENABLED_LANGUAGES บอก. ตอนนี้ ฉบับแปลไทยใน DB ยังไม่มี — Thai user ใช้ cross_reference 84000.org เพิ่ม Returns: โครงสร้างแบบ hierarchical: - pitakas{vinaya/sutta/abhidhamma} → nikayas[] - แต่ละ nikaya: code, name (3 ภาษา), sutta_count, segment_count
get_reference	สร้างข้อมูลอ้างอิง (citation) ที่ถูกต้องสำหรับสูตร 💡 ใช้ tool นี้เมื่อ: - User ขอ citation สำหรับงานวิชาการ/บทความ/อ้างอิง - ต้องการรู้ตำแหน่งในพระไตรปิฎก (ปิฎก/นิกาย) ของสูตร - ต้องการ formatted citation string พร้อมใช้ 🔗 vs `get_sutta`: tool นี้ return เฉพาะ metadata + citation ไม่มี segments; ใช้คู่กับ `get_sutta` เมื่ออยากได้ทั้งเนื้อหา + citation
list_editions	แสดงรายการฉบับแปลที่มีในระบบ พร้อมสถิติ coverage 💡 ใช้ tool นี้เมื่อ: - ก่อนเรียก `compare_translations` หรือ `get_sutta(edition=...)` — เพื่อรู้ว่าใช้ค่า edition อะไรได้บ้างและฉบับไหนคุ้มเทียบ - User ถามว่ามีฉบับแปลใดบ้างใน DB 🔍 กรอง: Tool นี้ filter ตาม `TRIPITAKA_ENABLED_LANGUAGES` ของเซิร์ฟเวอร์ — Thai disabled → return empty list. ทำงานเฉพาะภาษาที่เปิดอยู่ ⚠️ State ปัจจุบัน: DB ส่วนใหญ่มีแต่ Pāli (default จาก SuttaCentral bilara) + English (Sujato). Thai editions (`dhiranandi`, `jayasaro`, `mbu`, `royal`) ยังไม่ได้ index — return empty จนกว่าจะ load Returns: list ของ edition object แต่ละตัวมี: - edition: รหัสฉบับ เช่น "sujato", "dhiranandi", "mbu" - translator: ชื่อผู้แปล - language: รหัสภาษา ISO ("pi", "en", "th") - segment_count: จำนวน segments ที่มีคำแปลใน edition นี้ - sutta_count: จำนวนสูตรที่มีคำแปล
compare_translations	เปรียบเทียบคำแปลทุกฉบับที่มีสำหรับ segment เดียวกัน 💡 ใช้ tool นี้เมื่อ: - User ถามความหมาย/การแปลของบรรทัดเดียวจากบาลี ที่อยากเทียบหลายผู้แปล - ตรวจสอบว่าผู้แปลแต่ละคนตีความต่างกันยังไง (เช่น คำเทคนิค `dukkha`, `anattā`, `nibbāna` มี nuance ในการแปลต่างกัน) - งานวิชาการที่ต้อง quote multiple translations 🔍 vs `get_sutta`: tool นี้ targets 1 segment (line-level), ส่วน `get_sutta` targets ทั้งสูตร. ถ้าอยากเทียบทั้งสูตร ต้องเรียก `compare_translations` หลาย segment 📋 Format ของ segment_id: `<sutta_id>:<paragraph>.<line>` เช่น `mn1:171.4` (Mūlapariyāyasutta paragraph 171 line 4 — "Nandī dukkhassa mūlaṁ"). หา segment_id จาก `get_sutta` หรือ search results ⚠️ State ปัจจุบัน: Translation table ยังว่าง (DB load เฉพาะ default Pāli+English จาก bilara). `total_editions` มักเป็น 0; `text_pali` กับ `text_english` ใช้ได้เสมอ. Thai editions เพิ่มทีหลัง
get_word_definition	ดึงความหมายพจนานุกรมของคําศัพท์บาลี พร้อมด้วยตัวอย่างประโยคบริบทในพระสูตร ใช้เป็น Pali Dictionary Bridge เพื่อทำความเข้าใจความหมายแท้จริงของคำ โดยนำเสนอ "นิยาม" ควบคู่กับ "บริบทที่พระพุทธองค์ทรงใช้จริง" 📖 เกี่ยวกับฐานข้อมูลพจนานุกรม: Tool นี้ใช้พจนานุกรมต้นฉบับหลายเล่ม รวมถึง "พจนานุกรมพุทธศาสน์ ฉบับ ประมวลศัพท์" ของสมเด็จพระพุทธโฆษาจารย์ (ป. อ. ปยุตฺโต) ที่เป็นภาษาไทย — เนื้อหาเหล่านี้เป็น ผลงานต้นฉบับวิชาการที่สมบูรณ์อยู่แล้ว (ไม่ใช่ คำแปล) จึง เปิดให้ใช้ได้เสมอ แม้ ENABLED_LANGUAGES จะปิดภาษาไทย. AI client ควรแปลเนื้อหาผลลัพธ์ภาษาไทยเป็นภาษาผู้ใช้เองหากจำเป็น.
parse_pali_word	วิเคราะห์คำบาลีเพื่อหารากศัพท์ (Stemming / Lemmatization เบื้องต้น) 💡 ใช้ tool นี้เมื่อ: - เจอคำบาลีในข้อความ (เช่น `dukkhassa`, `bhikkhūnaṁ`) แล้ว `get_word_definition` หาไม่เจอ — Pāli inflect คำตามวิภัตติ ๘ × วจน ๒ = ๑๖ form ต่อราก - ต้องการแยก compound word (`sammāsambuddhassa` → `sammā` + `sambuddha` + `-ssa` genitive) - ดู possible stems ก่อนค้นต่อใน `get_word_definition` 🔄 Workflow แนะนำ: `parse_pali_word(inflected_form)` → ได้ `possible_stems[]` → เรียก `get_word_definition(stem)` ทีละ stem จนเจอ definition ⚠️ ข้อจำกัด: - เป็น rule-based เบื้องต้น — ตัด common suffixes (case endings, vowel shortening) ไม่ใช่ full morphological analyzer - Compound words (samāsa) ไม่ได้แยก — เช่น `dukkhanirodha` ไม่ตัดเป็น `dukkha` + `nirodha` - ไม่จับ sandhi (เสียงเชื่อม) เช่น `tena ahaṁ → tenāhaṁ` - ผลลัพธ์เป็น possible stems — ต้อง verify ผ่าน `get_word_definition`