Полная документация ниже — автоматически из репозитория dggalimov/mcp-1c-bp-skill (ветка main). Оригинальные материалы проекта распространяются на условиях его лицензии.

expert-1c-bp — «Эксперт по 1С:Бухгалтерия предприятия 8»

Автономный поисковый инструмент по методике 1С:Бухгалтерия предприятия 8 (редакция 3.0):
отвечает на вопросы строго по корпусу официальной документации ИТС
(db bp8doc + «Бухгалтерия 8 в примерах»), с указанием статьи-источника (со ссылкой) по каждому
факту. Поиск — семантический (векторы e5-large): вопрос можно задавать обычными словами,
движок ищет по смыслу. Ничего не выдумывает: если ответа нет — честно сообщает.

Технически это папка-скилл (стандарт Agent Skills: SKILL.md + scripts/ + data/) плюс
самодостаточный CLI scripts/retrieve.py. Работает в любом AI-редакторе, умеющем запускать shell:
Claude Code, opencode, Cursor, Hermes Agent и просто из терминала.

Как это устроено

• scripts/retrieve.py — семантический поиск (search(query, top_k) + CLI). Эмбеддит вопрос
  моделью e5-large и ранжирует чанки по косинусу; вопрос вне домена → пустой результат. Пути к
  данным находит сам (рядом с собой) — работает из любого места установки.
• config.json — параметры движка (модель, пороги, пути к данным).
• data/chunks.jsonl — корпус ИТС (~62 тыс. фрагментов из 359 статей). Не в git — в GitHub Release.
• data/vectors.npy + data/vectors-meta.json — векторный индекс. Не в git — в GitHub Release
  (собран заранее; локально пересобирать не нужно).
• reference/обновление-корпуса.md — рецепт пересборки корпуса из ИТС.
• tests/ — юнит-тесты движка (на мок-эмбеддере, офлайн) + golden на реальном корпусе.

Требования

• python3 3.11+ и зависимости движка: pip install numpy fastembed.
• Модель эмбеддингов (intfloat/multilingual-e5-large, ~2.24 ГБ) скачивается один раз при первом
  запросе и кэшируется — дальше поиск работает офлайн.
• gh (GitHub CLI), авторизованный и имеющий доступ к этому приватному репозиторию
  (gh auth login) — чтобы скачать корпус и индекс из релиза.

Шаг 1. Универсальная установка

Клонирует в текущий каталог и доустанавливает корпус + индекс из релиза:

gh repo clone dggalimov/mcp-1c-bp-skill && cd mcp-1c-bp-skill && bash install.sh

install.sh поставит зависимости, скачает корпус и индекс из последнего релиза, сверит sha256 с
manifest.json. После этого поиск готов из любого места:

python3 scripts/retrieve.py "как рассчитать амортизацию основного средства" --top-k 8

Первый запуск скачает модель (~2.24 ГБ) — это разово; дальше офлайн и быстро (~0.1 c на запрос).

Шаг 2. Подключение к вашему инструменту — одной командой

connect.sh сам разложит скилл в нужный каталог выбранной среды и доустановит данные. Запуск
прямо из репозитория (без ручного клона) — меняй последний аргумент на свою среду:

# Claude Code:
gh api repos/dggalimov/mcp-1c-bp-skill/contents/connect.sh \
  -H "Accept: application/vnd.github.raw" | bash -s -- claude

# opencode:
gh api repos/dggalimov/mcp-1c-bp-skill/contents/connect.sh \
  -H "Accept: application/vnd.github.raw" | bash -s -- opencode

# Hermes Agent:
gh api repos/dggalimov/mcp-1c-bp-skill/contents/connect.sh \
  -H "Accept: application/vnd.github.raw" | bash -s -- hermes

# Cursor (запускать из корня проекта — правило ляжет в ./.cursor/rules):
gh api repos/dggalimov/mcp-1c-bp-skill/contents/connect.sh \
  -H "Accept: application/vnd.github.raw" | bash -s -- cursor

# произвольный каталог установки:
gh api repos/dggalimov/mcp-1c-bp-skill/contents/connect.sh \
  -H "Accept: application/vnd.github.raw" | bash -s -- path /путь/к/каталогу

Что делает connect.sh <среда>: клонирует (или git pull, если уже стоит) скилл в каталог этой
среды, запускает install.sh (зависимости + корпус и индекс из релиза), а для Cursor ещё кладёт
правило .cursor/rules/expert-1c-bp.mdc с подставленным путём к скиллу. Куда ставится:

Уже склонировал репозиторий вручную? Тогда просто: bash connect.sh claude (или другая среда).

Любой другой инструмент / терминал

Вызывайте CLI; агенту достаточно инструкции «для вопросов по 1С:Бухгалтерия запусти
python3 <путь>/scripts/retrieve.py "<вопрос>" --top-k 8 и отвечай строго по найденным пассажам
со ссылкой на поле источник».

Тесты

python3 -m unittest tests.test_retrieve tests.test_build_corpus tests.test_golden   # из папки скилла

test_retrieve/test_build_corpus — офлайн (мок-эмбеддер, нужен только numpy); test_golden
сверяет ранжирование на реальном корпусе и пропускается без него.

Обновление корпуса

См. reference/обновление-корпуса.md (краул ИТС → articles.jsonl → build_corpus.py →
build_index.py). Параметры нарезки зафиксированы: окно 600 символов, overlap 100, префикс-заголовок.

⚠️ Данные и лицензия

Корпус (chunks.jsonl) — тексты официальной документации ИТС 1С (db bp8doc + примеры),
платный лицензионный контент. Только для пользователей с действующей подпиской ИТС.
Не публиковать и не распространять за пределы лицензированного круга. Репозиторий приватный
намеренно. Код скилла — внутренний инструмент.