Submit
hongyue0721

LorAI MCP

Community hongyue0721
Updated

MCP server + C# mod for Library of Ruina AI agent

LorAI MCP

Library of Ruina AI Agent — 让 AI 通过 MCP 协议直接操控《废墟图书馆》。

An MCP (Model Context Protocol) server + in-game C# mod that lets AI agents play Library of Ruina — reading game state, navigating UI, fighting battles, and selecting emotion cards.

架构

┌──────────────┐     MCP (stdio)      ┌──────────────┐     HTTP      ┌──────────────┐
│   AI Agent   │ <──────────────────> │  Python MCP  │ <──────────> │   C# Mod     │
│  (LLM brain) │     tools call       │  (lor_mcp)   │  localhost    │  (LorAIHost) │
└──────────────┘                      └──────────────┘   :17127     └──────────────┘

设计原则：LLM 做决策，工具做执行。

  • AI 读取游戏状态（关卡、血量、手牌、敌人）
  • AI 决定打哪个关卡、选哪张情绪卡
  • 工具负责执行：导航 UI、出牌、选择情绪卡、推进 phase

快速开始

前置条件

依赖 版本
Steam 安装 Library of Ruina (1.1.0.6a13)
Python 3.10+
.NET SDK 4.7.2 兼容（Visual Studio Build Tools 或 .NET SDK）
BaseMod 游戏内 Mod 加载器

Step 1: 安装 MCP Server

pip install lor-mcp-server

Step 2: 配置 MCP（一键自动）

安装后直接运行配置脚本，自动检测并注册到所有已安装的 AI 客户端：

lor-mcp-setup

支持的客户端：

客户端 配置文件位置
kimi-code ~/.kimi-code/mcp.json
Claude Code .mcp.json（项目目录）
Claude Desktop claude_desktop_config.json
Cursor .cursor/mcp.json（项目目录）
Windsurf mcp_config.json
Cline (VS Code) cline_mcp_settings.json

lor-mcp-setup 会自动检测哪些客户端已安装，只写入检测到的。也可以手动指定：

  • lor-mcp-setup --client kimi — 只注册到指定客户端
  • lor-mcp-setup --all — 注册到全部已知客户端
  • lor-mcp-setup --list — 查看检测结果
  • lor-mcp-setup --unregister — 取消注册

Step 3: 部署 C# Mod 到游戏

从 GitHub 下载 LorAIHost Release，或自行编译：

git clone https://github.com/hongyue0721/lorAI-mcp.git
cd lorAI-mcp/LorAIHost
# 修改 LorAIHost.csproj 中的 <GameDir> 为你的游戏路径
dotnet build -c Release

部署到游戏目录：

GAME_DIR="/c/Program Files (x86)/Steam/steamapps/common/Library Of Ruina"
mkdir -p "$GAME_DIR/LibraryOfRuina_Data/Mods/LorAIHost/Assemblies"
cp bin/Release/LorAIHost.dll "$GAME_DIR/LibraryOfRuina_Data/Mods/LorAIHost/Assemblies/"
cp StageModInfo.xml "$GAME_DIR/LibraryOfRuina_Data/Mods/LorAIHost/"

启动游戏，在 BaseMod 管理器中启用 LorAIHost，然后重启游戏。

验证

  1. 从 Steam 启动游戏，等待标题画面
  2. 测试 bridge 连接：
curl http://localhost:17127/health
# {"status":"ok","version":"1.0.0"}
  1. 重启你的 AI 客户端，调用 health_check 工具确认 MCP 连通

给 AI Agent 的指令

把下面这段话发给任意支持 MCP 的 AI 客户端（kimi-code / Claude Code / OpenCode / Cursor 等），它会自动完成安装和配置：

帮我安装并配置 Library of Ruina 的 MCP server。执行以下步骤：
1. 运行 pip install lor-mcp-server
2. 运行 lor-mcp-setup（自动注册到你的 MCP 配置）
3. 完成后告诉我需要重启客户端才能生效

项目结构

lorAI-mcp/
├── lor_mcp/                   # Python MCP Server
│   ├── server.py              # FastMCP 入口 + 基础 tools
│   ├── tools.py               # Guided tools（战斗自动化）
│   ├── setup.py               # MCP 一键注册脚本（lor-mcp-setup）
│   ├── config.py              # 配置
│   └── state.py               # 状态模型
├── LorAIHost/                 # C# Mod（HTTP bridge + 状态导出 + 战斗自动化）
│   ├── LorAIHostMod.cs        # ModInitializer 入口
│   ├── HttpServer.cs          # HTTP 服务（端口 17127）
│   ├── StateExporter.cs       # 游戏状态导出
│   ├── ActionHandler.cs       # Action 分发
│   ├── AdvancedActions.cs     # 选书/情绪卡/phase 推进/战斗单位导出
│   ├── BattleActions.cs       # 出牌/确认/结束战斗
│   ├── NavigationActions.cs   # UI 导航
│   ├── StoryActions.cs        # 剧情跳过
│   ├── UtilityActions.cs      # 反射调用/诊断
│   ├── UpdateHook.cs          # 主线程队列
│   ├── ReflectionHelper.cs    # 反射工具库
│   ├── JsonHelper.cs          # JSON 序列化
│   ├── StageModInfo.xml       # Mod 元数据
│   └── LorAIHost.csproj
├── pyproject.toml
└── requirements.txt

MCP 工具一览

读取（Read）

工具 说明
health_check 检查 bridge 是否在线
get_game_state 完整游戏状态（navigation/battle/stages/inventory）
get_battle_units 所有战斗单位详情（HP/骰子/手牌/buff）
get_emotion_candidates 当前可选的情绪卡列表（index/name/state/level）
get_stage_info 指定关卡信息
get_state_layer 获取状态的某一层（navigation/battle 等）
get_static_data_list 列出静态数据文件
get_game_data_item 查询单个游戏数据（卡牌/书籍/敌人）

战斗（Write）

工具 说明
start_battle 启动指定关卡（自动选 HP 最高的书 → 进战斗）
battle_loop 自动打完整场战斗（出牌 + 情绪卡 + 异常恢复）
play_round 手动打一轮（停骰子 → 出牌 → 确认）
select_emotion_card 按索引选情绪卡

导航（Write）

工具 说明
start_game 标题画面点 Continue
navigate 导航 UI 界面（Invitation/Sepiroth 等）
skip_story 跳过剧情
click_battle_result 点击战斗结算
close_battle_scene 关闭战斗场景回主界面

调试（Debug）

工具 说明
list_methods 列出游戏对象的方法（反射）
call_method 调用任意游戏方法（反射）
kill_all_enemy 秒杀全部敌人（测试用）

战斗 Phase 流转

RoundStartPhase_UI         <- 回合开始动画 (SkipRoundStartUI 跳过)
    |
RoundStartPhase_System     <- 速度骰掷骰 (StopSpeedDiceRoll 推进)
    |
SortUnitPhase -> DrawCardPhase -> ApplyEnemyCardPhase  <- 自动
    |
ApplyLibrarianCardPhase    <- 玩家装卡 (playBattleRound: autoPlay + confirm)
    |
ArrangeEquippedCards       <- 卡牌排序 (可能卡住 -> forceAdvancePhase)
    |
ActivateStartBattleEffect -> SetCurrentDiceAction -> CheckFarAreaPlay
    |
MoveUnits -> WaitUnitsArrive -> CheckParrying/CheckOneSideAction
    |
ProcessViewAction          <- 拼点演出 (自动循环)
    |
RoundEndPhase              <- 回合结束 (可能弹情绪卡选择 UI)
    |                         ^ 卡住时调用 getEmotionCandidates + selectEmotionCard
EndBattle / 回到 RoundStartPhase_UI

C# HTTP API

通过 POST http://localhost:17127/action 调用：

基础 Action

Action 参数 说明
navigate phase 导航 UI 界面
startGame - 点击标题 Continue
startBattle - 从 BattleSetting 开始战斗
autoPlay - 游戏自带自动出牌
playBattleRound - autoPlay + confirm 一步到位
confirmCards - 确认出牌
endBattle - 结束战斗
closeBattleScene - 关闭战斗场景
clickBattleResult - 点击结算画面
skipStory - 跳过剧情
killAllEnemy - 秒杀全部敌人
getStageInfo stageId 获取关卡信息
callMethod type, method, args 反射调用任意方法

高级 Action

Action 参数 说明
prepareBattle stageId 自动选 HP 最高的 5 本书 + PrepareBattle
getBattleUnits - 导出所有战斗单位数据
getEmotionCandidates - 获取情绪卡候选列表
selectEmotionCard index 按索引选情绪卡，自动处理 SelectOne
forceAdvancePhase phase 强制推进卡住的 phase

配置

环境变量：

变量 默认值 说明
LOR_API_BASE_URL http://localhost:17127 游戏 bridge 地址
LOR_MCP_TOOL_PROFILE guided 工具集（guided 加载战斗自动化 tools）

已知限制

  • prepareBattle 需要已加载的战斗场景（至少通关一次教程）
  • 游戏运行时 DLL 被锁定，更新 Mod 需先关闭游戏
  • clearCount 在导出的 availableStages 中始终为 0
  • /state 里的 playerUnits/enemyUnits 可能为空，战斗单位详情用 getBattleUnits
  • 情绪卡选择默认用简单启发式（正面优先 > 等级高优先），可由 LLM 覆盖

许可证

MIT

MCP Server · Populars

MCP Server · New

    marcindulak

    Functionality overview

    Local speech-to-text MCP server for Tmux on Linux (for use not only with Claude Code)

    Community marcindulak
    louchi1984-coder

    DeepSeek Code Worker MCP

    DeepSeek V4 code worker MCP for Codex Desktop, powered by Claude Code

    Community louchi1984-coder
    Moeblack

    ComfyUI-AnimaTool

    AI Tool Use API for Anima anime/illustration image generation. Supports MCP Server, HTTP API, and CLI.

    Community Moeblack
    RohanAnandPandit

    Trading212 MCP Server

    The Trading212 MCP server is a Model Context Protocol server implementation that provides seamless data connectivity to the Trading212 trading platform enabling advanced interaction capabilities via the public beta API.

    Community RohanAnandPandit
    Olanetsoft

    Midnight MCP Server

    Midnight MCP server giving AI assistants access to Midnight blockchain — search contracts, analyze code, explore docs

    Community Olanetsoft