lev-mcp
MukundaKatta/lev-mcp
Métricas de distância entre strings com zero dependências
Ver no GitHubMCP server que calcula métricas de distância entre strings usando algoritmos clássicos: Levenshtein, Damerau-Levenshtein, Jaro e Jaro-Winkler. Retorna múltiplas medidas de similaridade em uma única chamada, sem dependências externas.
Instalação
npx convez-ai MukundaKatta/lev-mcp1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Detecção de typos e correção ortográfica
- Busca fuzzy e deduplicação de dados
- Matching de nomes e registros similares
- Análise de similaridade textual em processamento de dados
Veredito

Ferramenta sólida e sem overhead para quem precisa calcular similaridade de strings em workflows Claude. Implementação limpa com algoritmos bem estabelecidos; útil em pipelines de dados e busca, mas nicho específico.
README
A tradução para o português deste README ainda está na fila.
lev-mcp
MCP server: string-distance metrics. One call returns Levenshtein, Damerau-Levenshtein, Jaro, Jaro-Winkler, and a normalized similarity score. No external deps.
Tool
distance
{ "a": "kitten", "b": "sitting" }
→
{
"a": "kitten", "b": "sitting",
"levenshtein": 3,
"damerau_levenshtein": 3,
"jaro": 0.7460,
"jaro_winkler": 0.7460,
"similarity": 0.5714
}
Damerau-Levenshtein additionally allows adjacent-character transposition as
a single edit — useful for typo detection (abcd ↔ acbd is 1 Damerau edit,
2 Levenshtein edits).
Configure
{ "mcpServers": { "lev": { "command": "npx", "args": ["-y", "@mukundakatta/lev-mcp"] } } }
License
MIT.