convez.ai
MCP ServerUtilidadesIntermediário
MukundaKatta

lev-mcp

MukundaKatta/lev-mcp

Métricas de distância entre strings com zero dependências

Ver no GitHub
InicialPluginScore · de 0 a 100

MCP 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-mcp

1 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

Estrelas
0
Forks
0
Acompanhando
0
Saúde
42%
Último commit
há 2 meses
Versão
—
Issues abertas
4
Contribuidores
1

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

npm mcp license

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.

Ver o original no GitHub

Relacionados