large-file-mcp 是一个基于 Model Context Protocol (MCP) 的服务器，面向大文件的智能处理场景，提供分块读取、搜索、导航与流式读取能力。它由 willianpinho 开发，项目地址为 https://github.com/willianpinho/large-file-mcp，可通过 npx @willianpinho/large-file-mcp 安装使用。
主要能力 智能分块：根据文件类型自动确定合适的分块大小，例如文本文件（.txt）每块 500 行、日志文件（.log）每块 500 行、代码文件（.ts、.js、.py、.java、.cpp、.go、.rs 等）每块 300 行、CSV 文件每块 1000 行、JSON 文件每块 100 行、XML 文件每块 200 行、Markdown 文件每块 500 行、配置文件（.yml、.yaml、.sh、.bash）每块 300 行。 智能导航：可跳转到指定行，并返回其前后上下文。 搜索：支持正则表达式搜索，可显示匹配结果前后的上下文行数。 文件分析：提供文件元数据与统计信息，包括行统计、字符统计和词数。 内存高效：采用流式架构，逐行读取文件，不将整个文件载入内存，可处理任意大小的文件。 性能优化：内置 LRU 缓存，可配置缓存大小（默认 100MB）与过期时间（默认 5 分钟），加速对同一文件块或结构信息的重复访问。 类型安全：使用 TypeScript 编写，严格类型。 跨平台：支持 Windows、macOS 和 Linux。
可用工具 read_large_file_chunk：读取大文件的指定分块，支持智能分块。参数包括 filePath（必填，文件绝对路径）、chunkIndex（可选，从 0 开始的分块索引，默认 0）、linesPerChunk（可选，每块行数，未提供则自动检测）、includeLineNumbers（可选，是否包含行号，默认 false）。 search_in_large_file：在大文件中搜索模式并带上下文。参数包括 pattern（必填，搜索模式）、caseSensitive（可选，是否区分大小写，默认 false）、regex（可选，是否使用正则，默认 false）、maxResults（可选，最大结果数，默认 100）、contextBefore（可选，匹配前上下文行数，默认 2）、contextAfter（可选，匹配后上下文行数，默认 2）。 get_file_structure：分析文件结构并获取完整元数据，返回文件元数据、行统计、推荐分块大小和示例行。 navigate_to_line：跳转到指定行并显示周围上下文。参数包括 filePath（必填）、lineNumber（必填，从 1 开始的行号）、contextLines（可选，前后上下文行数，默认 5）。 get_file_summary：获取文件的完整统计摘要，返回文件元数据、行统计、字符统计和词数。 stream_large_file：以分块方式流式读取文件，用于处理超大文件。参数包括 filePath（必填）、chunkSize（可选，字节单位，默认 64KB）、startOffset（可选，起始字节偏移，默认 0）、maxChunks（可选，最大返回块数，默认 10）。
使用方式 可通过 npx 直接使用，也可在 Claude Code CLI 中添加该 MCP 服务器进行验证或移除；服务器作用域可选 local（仅当前项目目录）、user（全局所有项目）、project（在 .mcp.json 中定义，供团队共享）。 在 Claude Desktop 中，需要编辑 claude_desktop_config.json：macOS 路径为 ~/Library/Application Support/Claude/claude_desktop_config.json，Windows 路径为 %APPDATA%\Claude\claude_desktop_config.json，编辑后重启 Claude Desktop。 配置完成后，可用自然语言与大文件交互。此外还兼容 Cursor 和 Gemini CLI，已发布到 npm 和 Glama.ai 注册表，并被收录于社区 awesome-MCP 目录。
适用场景 日志分析：处理多 GB 日志文件，进行搜索与导航。 数据处理：以可管理的分块读取大型 CSV/JSON 文件。 代码审查：高效浏览大型代码库。 系统监控：分析系统日志与调试输出。 文档分析：处理大型文本文档。
性能与限制 项目提供基准测试脚本（pnpm run benchmark），用于在可重复的“热块”工作负载下测量缓存命中率；在该工作负载下目前测得 95%（100 次访问中 95 次命中缓存）。缓存命中率取决于访问模式，没有统一数值。未缓存 readChunk() 的延迟数据来自 scripts/benchmark.mjs，在 Apple M1 Pro 笔记本上以生成的测试文件测得，建议在自有硬件上重新运行脚本获取自己的数据。100MB 至 1GB 以及大于 1GB 的层级未在此基准中测试，但由于流式架构逐行读取、从不加载整个文件，时间大致随大小线性增长，streamFile() 使用 AsyncGenerator，内存占用不随文件大小增长。 常见问题处理：文件不可访问时需确保路径为绝对路径且具有读权限；如遇内存问题可减小 CHUNK_SIZE 环境变量、用 CACHE_ENABLED=false 禁用缓存，或对超大文件使用 stream_large_file；搜索性能慢可减小 maxResults、用 startLine 和 endLine 限制搜索范围、确保缓存已启用；Claude Code CLI 提示找不到 MCP 服务器时，可检查是否已安装，未列出则重新安装并检查服务器健康状态。
其他信息 项目欢迎贡献，可提交 issue 或 pull request，开发流程为先 fork 仓库、创建功能分支、修改代码、确保构建与 lint 成功，然后提交 pull request；详细指南见 CONTRIBUTING.md。项目基于 Model Context Protocol SDK 构建。关于定价与收费信息，资料暂未提供。
