nlp2uri 0.4.10

Natural language to URI resolution and cross-platform local URI execution

nlp2uri

AI Cost Tracking

• 🤖 LLM usage: $3.6861 (13 commits)
• 👤 Human dev: ~$471 (4.7h @ $100/h, 30min dedup)

Generated on 2026-06-07 using openrouter/qwen/qwen3-coder-next

---

Python library and CLI — kompilator NL → URI → akcje OS dla operacji desktopowych.

Wejście (naturalny język):

• „otwórz VS Code w folderze ~/projekty/nlp2uri”
• „zrób screenshot aktywnego okna przeglądarki”
• „otwórz plik invoice-2025.pdf”

Wyjście:

1. Abstrakcyjny URI (RFC 3986, niezależny od OS)
2. Plan akcji OSAction[] — konkretne komendy per platforma
3. (Opcjonalnie) wykonanie lub payload MCP (text/uri-list)

Architektura

flowchart LR
    NL[Natural language] --> PARSE[parse_nl]
    PARSE --> INTENT[UriIntent + slots]
    INTENT --> BUILD[schemes/build]
    BUILD --> SPEC[UriSpec abstract URI]
    SPEC --> COMPILE[compile_uri_to_actions]
    COMPILE --> ACTIONS[OSAction plan]
    ACTIONS --> EXEC[execute_uri / MCP]

Warstwy

Warstwa	Moduł	Opis
NLP → intencja	parse_nl	Heurystyki EN + PL → UriIntent
Intencja → URI	schemes/*	Abstrakcyjne schemy OS-neutral
URI → OS	compile	compile_uri_to_actions()
Wykonanie	runtime	subprocess / dry-run
MCP	mcp	text/uri-list, tool payloads

Abstrakcyjne schemy URI

Scheme	Przykład	Znaczenie
app://	app://vscode/open?path=/home/tom/...	Otwórz aplikację / IDE
app://file/open	app://file/open?path=/tmp/x.pdf	Otwórz plik
desktop-screenshot://	desktop-screenshot://window?title=Chrome&mode=active	Screenshot okna/ekranu
desktop-window://	desktop-window://focus?name=slack	Fokus okna
natywne	vscode://, cursor://, file://, ms-settings:	Passthrough do handlera OS

Metadata native_uri zawiera deep-link IDE (vscode://file/...) gdy istnieje.

Konfiguracja (nlp2uri.yaml)

Domyślne ustawienia w pliku nlp2uri.yaml (auto-tworzony przy pierwszym uruchomieniu):

platform: auto          # auto | linux | darwin | windows
host_platform: linux  # ostatnio wykryty host (informacyjnie)
locale: null
dry_run: false
capture_dir: /tmp/nlp2uri-captures

Kolejność wyboru platformy: --platform → NLP2URI_PLATFORM → nlp2uri.yaml → auto-detect OS.

nlp2uri config show --json    # efektywna konfiguracja
nlp2uri config init           # zapisz domyślny nlp2uri.yaml

Ścieżki szukania configu: NLP2URI_CONFIG → ./nlp2uri.yaml → ~/.config/nlp2uri/nlp2uri.yaml.

Quick start

pip install -e ".[dev]"

# Platforma wykrywana automatycznie (bez --platform)
nlp2uri plan "otwórz vscode w folderze ~/github/semcod/nlp2uri" --json
nlp2uri resolve "zrób screenshot aktywnego okna przeglądarki" --json
nlp2uri execute "open firefox" --dry-run

Python API (service facade)

from nlp2uri import NLP2URIService
from nlp2uri.models import HostPlatform

svc = NLP2URIService.default()  # ładuje nlp2uri.yaml + auto-detect

plan = svc.from_prompt("otwórz vscode w folderze /tmp/foo")
print(plan.uri)                    # app://vscode/open?path=/tmp/foo
print(plan.actions[0].argv())      # ['xdg-open', 'vscode://file/tmp/foo']

payload = svc.handle_prompt("open firefox", dry_run=True)  # prompt → URI → run

Adaptery i integratory (reużywalne powierzchnie)

Warstwa	Użycie	Moduł
Service	NLP2URIService.from_prompt() / handle_uri()	nlp2uri.service
CLI	nlp2uri plan|resolve|compile|execute	nlp2uri.adapters.cli
Shell	eval "$(nlp2uri shell export '…')"	nlp2uri.adapters.shell
REST	nlp2uri-serve --port 8766	nlp2uri.integrators.rest_server
MCP	nlp2uri-mcp (stdio JSON-RPC)	nlp2uri.integrators.mcp_server

REST (POST /v1/plan)

curl -s -X POST http://127.0.0.1:8766/v1/plan \
  -H 'Content-Type: application/json' \
  -d '{"prompt":"open firefox"}'

MCP (Cursor / Windsurf)

{ "mcpServers": { "nlp2uri": { "command": "nlp2uri-mcp" } } }

Tools: nlp2uri_plan, nlp2uri_resolve, nlp2uri_compile, nlp2uri_execute, nlp2uri_handle.

Shell

eval "$(nlp2uri shell export 'open firefox')"
echo "$NLP2URI_URI"    # app://firefox/open
$nlp2uri-run           # alias do skompilowanej komendy

Własny adapter

from nlp2uri.adapters.base import AdapterRequest
from nlp2uri.adapters.rest import RestAdapter

response = RestAdapter().dispatch("plan", {"prompt": "capture screen", "platform": "linux"})
print(response.data["uri"])

Standardy

Standard	Rola
RFC 3986	Składnia URI (scheme, path, query)
RFC 8089	file://
RFC 9110	http(s)://
Freedesktop Desktop Entry	.desktop, x-scheme-handler/<scheme>
XDG Desktop Portal	Screenshot Wayland
Windows URI activation	ms-settings:, rejestracja schemów
macOS URL Schemes	CFBundleURLSchemes w Info.plist
MCP text/uri-list	Lista URI dla hosta / MCP Apps

Przydatne biblioteki

Biblioteka	Kiedy
urllib.parse, webbrowser, subprocess	Już używane (stdlib)
psutil	PID → okno
pyxdg	Parsowanie .desktop
dbus-python + PyGObject	XDG Portal screenshot
pywin32	Win32 SetForegroundWindow
pyobjc / Quartz	macOS window ID
spaCy / transformers	Zamiast heurystyk regex
nlp2dsl / nlp2cmd-intent	IntentIR z LLM (jak nlpshim)

Testy i Docker

python -m pytest
docker compose build && docker compose run --rm nlp2uri-test
./examples/run-e2e.sh

Przykłady per kategoria: examples/README.md.

W Dockerze:

• unit: NLP → URI → OSAction
• integracja: rejestracja testapp:// przez .desktop + xdg-open (NLP2URI_INTEGRATION=1)

CQRS + ES + Protobuf (generowanie driverów i API)

Każdy typ URI ma własne drzewo commands / events / queries / driver / api:

cd schemas && make all          # scaffold + MCP schemas + driver stubs
cd schemas && make proto        # buf → Python gRPC + OpenAPI (wymaga buf CLI)

→ schemas/README.md · schemas/uri_cqrs_es.v1.md

Orchestracja ekosystemu (MCP, usługi, artefakty, getv)

Pełny przewodnik z przykładami uruchomienia i kontroli wielu backendów:

• docs/orchestration.md — URI + MCP + todomat + koru + scenariusze E2E
• docs/system_map_uri.v1.md — command://, artifact://, service://, …
• docs/getv_uri.v1.md — getv:// zmienne środowiskowe
• docs/mcp-tools.md — lista narzędzi nlp2uri-mcp

pip install -e ".[envmap]"    # getv + env2llm
nlp2uri list-getv --json
nlp2uri resolve-getv "GROQ_API_KEY" --json
nlp2uri list-system-uris --example-dir ~/github/wronai/nlp2dsl/examples/01-invoice --json

Plan rozwoju

docs/roadmap.md · docs/mcp-tools.md · CI: .github/workflows/ci.yml

Relacja z ekosystemem Semcod

• nlpshim — NLP → DSL / workflow
• nlp2uri — NLP → URI → akcje (desktop, getv, SystemMap, MCP)
• todomat — orchestrator MCP/HTTP (curllm, nlp2dsl, iterun, nlp2uri)
• koru — bridge MCP koru_desktop_uri_* + planfile tickets
• getv — zmienne env → getv:// URI

License

Licensed under Apache-2.0.