docs: update description with detailed specs, LM Studio setup, and link to MCP server repository

README.md

@@ -1,28 +1,70 @@
----
-base_model: PruhaNLP/USER2-1C-code
-pipeline_tag: sentence-similarity
-tags:
-  - sentence-transformers
-  - text-embeddings-inference
-  - sentence-similarity
-  - feature-extraction
-  - embeddings
-  - gguf
-  - modernbert
-  - 1c
-  - bsl
-  - ru
-language:
-  - ru
-license: apache-2.0
----
-
-# USER2-1C-code-GGUF (FP16)
-
-GGUF-версия модели эмбеддингов **[PruhaNLP/USER2-1C-code](https://huggingface.co/PruhaNLP/USER2-1C-code)** в формате **FP16** для использования в llama.cpp, llama-server и LM Studio.
-
-## Описание модели
-
-- **Архитектура:** ModernBERT-base, дообученная на корпусе исходного кода 1С:Предприятие.
-- **Размерность эмбеддингов:** 256 (MRL / Matryoshka Representation Learning) или 768 (полная).
-- **Размер контекста:** до 8192 токенов.
+---
+base_model: PruhaNLP/USER2-1C-code
+pipeline_tag: sentence-similarity
+tags:
+  - sentence-transformers
+  - text-embeddings-inference
+  - sentence-similarity
+  - feature-extraction
+  - embeddings
+  - gguf
+  - modernbert
+  - 1c
+  - bsl
+  - ru
+language:
+  - ru
+license: apache-2.0
+---
+
+# USER2-1C-code-GGUF (FP16)
+
+Официальная GGUF-квантизация модели векторных эмбеддингов **[PruhaNLP/USER2-1C-code](https://huggingface.co/PruhaNLP/USER2-1C-code)** в формате **FP16** без потери качества для использования в `llama.cpp`, `llama-server` и `LM Studio`.
+
+Модель специально обучена на кодовой базе 1С:Предприятие (язык BSL, структура конфигураций, типовые библиотеки БСП) и предназначена для семантического поиска по коду, построения RAG-систем и поиска дубликатов процедур/функций.
+
+---
+
+## Характеристики модели
+
+- **Базовая архитектура:** ModernBERT-base (`modern-bert`), дообученная на корпусе кода 1С:Предприятие.
+- **Размерность эмбеддингов:** 256 (MRL / Matryoshka Representation Learning) или 768 (полная).
+- **Размер контекста:** до 8192 токенов.
+- **Формат:** GGUF (FP16, вес файла ~287 МБ).
+- **Пулинг:** `CLS` (`pooling_type = 1`).
+
+---
+
+## Интеграция с ИИ-агентами через MCP
+
+Для подключения модели к средам разработки (**Google Antigravity**, **OpenCode**, **Claude Desktop**, **Cursor**, **Windsurf**, **Continue.dev**) используйте официальный MCP-сервер:
+
+👉 **GitHub репозиторий:** [**Unimik-gem/lmstudio-embedding-mcp**](https://github.com/Unimik-gem/lmstudio-embedding-mcp)
+
+Сервер работает без сторонних зависимостей (чистый Python) и позволяет любому ИИ-ассистенту выполнять семантический поиск и расчет эмбеддингов через локальный инстанс LM Studio.
+
+---
+
+## Использование в LM Studio
+
+1. Скачайте файл `USER2-1C-code-f16.gguf` через поиск LM Studio (по запросу `Unimikes/USER2-1C-code-GGUF`) или поместите вручную в папку моделей.
+2. **Важная настройка классификации:**
+   * В разделе **My Models** выберите `user2-1c-code`.
+   * В правой панели настроек в блоке **Domain Control** переключите значение на **Text Embedding**.
+3. Во вкладке **Developer / Local Server** (`<->`) нажмите **Load Model** и запустите локальный сервер (порт по умолчанию: `1234`).
+
+### Тестовый запрос к серверу (PowerShell)
+
+```powershell
+curl.exe -X POST http://127.0.0.1:1234/v1/embeddings `
+  -H "Content-Type: application/json" `
+  -d '{\"model\": \"user2-1c-code\", \"input\": \"Процедура ПриСозданииНаСервере(Отказ, СтандартнаяОбработка)\"}'
+```
+
+---
+
+## Использование в llama-server / llama.cpp
+
+```bash
+llama-server -m USER2-1C-code-f16.gguf --embedding --pooling cls -c 8192 --port 8080
+```