Agent Intel MCP

特工英特尔mcp

agent-intel-mcp 是一个基于OpenAI的开发者智能MCP服务器。它扫描高信号GitHub存储库，提取可重用的代理工程模式，对其进行聚类，将其与本地代码库进行比较，并提出安全的 AGENTS.md 改进。

这个版本超越了瘦MVP：

• 使用约定和间隙检测进行深度本地代码库扫描
• 开放人工智能 Responses API 用于建议综合
• 基于启发式回退的模式聚类的OpenAI嵌入
• 带工具、资源和提示的MCP stdio服务器
• GitHub存储库扫描与相关性评分
• AGENTS.md 补丁预览生成
• SQLite支持的本地内存，用于扫描、集群、建议和仪表板历史记录
• CI、发布和部署脚手架，以实现项目组合就绪交付

这个项目证明了什么

• 超越聊天包装器的OpenAI集成
• 代理客户端的MCP服务器设计
• 在一个工作流中进行GitHub挖掘和本地仓库分析
• 安全补丁生成而不是盲库突变
• 带有测试、CI和发布脚手架的TypeScript开发人员工具

演示预览

Agent Intel Console desktop

Agent Intel Console walkthrough

建筑

+---------------------------------------------------------------+
| agent-intel-mcp                                               |
|                                                               |
|  MCP Server (stdio)                                           |
|  |- Tools: scan, extract, cluster, analyze, suggest, patch    |
|  |- Resources: scans, patterns, clusters, local profile, patch|
|  `- Prompts: summary, AGENTS rewrite                          |
|                                                               |
|  Core Engine                                                  |
|  |- GithubScanner          -> Octokit search + README fetch   |
|  |- PatternExtractor       -> heuristic pattern mining        |
|  |- PatternClusterer       -> embeddings / cosine clustering  |
|  |- LocalRepoProfiler      -> codebase conventions + gaps     |
|  |- OpenAiSuggestionEngine -> Responses API / heuristic mode  |
|  |- PatchBuilder           -> non-destructive AGENTS diff     |
|  `- SqliteStore            -> scans, patterns, clusters       |
+---------------------------------------------------------------+

更多细节： docs/ARCHITECTURE.md 案例研究： docs/CASE_STUDY.md

工具

• scan_github_repos
• extract_patterns
• cluster_patterns
• analyze_local_repo
• generate_suggestions
• generate_agents_patch

快速开始

npm install
cp .env.example .env
npm run build
npm test
npm run demo:seed
npm run demo

打开 http://localhost:4321.

与一起跑步 .env

创建本地 .env 在项目根目录中：

OPENAI_API_KEY=sk-...
GITHUB_TOKEN=ghp_...
LOCAL_REPO_PATH=C:\Users\syfsy\projekty\agent-intel-mcp

然后运行：

npm install
npm run build
npm run demo

使用 .env 当你想要真正的OpenAI支持的建议或不同的本地存储库目标时。

对另一个Repo运行演示

PowerShell示例：

$env:LOCAL_REPO_PATH="C:\Users\syfsy\projekty\some-other-repo"
npm run demo

或者把这条路放进去 .env:

LOCAL_REPO_PATH=C:\Users\syfsy\projekty\some-other-repo

此模式有哪些变化：

• 本地堆栈分析点位于另一个仓库
• 检测到的差距和惯例来自其他回购
• 生成的 AGENTS.md 补丁是为其他仓库量身定制的

以MCP服务器身份连接

先构建：

npm install
npm run build

然后将其添加到MCP客户端配置中：

{
  "mcpServers": {
    "agent-intel": {
      "command": "node",
      "args": ["C:/Users/syfsy/projekty/agent-intel-mcp/dist/index.js"],
      "env": {
        "OPENAI_API_KEY": "sk-...",
        "GITHUB_TOKEN": "ghp_...",
        "LOCAL_REPO_PATH": "C:/Users/syfsy/projekty/agent-intel-mcp"
      }
    }
  }
}

重启后，MCP客户端将看到以下工具：

• scan_github_repos
• extract_patterns
• cluster_patterns
• analyze_local_repo
• generate_suggestions
• generate_agents_patch

环境

演示用户体验

• 本地仪表板服务于 http://localhost:4321
• 真正的管道触发：新扫描、聚类、局部差距分析、补丁预览和历史图表
• 通过种子投资组合状态 npm run demo:seed
• 建议使用安全补丁预览 AGENTS.md 在采用之前可审查的变更
• 前端文件： public/index.html, public/styles.css, public/app.js

释放准备就绪

• CI： ci.yml
• 标签发布： release.yml
• 包验证： npm run release:check

部署预览

该仓库附带了Docker和Render脚手架：

• render.yaml

推荐路径：

1. 将仓库推送到GitHub。
2. 从仓库创建Render web服务。
3. 添加 OPENAI_API_KEY 和 GITHUB_TOKEN 如果你想要实时模型支持的扫描。
4. 使用 /healthz 作为健康检查。
5. 部署并打开生成的公共URL作为投资组合预览。

为什么选择OpenAI

此实现使用OpenAI Responses API 用于建议合成和用于语义聚类的嵌入API。当前的官方文档还描述了工具驱动的工作流和远程MCP支持： 使用工具 和 开发人员快速入门.