AI Coding MCP

AI编码MCP v2

用于AI IDE的轻量级MCP服务器（Claude Code、Cursor等）。在4个模块中提供21个工具，无需LLM包装。

Architecture Overview

快速开始

pip install -r requirements.txt
python server.py

模块

上下文（4个工具）

• index_project -索引项目文件并提取符号
• get_symbol_info -查找符号信息
• get_dependency_graph -分析文件依赖关系
• get_project_stats -获取项目统计信息

知识（4个工具）

• search_docs -搜索文档（存根）
• get_package_info -查询包注册表（PyPI/NMP）
• search_code_examples -搜索代码示例（存根）
• check_compatibility -检查依赖关系兼容性

工作流程（6个工具）

• git_status -获取git工作树状态
• git_history -获取提交历史记录
• git_branch_analysis -分析分支（存根）
• ci_status -检查CI状态（存根）
• issue_list -列出GitHub问题（存根）
• pr_summary -获取PR摘要（存根）

规格（6个工具）

• list_specs -列出规范文件
• get_spec -阅读规范内容
• search_specs -搜索规格
• create_spec -从模板创建新规范
• scaffold_project -模板脚手架工程
• validate_structure -验证目录结构（存根）

建筑

Data Flow

• CLI优先：所有外部通话均通过 git, gh, pip, npm, curl
• 零LLM包装：返回结构化数据，让AI IDE分析
• 基于文件的缓存：TTL缓存在 ~/.cache/ai-coding-mcp/
• Pydantic配置：类型安全配置

项目结构

ai-coding-mcp/
├── server.py                    # FastMCP entry, tool registration
├── config.py                    # Pydantic config
├── tools/
│   ├── context/                 # code_indexer, dependency_graph, project_stats
│   ├── knowledge/               # doc_search, package_info, code_search, compatibility
│   ├── workflow/                # git_ops, ci_github
│   └── specs/                   # spec_manager, scaffold, validator
├── utils/
│   ├── cli_runner.py            # Unified CLI executor
│   └── cache.py                 # File-based TTL cache
├── tests/
├── requirements.txt
└── README.md

测试

pytest tests/ -v

IDE配置

对于Claude Code，添加到MCP设置中：

{
  "mcpServers": {
    "ai-coding": {
      "command": "python",
      "args": ["server.py"]
    }
  }
}

许可证

MIT许可证