MCP树保姆服务器
一种模型上下文协议（MCP）服务器，使用树保姆提供代码分析功能，旨在让人工智能助手通过适当的上下文管理智能访问代码库。Claude Desktop是参考实现目标。
特性
- 🔍 灵活探索：在多个粒度级别检查代码
- 🧠 上下文管理：在不淹没上下文窗口的情况下提供足够的信息
- 🌐 语言无关：通过树形语言包支持多种编程语言，包括Python、JavaScript、TypeScript、Go、Rust、C、C++、C#、Swift、Java、Kotlin、Dart、Julia和APL
- 🌳 结构感知：使用基于AST的理解和高效的基于游标的遍历
- 🔎 可搜索的：使用文本搜索和树状图查询查找特定模式
- 🔄 缓存：通过解析树缓存优化性能
- 🔑 符号提取：提取和分析函数、类和其他代码符号
- 📊 相关性分析：识别和分析代码依赖关系和关系
- 🧩 状态持久性：在调用之间维护项目注册和缓存数据
- 🔒 安全：内置安全边界和输入验证
有关所有可用命令、其当前实施状态和详细功能矩阵的完整列表，请参阅 功能.md 文件。
安装
先决条件
- Python 3.10+
- 适用于您首选语言的树型语言解析器
基本安装
pip install mcp-server-tree-sitter开发安装
git clone https://github.com/wrale/mcp-server-tree-sitter.git
cd mcp-server-tree-sitter
pip install -e ".[dev]"快速开始
使用Claude Desktop运行
您可以通过MCP CLI或手动配置Claude Desktop使服务器在Claude Desktop中可用。
使用MCP CLI
在Claude Desktop注册服务器：
mcp install mcp_server_tree_sitter.server:mcp --name "tree_sitter"手动配置
或者，您可以手动配置Claude Desktop：
- 打开您的Claude Desktop配置文件：
- macOS/Linux： ~/Library/Application Support/Claude/claude_desktop_config.json - 窗户： %APPDATA%\Claude\claude_desktop_config.json
如果文件不存在，则创建该文件。
- 将服务器添加到
mcpServers章节：
{
"mcpServers": {
"tree_sitter": {
"command": "python",
"args": [
"-m",
"mcp_server_tree_sitter.server"
]
}
}
}或者，如果使用uv或其他包管理器：
{
"mcpServers": {
"tree_sitter": {
"command": "uv",
"args": [
"--directory",
"/ABSOLUTE/PATH/TO/YOUR/PROJECT",
"run",
"-m",
"mcp_server_tree_sitter.server"
]
}
}
}注意：一定要更换 /ABSOLUTE/PATH/TO/YOUR/PROJECT 使用项目目录的实际绝对路径。
- 保存文件并重新启动Claude Desktop。
一旦您正确配置了至少一个MCP服务器，MCP工具图标（锤子）将出现在Claude Desktop的界面上。然后，您可以访问 tree_sitter 点击此图标，即可查看服务器的功能。
使用已发布版本进行配置
如果您不想从PyPI（已发布版本）手动安装软件包或克隆存储库，只需对Claude Desktop使用以下配置：
- 打开您的Claude Desktop配置文件（与上述位置相同）。
- 将树保姆服务器添加到
mcpServers章节：
{
"mcpServers": {
"tree_sitter": {
"command": "uvx",
"args": [
"--directory", "/ABSOLUTE/PATH/TO/YOUR/PROJECT",
"mcp-server-tree-sitter"
]
}
}
}- 保存文件并重新启动Claude Desktop。
此方法使用 uvx 直接运行已安装的PyPI包，这是已发布版本的推荐方法。服务器在其基本配置中运行时不需要任何其他参数。
状态持久性
MCP树保姆服务器在调用之间维护状态。这意味着：
- 在明确删除或重新启动服务器之前，项目将保持注册状态
- 根据配置设置缓存解析树
- 语言信息将在服务器的整个生命周期内保留
在服务器的生命周期内，使用关键组件的单例模式在内存中维护这种持久性。
作为独立服务器运行
有几种方法可以运行服务器：
直接使用MCP CLI：
python -m mcp run mcp_server_tree_sitter.server使用Makefile目标：
# Show available targets
make
# Run the server with default settings
make mcp-run
# Show help information
make mcp-run ARGS="--help"
# Show version information
make mcp-run ARGS="--version"
# Run with custom configuration file
make mcp-run ARGS="--config /path/to/config.yaml"
# Enable debug logging
make mcp-run ARGS="--debug"
# Disable parse tree caching
make mcp-run ARGS="--disable-cache"使用已安装的脚本：
# Run the server with default settings
mcp-server-tree-sitter
# Show help information
mcp-server-tree-sitter --help
# Show version information
mcp-server-tree-sitter --version
# Run with custom configuration file
mcp-server-tree-sitter --config /path/to/config.yaml
# Enable debug logging
mcp-server-tree-sitter --debug
# Disable parse tree caching
mcp-server-tree-sitter --disable-cache与MCP检查器一起使用
直接使用MCP CLI：
python -m mcp dev mcp_server_tree_sitter.server或者使用Makefile目标：
make mcp-dev您还可以传递参数：
make mcp-dev ARGS="--debug"用法
注册项目
首先，注册一个项目进行分析：
register_project_tool(path="/path/to/your/project", name="my-project")浏览文件
列出项目中的文件：
list_files(project="my-project", pattern="**/*.py")查看文件内容：
get_file(project="my-project", path="src/main.py")分析代码结构
获取语法树：
get_ast(project="my-project", path="src/main.py", max_depth=3)提取符号：
get_symbols(project="my-project", path="src/main.py")搜索代码
搜索文本：
find_text(project="my-project", pattern="function", file_pattern="**/*.py")运行树保姆查询：
run_query(
project="my-project",
query='(function_definition name: (identifier) @function.name)',
language="python"
)分析复杂性
analyze_complexity(project="my-project", path="src/main.py")直接使用Python
虽然主要的预期用途是通过MCP服务器，但您也可以直接在Python代码中使用该库：
# Import from the API module
from mcp_server_tree_sitter.api import (
register_project, list_projects, get_config, get_language_registry
)
# Register a project
project_info = register_project(
path="/path/to/project",
name="my-project",
description="Description"
)
# List projects
projects = list_projects()
# Get configuration
config = get_config()
# Access components through dependency injection
from mcp_server_tree_sitter.di import get_container
container = get_container()
project_registry = container.project_registry
language_registry = container.language_registry配置
创建一个YAML配置文件：
cache:
enabled: true # Enable/disable caching (default: true)
max_size_mb: 100 # Maximum cache size in MB (default: 100)
ttl_seconds: 300 # Cache entry time-to-live in seconds (default: 300)
security:
max_file_size_mb: 5 # Maximum file size to process in MB (default: 5)
excluded_dirs: # Directories to exclude from processing
- .git
- node_modules
- __pycache__
allowed_extensions: # Optional list of allowed file extensions
# - py
# - js
# Leave empty or omit for all extensions
language:
default_max_depth: 5 # Default max depth for AST traversal (default: 5)
preferred_languages: # List of languages to pre-load at startup for faster performance
- python # Pre-loading reduces latency for first operations
- javascript
log_level: INFO # Logging level (DEBUG, INFO, WARNING, ERROR)
max_results_default: 100 # Default maximum results for search operations加载：
configure(config_path="/path/to/config.yaml")日志记录配置
服务器的日志记录详细程度可以使用环境变量进行控制：
# Enable detailed debug logging
export MCP_TS_LOG_LEVEL=DEBUG
# Use normal informational logging (default)
export MCP_TS_LOG_LEVEL=INFO
# Only show warning and error messages
export MCP_TS_LOG_LEVEL=WARNING有关日志配置的全面信息，请参阅 测井文件。有关命令行界面的详细信息，请参阅 CLI文档.
关于首选语言
这 preferred_languages 设置控制在服务器启动时预加载哪些语言解析器，而不是按需加载。这提供了几个好处：
- 更快的初始分析：首次分析预加载语言的文件时没有延迟
- 早期错误检测：解析器的问题是在启动时发现的，而不是在使用过程中发现的
- 可预测的内存分配：预先为常用解析器分配内存
默认情况下，所有解析器在首次需要时都会按需加载。为了获得最佳性能，请指定您在项目中最常用的语言。
您还可以配置特定设置：
configure(cache_enabled=True, max_file_size_mb=10, log_level="DEBUG")或者使用环境变量：
export MCP_TS_CACHE_MAX_SIZE_MB=256
export MCP_TS_LOG_LEVEL=DEBUG
export MCP_TS_CONFIG_PATH=/path/to/config.yaml环境变量使用以下格式 MCP_TS_SECTION_SETTING （例如。， MCP_TS_CACHE_MAX_SIZE_MB)用于部分设置，或 MCP_TS_SETTING （例如。， MCP_TS_LOG_LEVEL)用于顶级设置。
配置值按以下优先级顺序应用：
- 环境变量（最高）
- 通过设置值
configure()电话 - YAML配置文件
- 默认值（最低）
服务器将在以下位置查找配置：
- 中指定的路径
configure()呼叫 - 指定的路径
MCP_TS_CONFIG_PATH环境变量 - 默认位置：
~/.config/tree-sitter/config.yaml
对于开发者
诊断功能
MCP树保姆服务器包括一个诊断框架，以帮助识别和解决问题：
# Run diagnostic tests
make test-diagnostics
# CI-friendly version (won't fail the build on diagnostic issues)
make test-diagnostics-ci诊断测试提供有关服务器行为的详细信息，并可以帮助隔离特定问题。有关诊断框架的更多信息，请参阅 诊断文档.
类型安全注意事项
MCP Tree sitter Server在通过精心设计的模式和协议与Tree sitter库交互时保持类型安全。如果您正在扩展代码库，请查看 类型安全指南 获取有关处理树型API变体的重要信息。
可用资源
服务器提供以下MCP资源：
project://{project}/files-列出项目中的所有文件project://{project}/files/{pattern}-列出与模式匹配的文件project://{project}/file/{path}-获取文件内容project://{project}/file/{path}/lines/{start}-{end}-从文件中获取特定行project://{project}/ast/{path}-获取文件的ASTproject://{project}/ast/{path}/depth/{depth}-获取具有自定义深度的AST
可用工具
服务器提供以下工具：
- 项目管理：
register_project_tool,list_projects_tool,remove_project_tool - 语言管理：
list_languages,check_language_available - 文件操作：
list_files,get_file,get_file_metadata - AST分析：
get_ast,get_node_at_position - 代码搜索：
find_text,run_query - 符号提取：
get_symbols,find_usage - 项目分析：
analyze_project,get_dependencies,analyze_complexity - 查询建筑：
get_query_template_tool,list_query_templates_tool,build_query,adapt_query,get_node_types - 类似代码检测：
find_similar_code - 缓存管理：
clear_cache - 配置诊断：
diagnose_config
看 功能.md 有关每个工具的实现状态、依赖关系和使用示例的详细信息。
可用提示
服务器提供以下MCP提示：
code_review-创建检查代码的提示explain_code-创建解释代码的提示explain_tree_sitter_query-解释树型查询语法suggest_improvements-创建提示以建议代码改进project_overview-创建项目概述分析提示
反馈与社区
我们很想知道您是如何使用mcp服务器树保姆的，以及什么会使它对您的工作流程更有用。
- 问题和功能请求:
- 错误报告:
许可证
麻省理工学院