Second Opinion (second-opinion)

第二意见🔍

一个MCP（模型上下文协议）服务器，协助Claude Code审查提交和代码库。该工具利用外部LLM（OpenAI、Google Gemini、Ollama、Mistral）提供智能代码审查功能、git差异分析、提交质量评估和未提交工作分析。

特性

• Git差异分析：使用LLM分析git diff输出以了解代码更改
• 代码审查：在人工智能的帮助下审查代码的质量、安全性和最佳实践
• 提交分析：分析git提交的质量和对最佳实践的遵守情况
• 未承诺工作分析：分析所有未提交的更改或只是阶段性更改
• 存储库信息：获取有关git存储库的信息
• 多种LLM支持：与OpenAI、谷歌Gemini、Ollama（本地）和Mistral AI合作
• 🚀 智能优化：动态令牌分配和特定任务的温度调整
• ⚡ 性能调整：特定于提供商的优化和内存感知分块
• 安全：输入验证、安全路径处理和API密钥保护
• 内存安全：可配置的内存限制和对大差异的流媒体支持

安装

先决条件

• 达到1.20或更高
• Git
• Claude代码桌面应用程序

从源代码构建

1. 克隆存储库：

git clone https://github.com/dshills/second-opinion.git
cd second-opinion

1. 安装依赖项：

go mod tidy

1. 构建服务器：

go build -o bin/second-opinion

配置

Second Opinion支持两种配置方法，优先级顺序如下：

1. JSON配置文件 （首选）： ~/.second-opinion.json 在您的主目录中
2. 环境变量：使用 .env 文件或系统环境变量

JSON配置（推荐）

创建一个 .second-opinion.json 主目录中的文件：

{
  "default_provider": "openai",
  "temperature": 0.3,
  "max_tokens": 4096,
  "server_name": "Second Opinion 🔍",
  "server_version": "1.0.0",
  "openai": {
    "api_key": "sk-your-openai-api-key",
    "model": "gpt-5-mini"
  },
  "google": {
    "api_key": "your-google-api-key",
    "model": "gemini-2.0-flash-exp"
  },
  "ollama": {
    "endpoint": "http://localhost:11434",
    "model": "devstral:latest"
  },
  "mistral": {
    "api_key": "your-mistral-api-key",
    "model": "mistral-small-latest"
  },
  "memory": {
    "max_diff_size_mb": 10,
    "max_file_count": 1000,
    "max_line_length": 1000,
    "enable_streaming": true,
    "chunk_size_mb": 1
  }
}

🚀 智能优化功能：

• 动态令牌分配：根据差异大小自动调整令牌（4096-32768）
• 任务特定温度：根据分析类型优化温度（0.1-0.3）
• 提供商优化：每个LLM提供程序的自定义参数
• 内存管理：针对大差异和高文件数的自动分块

环境变量配置

如果没有找到JSON配置，服务器将回退到环境变量：

1. 复制示例环境文件：

cp .env.example .env

1. 编辑 .env 并配置LLM提供程序：

# Set your default provider
DEFAULT_PROVIDER=openai  # or google, ollama, mistral

# Configure each provider with its own API key and preferred model
OPENAI_API_KEY=sk-your-openai-api-key
OPENAI_MODEL=gpt-5-mini  # or gpt-5, gpt-5-nano, gpt-5-chat-latest, gpt-4o, gpt-4o-mini, gpt-4-turbo, gpt-3.5-turbo

GOOGLE_API_KEY=your-google-api-key
GOOGLE_MODEL=gemini-2.0-flash-exp  # or gemini-1.5-flash, gemini-1.5-pro

OLLAMA_ENDPOINT=http://localhost:11434
OLLAMA_MODEL=devstral:latest  # or llama3.2, codellama, mistral, etc.

MISTRAL_API_KEY=your-mistral-api-key
MISTRAL_MODEL=mistral-small-latest  # or mistral-large-latest, codestral-latest

# Global settings apply to all providers
LLM_TEMPERATURE=0.3  # Controls randomness (0.0-2.0, default: 0.3)
LLM_MAX_TOKENS=4096  # Maximum response length (default: 4096)

使用Claude Code进行设置

1.找到克劳德代码配置

配置文件的位置取决于您的操作系统：

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• 视窗: %APPDATA%\Claude\claude_desktop_config.json
• Linux: ~/.config/Claude/claude_desktop_config.json

2.编辑配置

打开配置文件并添加Second Opinion服务器：

选项1：使用JSON配置（推荐）

{
  "mcpServers": {
    "second-opinion": {
      "command": "/path/to/second-opinion/bin/second-opinion"
    }
  }
}

替换 /path/to/second-opinion 使用克隆存储库的实际路径。

选项2：使用环境变量

{
  "mcpServers": {
    "second-opinion": {
      "command": "/path/to/second-opinion/bin/second-opinion",
      "env": {
        "DEFAULT_PROVIDER": "openai",
        "OPENAI_API_KEY": "your-openai-api-key",
        "OPENAI_MODEL": "gpt-5-mini",
        "LLM_TEMPERATURE": "0.3",
        "LLM_MAX_TOKENS": "4096"
      }
    }
  }
}

3.重新启动克劳德代码

保存配置后，重新启动Claude Code以使更改生效。

4.验证安装

在Claude Code中，您应该在MCP服务器列表中看到“第二意见”。您可以通过以下方式进行测试：

"What git repository information can you get from the current directory?"

可用工具

1. analyze_git_diff 🚀 优化

使用配置的LLM自动优化来分析git diff输出，以了解代码更改。

参数：

• diff_content （必填）：要分析的Git差异输出
• summarize （可选）：是否提供更改摘要
• provider （可选）：要使用的LLM提供程序（覆盖默认值）
• model （可选）：要使用的模型（覆盖提供程序默认值）

智能优化：

• 动态令牌分配：4096-32768个基于差异大小的令牌
• 温度调谐：0.25针对差异分析进行了优化
• 分块：大差异（>10MB或>1000个文件）的自动分块
• 提供商特定：每个LLM提供程序的自定义参数

克劳德代码中的示例：

"Analyze this git diff and tell me what changed: [paste diff here]"

2. review_code 🚀 优化

使用配置的LLM和特定于任务的优化来审查代码的质量、安全性和最佳实践。

参数：

• code （必填）：需审查的代码
• language （可选）：代码的编程语言
• focus （可选）：特定焦点区域- security, performance, style，或 all
• provider （可选）：要使用的LLM提供程序（覆盖默认值）
• model （可选）：要使用的模型（覆盖提供程序默认值）

智能优化：

• 任务特定温度：0.1用于安全重点（高精度），0.2用于一般代码审查
• 动态令牌分配：使用代码大小进行全面分析
• 焦点感知分析：每个重点领域的专门提示和参数

克劳德代码中的示例：

"Review this Python code for security issues: [paste code here]"

3. analyze_commit 🚀 优化

使用配置的LLM和特定于提交的优化来分析git提交的质量和对最佳实践的遵守情况。

参数：

• commit_sha （可选）：Git提交SHA进行分析（默认：HEAD）
• repo_path （可选）：git存储库的路径（默认：当前目录）
• provider （可选）：要使用的LLM提供程序（覆盖默认值）
• model （可选）：要使用的模型（覆盖提供程序默认值）

智能优化：

• 提交分析温度：0.2用于一致性、确定性提交分析
• 内存安全差分处理：通过自动截断处理大型提交
• 综合分析：包括提交消息质量、差异分析和最佳实践

克劳德代码中的示例：

"Analyze the latest commit in this repository"
"Analyze commit abc123 and tell me if it follows best practices"

4. analyze_uncommitted_work 🚀 优化

分析git存储库中未提交的更改，以帮助通过智能优化为提交做好准备。

参数：

• repo_path （可选）：git存储库的路径（默认：当前目录）
• staged_only （可选）：仅分析阶段性更改（默认值：false，分析所有未提交的更改）
• provider （可选）：要使用的LLM提供程序（覆盖默认值）
• model （可选）：要使用的模型（覆盖提供程序默认值）

智能优化：

• 代码审查温度：0.2用于未提交变更的平衡分析
• 大型变更集处理：自动分块，可进行大量修改
• 情境感知分析：针对分阶段工作与所有未提交工作进行量身定制的分析

LLM分析包括：

• 所有更改摘要（修改、添加、删除的文件）
• 更改的类型和性质（功能、错误修复、重构等）
• 完整性和承诺准备
• 潜在问题或疑虑
• 如果更改已准备就绪，建议提交消息
• 如果需要拆分更改，则建议组织提交

克劳德代码中的示例：

"Analyze my uncommitted changes and suggest a commit message"
"Review only my staged changes before I commit"
"Should I split my current changes into multiple commits?"

5. get_repo_info

获取有关git存储库的信息（无LLM分析）。

参数：

• repo_path （可选）：git存储库的路径（默认：当前目录）

克劳德代码中的示例：

"Show me information about this git repository"

安全功能

• 输入验证：所有存储库路径和提交SHA都经过验证，以防止命令注入
• 路径限制：存储库路径必须在当前工作目录中
• API密钥保护：API密钥从不在错误消息或日志中公开
• HTTP超时：所有LLM API调用都有30秒的超时，以防止挂起
• 并发访问：并发请求的线程安全提供程序管理

优化系统🚀

Second Opinion包括一个全面的优化系统，可以根据内容和上下文自动调整性能：

动态令牌分配

• 4096个令牌：差异非常小（\500KB）

任务特定温度设置

• 0.1：安全审查（最高精度）
• 0.2：代码审查和提交分析（主要是确定性的）
• 0.25：差异分析（略微灵活）
• 0.3：架构审查（允许创造力）

特定于提供商的优化

• OpenAI：top_p=0.9的完整令牌分配
• 谷歌：通过集中采样，上限为8192个令牌（top_k=20，top_p=0.8）
• 米斯特拉尔：保守分配，top_p=0.8
• 奥拉马：具有repeat_penalty=1.05的局部模型优化

内存管理

• 自动分块：大差异（>10MB或>1000个文件）被智能分割
• 智能块尺寸：根据文件计数调整块大小
• 内存感知流媒体：支持大型操作的流式传输

发展

项目结构

second-opinion/
├── main.go              # MCP server setup and tool registration
├── handlers.go          # Tool handler implementations
├── validation.go        # Input validation functions
├── config/              # Configuration loading and optimization
│   ├── config.go        # Main configuration with optimization methods
│   └── optimization_test.go # Comprehensive optimization tests
├── llm/                 # LLM provider implementations
│   ├── provider.go      # Provider interface, prompts, and optimization wrapper
│   ├── openai.go        # OpenAI implementation
│   ├── google.go        # Google Gemini implementation
│   ├── ollama.go        # Ollama implementation with advanced options
│   └── mistral.go       # Mistral implementation with additional parameters
├── CLAUDE.md           # Claude Code specific instructions
└── TODO.md             # Development roadmap

运行测试

# Run all tests
go test ./... -v

# Run optimization tests specifically
go test ./config -v

# Run specific test suites
go test ./llm -v -run TestProviderConnections

# Run with race detection
go test -race ./...

# Run with coverage
go test -cover ./...

掉毛

# Install golangci-lint if not already installed
go install github.com/golangci/golangci-lint/cmd/golangci-lint@latest

# Run linter
golangci-lint run

# Auto-fix issues where possible
golangci-lint run --fix

建筑

# Build for current platform
go build -o bin/second-opinion

# Build with race detector (for development)
go build -race -o bin/second-opinion

# Build for different platforms
GOOS=darwin GOARCH=amd64 go build -o bin/second-opinion-darwin-amd64
GOOS=linux GOARCH=amd64 go build -o bin/second-opinion-linux-amd64
GOOS=windows GOARCH=amd64 go build -o bin/second-opinion-windows-amd64.exe

故障排除

常见问题

1. “提供程序未配置”错误

- 确保您已设置 ~/.second-opinion.json 或环境变量 - 检查API密钥是否有效并具有适当的权限

1. “不是git仓库”错误

- 确保您在具有以下内容的目录中运行该工具 .git 文件夹 - 该工具验证路径是否是安全的git存储库

1. 超时错误

- 检查您的互联网连接 - 对于Ollama，请确保本地服务器正在运行： ollama serve - 如果超时持续存在，请考虑使用更快的模型

1. 权限被拒绝错误

- 该工具仅允许访问当前工作目录和子目录 - 确保二进制文件具有执行权限： chmod +x bin/second-opinion

调试模式

要查看详细的日志，您可以直接运行服务器：

./bin/second-opinion 2>debug.log

贡献

欢迎投稿！拜托：

1. 分叉存储库
2. 创建要素分支
3. 确保所有测试均已通过，且棉绒保持清洁
4. 提交拉取请求

看 TODO.md 对于计划中的功能和已知问题。

内存使用

对于大型存储库，请参见 docs/MEMORY_USAGE.md 用于配置选项以有效处理较大差异。

许可证

麻省理工学院