MCP 脉络藻

智能 MCP 服务器，提供使用 OpenAI API 进行代码分析、代码收集和文档生成的工具。

🚀 安装指南

如果您还没有安装任何东西，也不用担心！只需按照以下步骤操作，或者请您的助手协助您安装。

步骤1：安装Node.js

macOS

1. 如果尚未安装 Homebrew，请安装：
   /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
2. 安装 Node.js 18：
   brew install node@18 echo 'export PATH="/opt/homebrew/opt/node@18/bin:$PATH"' >> ~/.zshrc source ~/.zshrc

视窗

1. 从nodejs.org下载 Node.js 18 LTS
2. 运行安装程序
3. 打开新终端以应用更改

Linux（Ubuntu/Debian）

第 2 步：安装 uv 和 uvx

所有操作系统

1. 安装 uv：
   curl -LsSf https://astral.sh/uv/install.sh | sh
2. 安装 uvx：
   uv pip install uvx

步骤 3：验证安装

运行以下命令来验证所有内容是否已安装：

步骤 4：配置 MCP 服务器

您的助手将帮助您：

1. 找到您的 Cline 设置文件：
   • VSCode： ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
   • Claude 桌面： ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows VSCode： %APPDATA%/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
   • Windows 克劳德： %APPDATA%/Claude/claude_desktop_config.json
2. 添加此配置：
   { "mcpServers": { "aindreyway-mcp-neurolora": { "command": "npx", "args": ["-y", "@aindreyway/mcp-neurolora@latest"], "env": { "NODE_OPTIONS": "--max-old-space-size=256", "OPENAI_API_KEY": "your_api_key_here" } } } }

步骤5：安装基础服务器

只需询问您的助手：“请为我的环境安装基础 MCP 服务器”

您的助理将：

1. 找到您的设置文件
2. 运行 install_base_servers 工具
3. 自动配置所有必要的服务器

安装完成后：

1. 完全关闭 VSCode（macOS 上为 Cmd+Q，Windows 上为 Alt+F4）
2. 重新打开 VSCode
3. 新的服务器将可供使用

**重要提示：**安装基础服务器后，需要完全重启 VSCode，以便正确初始化它们。

**注意：**此服务器使用npx直接执行 npm 包，这对于 Node.js/TypeScript MCP 服务器来说是最佳的，可与 npm 生态系统和 TypeScript 工具无缝集成。

基础 MCP 服务器

以下基础服务器将自动安装和配置：

• fetch：用于访问 Web 资源的基本 HTTP 请求功能
• puppeteer：用于 Web 交互和测试的浏览器自动化功能
• 顺序思维：用于复杂任务的高级问题解决工具
• github：GitHub 集成功能，用于存储库管理
• git：Git 操作支持版本控制
• shell：基本shell命令执行，常用命令：
  • ls：列出目录内容
  • cat：显示文件内容
  • pwd：打印工作目录
  • grep：搜索文本模式
  • wc：统计单词、行、字符
  • touch：创建空文件
  • 查找：搜索文件

🎯 你的助手能做什么

请你的助手：

• “分析我的代码并提出改进建议”
• “为我的环境安装基础 MCP 服务器”
• “从我的项目目录中收集代码”
• “为我的代码库创建文档”
• “使用我的所有代码生成一个 markdown 文件”

🛠 可用工具

分析代码

使用 OpenAI API 分析代码并生成包含改进建议的详细反馈。

参数：

• codePath （必需）：要分析的代码文件或目录的路径

使用示例：

该工具将：

1. 使用 OpenAI API 分析您的代码
2. 通过以下方式生成详细反馈：
   • 问题和建议
   • 违反最佳实践
   • 影响分析
   • 修复步骤
3. 在您的项目中创建两个输出文件：
   • LAST_RESPONSE_OPENAI.txt - 人类可读的分析
   • LAST_RESPONSE_OPENAI_GITHUB_FORMAT.json - GitHub 问题的结构化数据

注意：环境配置中需要 OpenAI API 密钥

收集代码

将目录中的所有代码收集到具有语法高亮和导航的单个 markdown 文件中。

参数：

• directory （必需）：收集代码的目录路径
• outputPath （可选）：保存输出 markdown 文件的路径
• ignorePatterns （可选）：要忽略的模式数组（类似于.gitignore）

使用示例：

安装基础服务器

将基本 MCP 服务器安装到您的配置文件。

参数：

• configPath （必需）：MCP 设置配置文件的路径

使用示例：

🔧 功能

服务器提供：

• 代码分析：
  • OpenAI API 集成
  • 结构化反馈
  • 最佳实践建议
  • GitHub 问题生成
• 代码集合：
  • 目录遍历
  • 语法高亮
  • 导航生成
  • 基于模式的过滤
• 基础服务器管理：
  • 自动安装
  • 配置处理
  • 版本管理

📄 许可证

MIT 许可证 - 请随意在您的项目中使用它！

👤 作者

艾恩德雷韦

• GitHub： @aindreyway

⭐️ 支持

如果这个项目对您有帮助，请给⭐️！