MCP 服务器 Neurolorap
MCP 服务器提供代码分析和文档工具。
特征
代码收集工具
从整个项目收集代码
从特定目录或文件收集代码
从多个路径收集代码
带有语法高亮的 Markdown 输出
目录生成
支持多种编程语言
项目结构报告工具
分析项目结构和指标
以 markdown 格式生成详细报告
文件大小和复杂性分析
基于树的可视化
代码组织建议
可定制的忽略模式
Related MCP server: Code Snippet Server
快速概览
# Using uvx (recommended)
uvx mcp-server-neurolorap
# Or using pip (not recommended)
pip install mcp-server-neurolorap
您无需手动安装或配置任何依赖项。该工具将设置您分析和记录代码所需的一切。
安装
您需要在您的机器上安装
要安装并运行服务器：
# Install using uvx (recommended)
uvx mcp-server-neurolorap
# Or install using pip (not recommended)
pip install mcp-server-neurolorap
这将自动：
安装所有必需的依赖项
配置 Cline 集成
设置服务器以供立即使用
该服务器将通过 Cline 中的 MCP 协议提供。您可以使用它来分析和记录任何项目的代码。
用法
开发者模式
服务器包含一个带有 JSON-RPC 终端接口的开发者模式，可直接交互：
# Start the server in developer mode
python -m mcp_server_neurolorap --dev
可用命令：
示例会话：
> help
Available commands:
- help: Show this help message
- list_tools: List available MCP tools
- collect <path>: Collect code from specified path
- report [path]: Generate project structure report
- exit: Exit the terminal
> list_tools
["code_collector", "project_structure_reporter"]
> collect src
Code collection complete!
Output file: code_collection.md
> report
Project structure report generated: PROJECT_STRUCTURE_REPORT.md
> exit
Goodbye!
通过 MCP 工具
代码收集
from modelcontextprotocol import use_mcp_tool
# Collect code from entire project
result = use_mcp_tool(
"code_collector",
{
"input": ".",
"title": "My Project"
}
)
# Collect code from specific directory
result = use_mcp_tool(
"code_collector",
{
"input": "./src",
"title": "Source Code"
}
)
# Collect code from multiple paths
result = use_mcp_tool(
"code_collector",
{
"input": ["./src", "./tests"],
"title": "Project Files"
}
)
项目结构分析
# Generate project structure report
result = use_mcp_tool(
"project_structure_reporter",
{
"output_filename": "PROJECT_STRUCTURE_REPORT.md"
}
)
# Analyze specific directory with custom ignore patterns
result = use_mcp_tool(
"project_structure_reporter",
{
"output_filename": "src_structure.md",
"ignore_patterns": ["*.pyc", "__pycache__"]
}
)
文件存储
服务器采用结构化方法存储文件：
所有生成的文件都存储在~/.mcp-docs/<project-name>/
在您的项目根目录中创建一个指向此目录的.neurolora符号链接
这确保了：
清理项目结构
一致的文件组织
轻松访问生成的文件
支持多个项目
跨不同操作系统环境的可靠文件同步
在 IDE 和文件浏览器中快速查看文件
自定义忽略模式
在项目根目录中创建一个.neuroloraignore文件来自定义忽略哪些文件：
# Dependencies
node_modules/
venv/
# Build
dist/
build/
# Cache
__pycache__/
*.pyc
# IDE
.vscode/
.idea/
# Generated files
.neurolora/
如果不存在.neuroloraignore文件，则将使用常见的忽略模式创建一个默认文件。
发展
克隆存储库
创建并激活虚拟环境：
python -m venv .venv
source .venv/bin/activate # On Unix
# or
.venv\Scripts\activate # On Windows
安装开发依赖项：
运行服务器：
# Normal mode (MCP server with stdio transport)
python -m mcp_server_neurolorap
# Developer mode (JSON-RPC terminal interface)
python -m mcp_server_neurolorap --dev
测试
该项目通过自动化测试和持续集成保持高质量标准：
有关开发和测试的详细信息，请参阅 PROJECT_SUMMARY.md。
代码质量
该项目通过各种工具保持较高的代码质量标准：
# Format code
black .
# Sort imports
isort .
# Lint code
flake8 .
# Type check
mypy src tests
# Security check
bandit -r src/
safety check
所有这些检查都会通过 GitHub Actions 在拉取请求上自动运行。
CI/CD 管道
该项目使用 GitHub Actions 进行持续集成和部署：
合并任何更改之前，管道必须通过。
贡献
欢迎大家贡献！请参阅CONTRIBUTING.md中的指南。
执照
MIT 许可证。详情请参阅 LICENSE 文件。