✨ Lucidity MCP 🔍
代码清晰,创作自信
Lucidity 是一款模型上下文协议 (MCP) 服务器,旨在通过智能的、基于提示的分析来提升 AI 生成代码的质量。通过为 AI 编码助手提供结构化的指导,Lucidity 可以帮助识别和解决常见的质量问题,从而生成更简洁、更易于维护、更健壮的代码。
在你做出决定之前,只需让 Lucidity 分析一下这些变化,而不是把自己编码成一个噩梦般的地狱!😱 💥 🚫
💫 功能
- 🔮全面的问题检测- 涵盖从复杂性到安全漏洞的 10 个关键质量维度
- 🔄上下文分析- 将更改与原始代码进行比较,以识别意外的修改
- 🌐语言无关- 适用于 AI 助手理解的任何编程语言
- 🎯重点分析- 根据项目需求选择针对特定问题类型
- 📝结构化输出- 引导 AI 提供可操作的反馈和明确的建议
- 🤖 MCP 集成- 与 Claude 和其他兼容 MCP 的 AI 助手无缝集成
- 🪶轻量级实现- 简单的服务器设计,具有最少的依赖性
- 🧩可扩展框架- 轻松添加新的问题类型或改进分析标准
- 🔀灵活传输- 支持基于终端交互的 stdio 和基于网络通信的 SSE
- 🔄 Git-Aware Analysis - 直接从 git diff 分析更改,使其成为提交前审查的理想选择
🚀 安装
📋 先决条件
- Python 3.13 或更高版本
- Git(用于分析代码更改)
- UV 包管理器(推荐用于依赖项管理)
🔮 快速入门
运行 Lucidity 服务器
与人工智能助手一起使用
- 以 SSE 模式启动 Lucidity:
- 使用 MCP 协议 URI 连接您的 AI 助手:
- AI 现在可以调用
analyze_changes
工具来获取代码质量反馈!
🧠 分析维度
Lucidity 从 10 个关键质量维度分析代码:
- 不必要的复杂性——识别过于复杂的算法、过度的抽象和复杂的逻辑
- 糟糕的抽象——检测漏洞百出或不恰当的抽象以及不明确的关注点分离
- 意外代码删除- 捕获意外删除的关键功能或验证
- 幻觉组件- 查找对不存在的函数、类或 API 的引用
- 风格不一致——发现与项目编码标准和惯例的偏差
- 安全漏洞——识别代码更改中的潜在安全问题
- 性能问题- 检测可能影响性能的低效算法或操作
- 代码重复- 查找需要重构的重复逻辑或功能
- 不完整的错误处理——缺失或不充分的异常处理
- 测试覆盖率差距——识别关键功能缺失的测试
📊 AI 助手查询示例
将 AI 助手连接到 Lucidity 后,尝试以下查询:
- “分析我最新的 git 更改中的代码质量”
- “检查我的 JavaScript 更改中是否存在安全漏洞”
- “确保我的 Python 代码遵循最佳实践”
- “找出我最近代码更改中的任何性能问题”
- “我最近的重构是否存在任何意想不到的副作用?”
- “帮助我改进代码中的抽象”
- “检查我是否意外删除了任何重要的验证”
- “在我的最新提交中查找任何幻听 API 调用”
- “我的错误处理是否完整且强大?”
- “我的新功能是否存在测试覆盖率差距?”
🛠️ 可用的 MCP 工具
工具
analyze_changes
- 准备 git 更改以便通过 MCP 进行分析- 参数:
workspace_root
:workspace/git 仓库的根目录path
:可选的要分析的特定文件路径
- 参数:
💻 开发
Lucidity 使用 UV 进行依赖项管理和开发工作流程。UV 是一个快速、可靠的 Python 包管理器和解析器。
🔧 记录行为
Lucidity 根据传输方式以不同的方式处理日志:
- SSE 传输:已启用完整控制台日志记录
- 使用 --log-file 进行 Stdio 传输:所有日志都写入文件,控制台被禁用
- 不使用 --log-file 的 Stdio 传输:只有警告和错误会发送到 stderr,信息日志被禁用
这确保了 stdio 通信不会因 stdout 上出现的日志而中断。
🎛️ 命令行选项
🤝 贡献
欢迎贡献代码!欢迎提交 Pull 请求。
- 分叉存储库
- 创建你的功能分支(
git checkout -b feature/amazing-feature
) - 使用 UV 设置您的开发环境
- 进行更改
- 运行测试和 linting
- 提交您的更改(
git commit -m 'Add some amazing feature'
) - 推送到分支(
git push origin feature/amazing-feature
) - 打开拉取请求
📝 许可证
该项目根据 Apache License 2.0 获得许可 - 有关详细信息,请参阅 LICENSE 文件。
如果你觉得 Lucidity 有用,请给我买一个 Monster Ultra Violet ⚡️
This server cannot be installed
hybrid server
The server is able to function both locally and remotely, depending on the configuration or use case.
模型上下文协议服务器通过对 10 个关键维度进行全面分析来提高 AI 生成的代码质量,帮助在问题出现之前识别它们。
Related Resources
Related MCP Servers
- AsecurityAlicenseAqualityA Model Context Protocol server that integrates with Linear, enabling AI assistants to create, update, search, and comment on issues for project management and issue tracking.Last updated -56PythonApache 2.0
- -securityAlicense-qualityA Model Context Protocol server that enables AI agents to retrieve and understand entire codebases at once, providing tools to analyze local workspaces or remote GitHub repositories.Last updated -9TypeScriptMIT License
- -securityFlicense-qualityA Model Context Protocol server that enables AI assistants like Claude to perform Python development tasks through file operations, code analysis, project management, and safe code execution.Last updated -1Python
- AsecurityFlicenseAqualityA comprehensive Model Context Protocol server for advanced code analysis that provides tools for syntax analysis, dependency visualization, and AI-assisted development workflow support.Last updated -283Python