Yellhorn MCP

MCP de Yellhorn

Un servidor de Protocolo de Contexto de Modelo (MCP) que expone las capacidades de Gemini 2.5 Pro y OpenAI a Claude Code para tareas de desarrollo de software, utilizando todo el código base en el prompt. Este patrón es muy útil para definir el trabajo que realizarán asistentes de código como Claude Code u otros agentes de codificación compatibles con MCP, y para revisar los resultados y garantizar que cumplan con los requisitos originales especificados.

Características

• Crear planes de trabajo : crea planes de implementación detallados basados en una solicitud y teniendo en cuenta toda su base de código, publicándolos como problemas de GitHub y exponiéndolos como recursos de MCP para su agente de codificación.
• Judge Code Diffs : proporciona una herramienta para evaluar las diferencias de Git contra el plan de trabajo original con el contexto completo de la base de código y brinda comentarios detallados, lo que garantiza que la implementación no se desvíe de los requisitos originales y brinda orientación sobre qué cambiar para hacerlo.
• Integración perfecta con GitHub : crea automáticamente problemas etiquetados y publica subproblemas de juicio con referencias a los problemas del plan de trabajo original.
• Control de contexto : utilice archivos .yellhornignore para excluir archivos y directorios específicos del contexto de AI, similar a .gitignore
• Recursos MCP : expone los planes de trabajo como recursos MCP estándar para facilitar su listado y recuperación.

Instalación

Configuración

El servidor requiere las siguientes variables de entorno:

• GEMINI_API_KEY : Su clave API de Gemini (requerida para los modelos de Gemini)
• OPENAI_API_KEY : Su clave API de OpenAI (necesaria para los modelos de OpenAI)
• REPO_PATH : Ruta a su repositorio (predeterminado al directorio actual)
• YELLHORN_MCP_MODEL : Modelo a utilizar (predeterminado: "gemini-2.5-pro-preview-03-25"). Opciones disponibles:
  • Modelos Gemini: "gemini-2.5-pro-preview-03-25", "gemini-2.5-flash-preview-04-17"
  • Modelos OpenAI: "gpt-4o", "gpt-4o-mini", "o4-mini", "o3"

El servidor también requiere que GitHub CLI ( gh ) esté instalado y autenticado.

Uso

Empezando

Configuración de VSCode/Cursor

Para configurar Yellhorn MCP en VSCode o Cursor, cree un archivo .vscode/mcp.json en la raíz de su espacio de trabajo con el siguiente contenido:

Configuración de Claude Code

Para configurar Yellhorn MCP con Claude Code directamente, agregue un archivo .mcp.json de nivel raíz en su proyecto con el siguiente contenido:

Herramientas

crear_plan_de_trabajo

Crea un problema de GitHub con un plan de trabajo detallado basado en el título y la descripción detallada.

Aporte :

• title : Título del problema de GitHub (se usará como título y encabezado del problema)
• detailed_description : Descripción detallada del plan de trabajo
• codebase_reasoning : (opcional) Controla si se realiza la mejora de IA:
  • "full" : (predeterminado) Utiliza IA para mejorar el plan de trabajo con el contexto de base de código completo
  • "lsp" : Utilizar IA con un contexto de base de código ligero (firmas de funciones/métodos, atributos de clase y campos de estructura para Python y Go)
  • "none" : omite la mejora de la IA, usa la descripción proporcionada tal como está
• debug : (opcional) Si se establece en true , agrega un comentario al problema con el mensaje completo utilizado para la generación

Producción :

• Cadena JSON que contiene:
  • issue_url : URL del problema de GitHub creado
  • issue_number : El número de problema de GitHub

obtener_plan_de_trabajo

Recupera el contenido del plan de trabajo (cuerpo del problema de GitHub) asociado con un plan de trabajo.

Aporte :

• issue_number : el número de problema de GitHub para el plan de trabajo.

Producción :

• El contenido del plan de trabajo emitido como una cadena

plan de trabajo del juez

Ejecuta una evaluación de código asíncrona que compara dos referencias de Git (ramas o confirmaciones) con un plan de trabajo descrito en una incidencia de GitHub. Crea una subincidencia de GitHub con la evaluación de forma asíncrona tras su ejecución (en segundo plano).

Aporte :

• issue_number : el número de problema de GitHub para el plan de trabajo.
• base_ref : Referencia base de Git (SHA de confirmación, nombre de la rama, etiqueta) para comparación. El valor predeterminado es 'main'.
• head_ref : Referencia principal de Git (SHA de confirmación, nombre de la rama, etiqueta) para comparación. El valor predeterminado es 'HEAD'.
• codebase_reasoning : (opcional) Controla qué contexto de base de código se proporciona:
  • "full" : (predeterminado) Utilizar el contexto de código base completo
  • "lsp" : utiliza un contexto de base de código más ligero (solo firmas de funciones para Python y Go, además de archivos de diferencias completos)
  • "none" : omite por completo el contexto del código base para un procesamiento más rápido
• debug : (opcional) Si se establece en true , agrega un comentario al subproblema con el mensaje completo utilizado para la generación

Producción :

• Un mensaje de confirmación de que se ha iniciado la tarea de juicio

Acceso a recursos

Yellhorn MCP también implementa la API de recursos estándar de MCP para proporcionar acceso a los planes de trabajo:

• list-resources : enumera todos los planes de trabajo (problemas de GitHub con la etiqueta yellhorn-mcp)
• get-resource : recupera el contenido de un plan de trabajo específico por número de problema

Se puede acceder a ellos a través de los comandos CLI estándar de MCP:

Desarrollo

CI/CD

El proyecto utiliza GitHub Actions para la integración y la implementación continuas:

• Prueba : se ejecuta automáticamente en solicitudes de extracción y se envía a la rama principal
  • Pelusa con escamas8
  • Comprobación de formato con negro
  • Pruebas con pytest
• Publicación : se publica automáticamente en PyPI cuando se envía una etiqueta de versión
  • La etiqueta debe coincidir con la versión en pyproject.toml (por ejemplo, v0.2.2)
  • Requiere un token de API de PyPI almacenado como un secreto del repositorio de GitHub (PYPI_API_TOKEN)

Para lanzar una nueva versión:

1. Actualizar la versión en pyproject.toml y yellhorn_mcp/__init__.py
2. Actualizar CHANGELOG.md con los nuevos cambios
3. Confirmar cambios: git commit -am "Bump version to XYZ"
4. Etiqueta la confirmación: git tag vX.YZ
5. Enviar cambios y etiquetar: git push && git push --tags

Para ver el historial de cambios, consulte el Registro de cambios .

Para obtener instrucciones más detalladas, consulte la Guía de uso .

Licencia

Instituto Tecnológico de Massachusetts (MIT)