MCP代码专家系统

一个基于 Python 的代码审查系统，使用模型上下文协议 (MCP)。它通过模拟专家角色（例如 Martin Fowler 和 Robert C. Martin（鲍勃叔叔））提供代码审查功能。

特征

• 根据 Martin Fowler 的重构原则进行代码审查

• 根据 Robert C. Martin 的清洁代码原则进行代码审查

• 代码、评论和关系的知识图谱存储

• 与 Ollama 集成，实现人工智能评论

• Web 集成的服务器端事件 (SSE) 支持

Related MCP server: MAGI MCP Server

先决条件

Python 3.10+

该项目需要 Python 3.10 或更高版本。

奥拉马

人工智能代码审查需要Ollama 。

1. 为您的平台安装 Ollama：

   • macOS ：从ollama.com下载

   • Linux ： curl -fsSL https://ollama.com/install.sh | sh

   • Windows ：通过 Linux 指令支持 Windows WSL2

2. 拉个推荐模型：

   ollama pull llama3:8b

3. 启动 Ollama 服务器：

   ollama serve

安装

运行安装脚本来安装依赖项并创建虚拟环境：

配置

编辑.env文件进行配置（如果需要，可以从.env.example创建）：

用法

运行服务器

标准模式（用于光标集成）

HTTP/SSE 模式（用于 Web 集成）

这将在http://localhost:8000/sse启动服务器以进行 SSE 传输。

对于自定义端口：

在光标处安装

要在 Cursor IDE 中安装：

可用工具

服务器公开了这些工具：

• ask_martin ：请 Martin Fowler 审查代码并提出重构建议

• ask_bob ：请 Robert C. Martin（鲍勃大叔）根据清洁代码原则审查代码

• read_graph ：读取整个知识图谱

• search_nodes ：搜索知识图谱中的节点

• open_nodes ：通过名称打开特定节点

示例用法

与 Martin Fowler 一起审查代码片段：

项目结构

• server.py ：集成 MCP 的主服务器实现

• experts/ ：实现代码审查功能的专家模块

  • __init__.py ：共享模型和接口

  • martin_fowler/ ：Martin Fowler 专家实施

  • robert_c_martin/ ：Robert C. Martin 专家实施

• knowledge_graph.py ：用于存储代码和评论的知识图谱

• ollama_service.py ：与 Ollama 集成，实现 AI 驱动的评论

• examples/ ：用于审查不同语言的示例代码

• requirements.txt ：Python 依赖项

• setup.sh ：安装脚本

建筑学

该系统采用模块化架构：

1. 服务器层：处理 MCP 协议通信并路由请求

2. 专家层：封装每个专家的代码审查逻辑

3. 服务层：提供AI集成和知识图谱功能

每个专家都实现了一个标准接口，允许一致处理和轻松添加新专家。

执照

麻省理工学院