GitHub MCP Agent

Stelle natürlichsprachliche Fragen zu GitHub-Repositorys und erhalte Antworten, die auf live GitHub-Daten basieren. Auf Cloudflare ruft ein Worker jeden LLM-Anbieter (Google, OpenAI, DeepSeek, Cloudflare, Groq oder eine benutzerdefinierte OpenAI-kompatible API) mit Tool Calling auf und implementiert GitHub-Tools über die REST-API. Lokal kannst du weiterhin die ursprüngliche Streamlit-App ausführen, die über Docker mit dem offiziellen GitHub MCP Server kommuniziert.

Dies ist ein eigenständiges Paket des GitHub MCP Agents aus Shubhamsaboo/awesome-llm-apps. Das Original befindet sich in einer großen Sammlung von Beispielen; dieses Repository ist ein abgeschlossenes Projekt, das du klonen, ausführen und bereitstellen kannst.

Was es tut

Gib der App ein beliebiges owner/repo, gib eine Frage ein, und erhalte eine strukturierte Antwort, die auf live GitHub-Daten basiert – keine allgemeine LLM-Schätzung. Typische Fragen:

• Welche Issues sind als Bugs markiert?

• Welche Pull-Requests benötigen noch eine Überprüfung?

• Was wurde kürzlich gemerged?

• Wie aktiv ist dieses Repository?

Der Agent formatiert Antworten in Markdown, einschließlich Tabellen und Links zurück zu GitHub, wenn sie hilfreich sind.

Related MCP server: GitHub Tools MCP Server

Funktionen

• Natürlichsprachliche Abfragen über Issues, Pull-Requests, Repository-Metadaten, Dateien und Suche

• Cloudflare Worker + statische Chat-Oberfläche für gehostete Nutzung (beliebiger LLM-Anbieter + GitHub REST)

• Offizieller GitHub MCP Server (optional lokaler Pfad) über Docker für die ursprüngliche Streamlit-App

• Eigenen LLM-Schlüssel mitbringen: Google, OpenAI, DeepSeek, Cloudflare Workers AI, Anthropic, Groq, OpenRouter, Mistral, xAI, Together oder jeder OpenAI-kompatible Endpunkt

• Seitenleiste für Authentifizierung, Anbieterauswahl und Modellfeld, Abfragevorlagen und benutzerdefinierte Fragen

• Optional .env / .dev.vars Laden, damit du Schlüssel aus der Benutzeroberfläche heraushalten kannst

Gehostete Architektur (Cloudflare)

Streamlit und das GitHub MCP Docker-Image können nicht auf Cloudflare Pages/Workers ausgeführt werden. Die gehostete App ist eine Cloudflare-native Neuimplementierung des gleichen Produkts:

┌─────────────────┐     POST /api/chat (SSE)      ┌──────────────────┐
│ Static chat UI  │ ────────────────────────────► │ Cloudflare Worker│
│ public/         │                               │ Any LLM + tools  │
└─────────────────┘                               └────────┬─────────┘
                                                           │ GitHub REST
                                                           ▼
                                                  ┌──────────────────┐
                                                  │ api.github.com   │
                                                  └──────────────────┘

1. Der Worker bedient die Chat-Oberfläche aus public/ und verarbeitet /api/*.

2. Chat-Anfragen rufen deinen gewählten LLM mit GitHub-Tools auf, die den MCP-Toolsets repos, issues und pull_requests entsprechen (plus Dateien und Suche).

3. Der Worker führt diese Tools gegen die GitHub REST-API mit GITHUB_TOKEN aus.

4. Tokens können von Wrangler-Secrets oder aus der Seitenleiste (X-LLM-Key, X-GitHub-Token) stammen. Werte aus der Seitenleiste überschreiben Secrets für diese Anfrage.

Auf Cloudflare bereitstellen

Voraussetzungen

• Node.js 18+

• Ein Cloudflare-Konto

• Ein LLM-API-Schlüssel von einem beliebigen Anbieter (Google, OpenAI, DeepSeek, Cloudflare, Groq, …)

• GitHub persönlicher Zugriffstoken (nicht committet)

git clone https://github.com/MadanMohan0537/github-mcp-agent.git
cd github-mcp-agent
npm install
npx wrangler login
npx wrangler secret put LLM_API_KEY
npx wrangler secret put GITHUB_TOKEN
npx wrangler secret put LLM_PROVIDER
npm run deploy

Nach der Bereitstellung gibt Wrangler eine *.workers.dev-URL aus. Die Benutzeroberfläche und die API sind same-origin.

Lokale Cloudflare-Entwicklung

copy .dev.vars.example .dev.vars

Bearbeite .dev.vars mit echten Schlüsseln (niemals committen), dann:

npm run dev

Öffne die von Wrangler ausgegebene URL (normalerweise http://127.0.0.1:8787).

Du kannst auch Schlüssel in die Seitenleiste eingeben. Das Feld ist mit LLM API key beschriftet, nicht nur OpenAI. Werte aus der Seitenleiste werden nur als Anfrage-Header an diesen Worker gesendet.

Token-Bereiche:

• Öffentliche Repositorys: public_repo reicht

• Private Repositorys: repo

Optionaler lokaler Pfad: Streamlit + GitHub MCP Docker

Die ursprüngliche Python-App ist unverändert. Sie verwendet Agno, Streamlit und ghcr.io/github/github-mcp-server.

┌─────────────────┐     natural-language query      ┌──────────────────┐
│  Streamlit UI   │ ───────────────────────────────► │  Agno Agent      │
│  github_agent.py│                                  │  (any LLM)      │
└─────────────────┘                                  └────────┬─────────┘
                                                              │ MCP tools
                                                              ▼
                                                     ┌──────────────────┐
                                                     │ Docker container │
                                                     │ github-mcp-server│
                                                     └────────┬─────────┘
                                                              │ GitHub API
                                                              ▼
                                                     ┌──────────────────┐
                                                     │ api.github.com   │
                                                     └──────────────────┘

Voraussetzungen

python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
copy .env.example .env
streamlit run github_agent.py

Oder . un.ps1 / run.bat nachdem das venv installiert ist. Öffne die von Streamlit ausgegebene URL (normalerweise http://localhost:8501).

Das erste Docker-Pull von ghcr.io/github/github-mcp-server kann eine Minute dauern. Abfragen haben ein Zeitlimit von 120 Sekunden.

Beispielverwendung

Repository: Shubhamsaboo/awesome-llm-apps

Issues

• Find issues labeled as bugs in Shubhamsaboo/awesome-llm-apps

• What issues are being actively discussed?

Pull-Requests

• What PRs need review?

• Show me recent merged PRs

Repository

• Show repository health metrics

• Show repository activity patterns

• Analyze code quality trends

Halte jede Frage auf einen Bereich (Issues, PRs oder Repository-Statistiken) fokussiert. Breite Eingabeaufforderungen dauern länger und liefern verrauschte Antworten.

Projektstruktur

github-mcp-agent/
├── public/              # Cloudflare static chat UI
├── src/                 # Worker: multi-provider LLM agent + GitHub REST tools
├── wrangler.toml        # Workers + assets project
├── package.json         # npm run dev / npm run deploy
├── github_agent.py      # Optional local Streamlit + MCP Docker app
├── requirements.txt
├── .env.example
├── .dev.vars.example
├── LICENSE              # Apache License 2.0 (from the original project)
├── NOTICE
└── README.md

Fehlerbehebung

Namensnennung

Basiert auf GitHub MCP Agent in Shubhamsaboo/awesome-llm-apps, genauer:

mcp_ai_agents/github_mcp_agent

Tutorial der Quelle: Build an MCP GitHub agent in less than 50 lines of code.

Dieses Repository ist ein unabhängiger eigenständiger Checkout mit Dokumentation, einem Cloudflare Workers Host und kleinen Paketänderungen. Es ist kein offizielles GitHub- oder Cloudflare-Produkt.

Lizenz

Das ursprüngliche Projekt awesome-llm-apps ist unter der Apache License 2.0 lizenziert. Dieser Ableger behält diese Lizenz. Siehe NOTICE für die Quellenangabe.