MCP サーバー Neurolorap
コード分析とドキュメント化のためのツールを提供する MCP サーバー。
特徴
コード収集ツール
プロジェクト全体からコードを収集する
特定のディレクトリまたはファイルからコードを収集する
複数のパスからコードを収集する
構文強調表示付きのマークダウン出力
目次生成
複数のプログラミング言語のサポート
プロジェクト構造レポーターツール
プロジェクトの構造と指標を分析する
マークダウン形式で詳細なレポートを生成する
ファイルサイズと複雑さの分析
ツリーベースの視覚化
コード編成に関する推奨事項
カスタマイズ可能な無視パターン
Related MCP server: Code Snippet Server
概要
# Using uvx (recommended)
uvx mcp-server-neurolorap
# Or using pip (not recommended)
pip install mcp-server-neurolorap依存関係を手動でインストールしたり設定したりする必要はありません。ツールがコードの分析とドキュメント化に必要なすべての設定を行います。
インストール
マシンに
サーバーをインストールして実行するには:
# Install using uvx (recommended)
uvx mcp-server-neurolorap
# Or install using pip (not recommended)
pip install mcp-server-neurolorapこれにより、次の処理が自動的に実行されます。
必要な依存関係をすべてインストールする
Cline統合を構成する
すぐに使用できるようにサーバーをセットアップする
このサーバーはClineのMCPプロトコルを通じて利用可能になります。あらゆるプロジェクトのコードを分析・文書化するために使用できます。
使用法
開発者モード
サーバーには、直接対話するための JSON-RPC ターミナル インターフェイスを備えた開発者モードが含まれています。
# Start the server in developer mode
python -m mcp_server_neurolorap --dev使用可能なコマンド:
help: 利用可能なコマンドを表示list_tools: 利用可能な MCP ツールを一覧表示するcollect <path>: 指定されたパスからコードを収集しますreport [path]: プロジェクト構造レポートを生成するexit: 開発者モードを終了する
セッションの例:
> 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!MCPツールを通じて
コードコレクション
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"
}
)プロジェクト構造分析
# 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__"]
}
)ファイルストレージ
サーバーは、ファイルの保存に構造化されたアプローチを使用します。
生成されたすべてのファイルは
~/.mcp-docs/<project-name>/に保存されます。プロジェクトルートにこのディレクトリを指す
.neuroloraシンボリックリンクが作成されます。
これにより、次のことが保証されます。
クリーンなプロジェクト構造
一貫したファイル構成
生成されたファイルへの簡単なアクセス
複数のプロジェクトのサポート
異なるOS環境間での信頼性の高いファイル同期
IDE やファイルエクスプローラーでのファイルの高速表示
無視パターンのカスタマイズ
無視するファイルをカスタマイズするには、プロジェクト ルートに.neuroloraignoreファイルを作成します。
# Dependencies
node_modules/
venv/
# Build
dist/
build/
# Cache
__pycache__/
*.pyc
# IDE
.vscode/
.idea/
# Generated files
.neurolora/.neuroloraignoreファイルが存在しない場合は、一般的な無視パターンを含むデフォルトのファイルが作成されます。
発達
リポジトリをクローンする
仮想環境を作成してアクティブ化します。
python -m venv .venv
source .venv/bin/activate # On Unix
# or
.venv\Scripts\activate # On Windows開発依存関係をインストールします。
pip install -e ".[dev]"サーバーを実行します。
# Normal mode (MCP server with stdio transport)
python -m mcp_server_neurolorap
# Developer mode (JSON-RPC terminal interface)
python -m mcp_server_neurolorap --devテスト
このプロジェクトは、自動テストと継続的インテグレーションを通じて高い品質基準を維持しています。
80%以上のコードカバレッジを備えた包括的なテストスイート
Python 3.10、3.11、3.12 での自動テスト
GitHub Actionsによる継続的インテグレーション
定期的なセキュリティスキャンと依存関係チェック
開発とテストの詳細については、PROJECT_SUMMARY.md を参照してください。
コード品質
このプロジェクトでは、さまざまなツールを通じて高いコード品質基準を維持しています。
# Format code
black .
# Sort imports
isort .
# Lint code
flake8 .
# Type check
mypy src tests
# Security check
bandit -r src/
safety checkこれらのチェックはすべて、GitHub Actions を通じてプル リクエストに対して自動的に実行されます。
CI/CDパイプライン
このプロジェクトでは、継続的な統合とデプロイメントに GitHub Actions を使用します。
Python 3.10、3.11、3.12でテストを実行します
コードのフォーマットとスタイルをチェックします
型チェックを実行する
セキュリティスキャンを実行する
カバレッジレポートを生成する
パッケージをビルドして検証する
テスト成果物をアップロードする
変更をマージする前にパイプラインを通過する必要があります。
貢献
貢献を歓迎します！ガイドラインについてはCONTRIBUTING.mdをご覧ください。
ライセンス
MITライセンス。詳細はLICENSEファイルを参照してください。