Coding Tools MCP

Vereinfachtes Chinesisch (Standard) · Die englische Version ist unten eingeklappt

Damit ChatGPT, Claude Desktop oder jeder MCP-fähige KI-Client wirklich in deinem Code-Repository Dateien lesen, Code ändern, Befehle ausführen, Git ansehen und lokale Agents auf einer vertrauenswürdigen persönlichen Entwicklungsmaschine aufrufen kann.

Dies ist der 0.7-Workbench-Downstream-Zweig von Coding Tools MCP. Das Projekt basiert auf dem Apache-2.0-lizenzierten xyTom/coding-tools-mcp und übernimmt die Upstream-Git-Historie, LICENSE und NOTICE; darauf aufbauend wurden umfangreiche Arbeiten zu Windows, Nebenläufigkeit/OAuth, personal_workstation, Agent Transport und Projektkontinuität hinzugefügt.

Wozu ist das gut?

Mit einem Satz: Gib der KI eine „Hand“, mit der sie sicher in den Code-Repositories auf deinem Computer arbeiten kann.

Es bietet über das Model Context Protocol (MCP) eine modellunabhängige lokale Programmier-Laufzeitumgebung, darunter:

• Lesen, Suchen, Verzeichnisauflistung und strukturierte Multi-Datei-Patches;

• Ausführen von Befehlen, fortlaufende interaktive Terminals, Lesen der Ausgabe langer Aufgaben;

• Git status / diff / log / show / blame;

• Nebenläufigkeitskoordination, Ressourcensperren, Lease und eigentümerbezogene Langzeitaufgaben;

• OAuth 2.1 / PKCE / Dynamic Client Registration;

• Optionale Host-Dateisystem-, Memo/ledger- und Windows-CUA-Funktionen;

• Agent Transport: aktuell mit status / send / read / continue / abort für Antigravity + OpenCode;

• personal_workstation-Modus für vertrauenswürdige persönliche Entwicklungsmaschinen.

Welche optionalen Fähigkeiten eine bestimmte Maschine tatsächlich freigibt, richtet sich nach server_info / tools/list der jeweiligen Instanz.

Related MCP server: Coding Tools MCP

Wie ist der aktuelle Stand?

Aktuelle öffentliche Version: v0.7.0-workbench.1.

Diese 0.7-Codeline hat das Source/Local-Gate abgeschlossen und wurde auf der Windows-Maschine des Maintainers mit einer echten ChatGPT Connected App im Staging verifiziert. Capability Discovery, Erstaufruf, Continuation in derselben Session/Conversation, Exact-Job-Abort und Cleanup von Antigravity und OpenCode wurden mit maschinellen Nachweisen verifiziert.

Der Default-Branch main des öffentlichen Repositories hat ein unabhängiges Public-Release-Gate durchlaufen; das GitHub-Release stellt gleichzeitig feste Versionen der Python-Wheel- und Sdist-Artefakte bereit.

Das bedeutet nicht, dass „alle Maschinen und alle MCP-Clients bereits verifiziert“ sind. Bei Problemen in neuen Umgebungen eröffne gerne direkt ein Issue oder eine Discussion.

Die einfachste Verwendung

Methode A: Direkt nach dem Klonen unter Windows starten (empfohlen)

git clone https://github.com/biaobiao2233/coding-tools-mcp-workbench.git
cd coding-tools-mcp-workbench
.\scripts\start-workbench.ps1 -Workspace C:\你的\代码仓库

Dieser Starter verwendet standardmäßig unsere aktuelle Workbench-Konfiguration:

• personal_workstation;

• Agent Transport aktiviert;

• Telemetrie standardmäßig deaktiviert;

• Destruktive Git-Operationen / rekursives Löschen erfordern weiterhin ausdrückliche Genehmigung.

Wenn du das lokale HTTP-MCP starten möchtest:

.\scripts\start-workbench.ps1 -Workspace C:\你的\代码仓库 -Transport http -Port 8765

Methode B: GitHub-Release-Wheel direkt installieren

Wenn du nicht das gesamte Repository klonen möchtest, kannst du auch direkt die feste Version installieren:

python -m pip install https://github.com/biaobiao2233/coding-tools-mcp-workbench/releases/download/v0.7.0-workbench.1/coding_tools_mcp-0.7.0-py3-none-any.whl

Danach:

coding-tools-mcp --permission-mode personal_workstation --stdio --workspace C:\你的\代码仓库

Derzeit werden die PyPI-/npm-Paketnamen des Upstream mit diesem Downstream nicht neu veröffentlicht. uvx coding-tools-mcp / npx coding-tools-mcp können derzeit weiterhin zu den Upstream-Paketen aufgelöst werden; wenn du sicherstellen möchtest, dass dieses Projekt verwendet wird, klone es von GitHub oder verwende das obige Release-Wheel.

Beispielkonfiguration für MCP-Clients

Unter Windows kannst du den Client den Starter im Checkout direkt aufrufen lassen:

{
  "mcpServers": {
    "coding-tools": {
      "command": "pwsh",
      "args": [
        "-NoProfile",
        "-File",
        "C:\\path\\to\\coding-tools-mcp-workbench\\scripts\\start-workbench.ps1",
        "-Workspace",
        "C:\\你的\\代码仓库"
      ]
    }
  }
}

Danach kannst du der KI direkt sagen: „Lass die Tests laufen und behebe den ersten Fehlschlag.“

Warum haben wir diesen Downstream erstellt?

Das ursprüngliche Projekt bot bereits eine solide MCP-Coding-Laufzeitumgebung. Wir sind hauptsächlich entlang der folgenden Linien weiter vorangeschritten:

1. Personal Workstation: Vertrauenswürdige persönliche Entwicklungsmaschinen sollen nicht mehr überall durch übermäßig konservative Standardberechtigungen blockiert werden, während die Schutzmechanismen für wirklich gefährliche Operationen erhalten bleiben.

2. Windows-Zuverlässigkeit: Job Objects, Prozessbaum-Eigentümerschaft, begrenzter Scan, verwalteter Runner/Watchdog, Release/Rollback.

3. Echte ChatGPT Connected App: Nicht nur lokale Selbsttests, sondern auch die Verifizierung von OAuth, Tool-Verträgen und Lebenszyklus in einer echten Connector-Umgebung.

4. Agent Transport: MCP soll nicht nur „Shell ausführen“ können, sondern auch Antigravity und OpenCode einheitlich steuern; geplant ist, Claude Code hinzuzufügen.

5. Project Continuity / Workbench: Worker Claim, unabhängiges Review, Candidate- und Accepted-State getrennt halten, um zu vermeiden, dass „die KI sagt, es ist fertig“ automatisch als bestanden gilt.

Welche Projekte haben wir herangezogen?

Hier wird bewusst zwischen Code-Abstammung / API-Integration / Design-Inspiration unterschieden, um zu vermeiden, dass man sagt, man habe „den Quellcode eines Projekts verwendet“, nur weil man sich von dessen Idee inspirieren ließ.

Eine vollständige Erläuterung findest du in Code-Abstammung, Prior Art und Design-Einflüsse.

Sicherheitsgrenzen

Für wirklich unvertrauenswürdigen Code wird weiterhin Docker/VM empfohlen. Detaillierte Grenzen findest du in SECURITY.md und docs/security-boundary.md.

Telemetrie

Die Telemetrie dieses Downstreams ist standardmäßig deaktiviert. Ereignisse werden nur gesendet, wenn der Betreiber explizit telemetry=on setzt und gleichzeitig einen selbst kontrollierten HTTPS-Endpunkt + Write-only-Schlüssel bereitstellt. DO_NOT_TRACK=1 und CI erzwingen die Deaktivierung.

Navigation der chinesischen Dokumentation

Die folgenden zentralen Einstiegspunkte sind jetzt standardmäßig auf Chinesisch, mit der englischen Version unten in derselben Datei eingeklappt:

• Schnellstart

• Fahrplan / Roadmap

• Beitragsleitfaden

• Code-Abstammung, Prior Art und Design-Einflüsse

Die tieferliegenden Protokollverträge, Testberichte und Schema-Dokumente bleiben weiterhin überwiegend auf Englisch, um Übersetzungsdrift bei Code-/API-Namen zu vermeiden:

• Werkzeuge und Schema

• Runtime Contract

• Berechtigungsmodi

• Remote-MCP

• Windows Managed Runner

• Fehlerbehebung

Roadmap

Die nächsten hauptsächlichen Forschungs-/Umsetzungsrichtungen sind:

• Claude Code Agent Transport Provider;

• Provider-Plug-in-Grenze;

• Orca (optionales Orchestrierungs-Backend);

• Web-ChatGPT-überwachte langlaufende Workbench;

• Multi-Maschinen-, signierte/reproduzierbare Distributionen, Linux/macOS-Parität.

Detaillierte Fortschritte findest du unter ROADMAP.md.

Mitwirken

Besonders willkommen sind diese Richtungen: Windows-Portabilität, Agent-Provider-Adapter, OAuth-/Connected-App-Interoperabilität, Adversarial-Tests zu Berechtigungen/Prozesslebenszyklus, Orca-Integrationsexperimente, Linux/macOS-Isolation sowie die Verbesserung der chinesischen/englischen Dokumentation.

Siehe CONTRIBUTING.md.

Lizenz und Ursprung

Dieses Projekt verwendet die Apache License 2.0. Bitte behalte den Copyright-Hinweis, den Lizenzhinweis und NOTICE bei.

Downstream: https://github.com/biaobiao2233/coding-tools-mcp-workbench Upstream: https://github.com/xyTom/coding-tools-mcp

Coding Tools MCP

Englisch | 简体中文

Gib jedem KI-Chat oder Agenten ein sicheres Werkzeug für deine Codebasis an die Hand.

Downstream-0.7-Workbench-Zweig. Diese Codebasis stammt von xyTom/coding-tools-mcp unter Apache-2.0 und bewahrt die Upstream-Geschichte und Urheberangaben. Der Downstream-Zweig fügt umfangreiche Arbeiten zu Windows/Laufzeit/Agent-Transport hinzu. Er wird derzeit aus dem Quellcode geteilt; die PyPI-/npm-Paketnamen des Upstream werden von diesem Fork bewusst noch nicht neu veröffentlicht. Siehe Abstammung und Design-Einflüsse.

Coding Tools MCP ist eine modellneutrale Coding-Laufzeitumgebung, die über das Model Context Protocol bereitgestellt wird: Dateilesen und -suche, strukturierte Multi-Datei-Patches, Befehlsausführung, interaktive Sitzungen, Git, optionaler geprüfter Host-Zugriff, Nebenläufigkeits-/Ressourcen-Leases und lokaler Agent-Transport — ein Server, den ein MCP-Client steuern kann. Der Laufzeitkatalog ist fähigkeitsbasiert: server_info ist die Quelle der Wahrheit dafür, welche optionalen Host-/Memo-/CUA-/Agent-Werkzeuge in einer Installation bereitgestellt werden.

Status des Downstream 0.7

Die exakte Quellcode-Baseline b0f44ef... hat die lokalen/Source-Gates und einen echten ChatGPT-Connected-App-Staging-Versuch auf der Windows-Maschine des Maintainers bestanden. In dieser Umgebung blieb die Capability-Discovery von Antigravity und OpenCode maschinell verifizierbar, beide Provider-Continuation-Pfade funktionierten, und Exact-Job- Abort/Cleanup wurden durchgeführt.

Das bedeutet nicht, dass jede Maschine/jeder Client verifiziert ist. Das Public-Release-Gate der GitHub-Quelle ist inzwischen bestanden, das Downstream-Repository ist öffentlich, und v0.7.0-workbench.1 ist als GitHub-Release mit Wheel- + Sdist-Artefakten verfügbar. Die Produktionsfreigabe bleibt ein separates Gate im Entwicklungsprozess dieses Projekts.

Zu den Highlights der Downstream-Linie gehören:

• Härtung von Windows-Job-Objects/Prozesslebenszyklus und begrenztes Scan-Verhalten;

• serverglobale Nebenläufigkeitskoordination, Ressourcensperren und Leases;

• authentifizierte, eigentümerbezogene Langzeitaufträge über kurzlebige HTTP-Aufrufe;

• ChatGPT-orientierte Härtung von OAuth-Refresh/Neustart;

• optionaler personal_workstation-Modus für vertrauenswürdige Entwicklungsmaschinen;

• optionale Host-Root-, Memo/ledger- und Windows-Computer-Use-Oberflächen;

• Agent Transport für Antigravity und OpenCode mit maschinengestützter Capability-Discovery, Provider-Session-Korrelation, Continuation und Abbruch.

Siehe ROADMAP.md für das, was validiert ist und was noch Forschungsarbeit erfordert.

Warum es verwendet wird

• Es verwandelt eine Chat-App in einen Coding-Agenten. Claude Desktop — oder jeder MCP-Chatclient — erhält echten Repository-Zugriff mit dem Abo, das du bereits hast. Kein zusätzliches Produkt erforderlich.

• Sicherheit ist das Produkt, kein nachträglicher Gedanke. Ein Workspace-Root pro Server. Absolute Pfade, ..-Traversierung und Symlink-Ausbrüche werden abgelehnt. Berechtigungsmodi regeln den Zugriff auf Netzwerk, Shell-Expansion, Inline-Skripte und destruktive Befehle. Unter Linux fügt Landlock eine Kernel-Ebene-Dateisystemeinschränkung hinzu.

• Es ist modell- und anbieterneutral. Ein fester, wahrheitsgemäß annotierter Katalog — kein Profilwechsel, keine Annotationsspielchen. Modelle oder Clients frei austauschen; die Laufzeitumgebung und ihr Verhalten bleiben unverändert.

• Es ist für Kontextfenster optimiert. Ergebnisse werden zusammengefasst, paginiert und bewusst begrenzt; die serialisierten Tool-Ergebnis-Bytes gingen bei der deterministischen Dogfood-Workload Version für Version um 37 % zurück, bei unveränderter Aufgabenerfüllung.

Schnellstart — Downstream-Quellcode-Checkout

Windows: das akzeptierte Workbench-Profil direkt ausführen

Klone dieses Downstream-Repository und führe dann aus:

.\scripts\start-workbench.ps1 -Workspace C:\path\to\your\repo

Dieser Starter startet das akzeptierte Workbench-Profil anstelle der restriktiven Upstream-Standardeinstellung: personal_workstation-Berechtigungsmodus, Agent Transport aktiviert und Telemetrie aus. Destruktive Git-Operationen und rekursives Löschen im Dateisystem erfordern weiterhin ausdrückliche Genehmigung. Antigravity und OpenCode sind optional: Der MCP-Server startet ohne sie, während agent_status angibt, welche Provider tatsächlich auf der Maschine installiert sind.

Für einen Loopback-HTTP-Endpunkt anstelle von stdio:

.\scripts\start-workbench.ps1 -Workspace C:\path\to\your\repo -Transport http -Port 8765

Das Skript verwendet uv, wenn verfügbar. Andernfalls erstellt es ein lokales .workbench-venv, installiert diesen Checkout und startet den exakt von GitHub geklonten Code.

Installiere aus diesem Checkout oder verwende das feste GitHub-Release-Wheel, anstelle der PyPI-/npm-Namen des Upstream:

git clone https://github.com/biaobiao2233/coding-tools-mcp-workbench.git
cd coding-tools-mcp-workbench
python -m pip install -e .

uvx coding-tools-mcp und npx coding-tools-mcp verweisen derzeit auf die upstream veröffentlichten Pakete, nicht auf diesen Downstream-Zweig 0.7.

Festes Release-Wheel:

python -m pip install https://github.com/biaobiao2233/coding-tools-mcp-workbench/releases/download/v0.7.0-workbench.1/coding_tools_mcp-0.7.0-py3-none-any.whl

Unter Windows weisen Sie MCP-Clients auf den Checkout-Launcher, damit der Client den Downstream-Workbench-Build erhält und nicht das Upstream-Registry-Paket:

{
  "mcpServers": {
    "coding-tools": {
      "command": "pwsh",
      "args": [
        "-NoProfile",
        "-File",
        "C:\\path\\to\\coding-tools-mcp-workbench\\scripts\\start-workbench.ps1",
        "-Workspace",
        "C:\\path\\to\\your\\repo"
      ]
    }
  }
}

Bitten Sie dann Ihren Client: „Führen Sie die Testsuite aus und beheben Sie den ersten Fehler."

Bevorzugen Sie HTTP? Verzichten Sie auf --stdio und der Server spricht Streamable HTTP unter http://127.0.0.1:8765/mcp (MCP 2025-11-25, mit 2025-06-18-Kompatibilität). Ein einzeiliger Installer, Schritt-für-Schritt-Anleitungen pro Client und Hinweise zur Fehlerbehebung finden Sie in docs/quickstart.md und docs/mcp-client-config.md.

Sieben Dinge zum Ausprobieren

1. Machen Sie Claude Desktop zu Ihrem Coding-Agenten. Die obige Konfiguration genügt völlig — das Chat-Fenster, für das Sie bereits bezahlen, kann jetzt ein echtes Repository lesen, patchen, testen und Commits prüfen.

2. Programmiern Sie auf Ihrer eigenen Maschine — von überall.

CODING_TOOLS_MCP_AUTH_MODE=bearer ./scripts/tunnel.sh cloudflared /path/to/repo

Loopback-Bindung + authentifizierter HTTPS-Tunnel (cloudflared, ngrok oder Microsoft Dev Tunnel). Richten Sie claude.ai auf Ihrem Telefon auf https://<tunnel-host>/mcp aus und steuern Sie Ihre Heim-Workstation von überall aus. Bearer-Tokens und OAuth 2.1 + PKCE (mit dynamischer Registrierung gemäß RFC 7591) sind integriert. → docs/remote-mcp.md

3. Lassen Sie einen Agenten auf nicht vertrauenswürdigen Code los — in einer Wegwerf-Sandbox.

docker build -t coding-tools-mcp-sandbox:local .
docker run --rm --init -it -p 8765:8765 -v "$PWD:/workspace" coding-tools-mcp-sandbox:local

Ein containerisierter Server mit vorab konfigurierten Toolchains und Caches, sicher, um ihn auf einen zwielichtigen PR zu richten und danach zu vernichten. → docs/docker.md

4. Starten Sie mit einem einzigen MCP-Aufruf eine Cloud-Sandbox. Die gebündelte Cloudflare-Worker-Control-Plane stellt start_coding_tools_sandbox als MCP-Tool bereit: Ein Aufruf sendet einen GitHub-Actions-Runner los, der die Docker-Sandbox startet und sie hinter einem authentifizierten Cloudflare-Tunnel veröffentlicht. Ephemere Rechenressourcen, kein eigener Server.

5. Steuern Sie es über eine GUI.

python -m pip install "coding-tools-mcp[desktop]"
coding-tools-mcp-desktop

Profile pro Workspace, Start/Stopp von Server und Tunnel, Einrichtung von Anmeldedaten mit Zwischenablage-Hilfen, Live-Health-Checks. Englisch und 简体中文.

6. Halten Sie eine interaktive Sitzung am Leben. exec_command startet eine REPL oder einen Debugger unter einem echten PTY; write_stdin versorgt sie über mehrere Züge hinweg; read_output blättert durch lange Ausgaben; kill_session räumt auf. Langlaufende Prozesse sind erstklassig unterstützt, mit Deadlines-Watchdogs und begrenzten Puffern.

7. Verleihen Sie Ihrem eigenen Agenten produktionsreife Hände. Bauen Sie eine Agentenschleife mit dem Anthropic SDK oder etwas anderem? Frickeln Sie keine Datei- und Exec-Tools selbst zusammen — sprechen Sie MCP mit diesem Server und erben Sie die gesamte Sicherheitsgrenze. → docs/embedding.md

Der Tool-Katalog

Ein wahrheitsgemäß annotierter Laufzeitkatalog. Optionale Fähigkeitsgruppen können ausgeblendet werden, wenn ihre geprüfte Abhängigkeit/Konfiguration fehlt; der Katalog ist für die Lebensdauer eines Servers stabil. apply_patch ist die einzige direkte Primitive zur Dateiänderung im Workspace: gestaffelt, baseline-geprüft, atomar über Dateien hinweg, mit Rollback.

Root-Dateien AGENTS.md/CLAUDE.md werden automatisch in den Initialisierungskontext geladen. Tool-content ist knapper, an Agenten gerichteter Text; structuredContent trägt das vollständige Maschinenergebnis. Schemas und Ergebnisumschläge: docs/tools-and-schemas.md · docs/runtime-contract-v0.2.md.

Sicherheitsgrenze

Rekursives Auflisten und Suchen schließen .git, node_modules, Build-Ausgaben, virtuelle Umgebungen und Caches aus. Befehle laufen mit workspace-gebundenem Arbeitsverzeichnis, bereinigter Umgebung, Timeouts und Ausgabebegrenzungen. Linux-Hosts mit Landlock erhalten eine kernel-erzwungene Dateisystem-Begrenzung; andere Plattformen erhalten eine ausdrückliche Warnung — dies ist weiterhin keine vollständige OS-Sandbox, verwenden Sie also das Docker-Image oder eine VM für wirklich nicht vertrauenswürdige Arbeit. Details: SECURITY.md · docs/security-boundary.md · docs/permission-modes.md

Telemetrie

Telemetrie ist in diesem Downstream-Zweig standardmäßig deaktiviert. Die Implementierung kann nur aktiviert werden, indem Telemetrie explizit auf on gesetzt wird und ein betreiberseitiger HTTPS-Endpunkt sowie ein Nur-Schreib-Ingest-Schlüssel bereitgestellt werden. DO_NOT_TRACK=1 und CI erzwingen weiterhin die Deaktivierung; CODING_TOOLS_MCP_TELEMETRY=debug gibt Ereignisse auf stderr aus, ohne sie zu senden. Das geschlossene Ereignisschema und die Garantien sind in docs/telemetry.md dokumentiert.

Nachweise, Dogfood und SWE-bench

Jedes Release durchläuft eine tag-ausgelöste Pipeline, in der die Compliance-Suite, der Benchmark mit realer Arbeitslast und das SWE-bench-Harness von genau dem Commit aus laufen, der auf PyPI und npm veröffentlicht — beide über Trusted Publishing, npm mit Provenienz. Dogfood-Effizienzkennzahlen sind reproduzierbar (make dogfood-smoke) und unter reports/ eingecheckt. Dieses Repository erhebt keinen Anspruch auf ein modellgeneriertes SWE-bench-Bestenlistenergebnis — siehe docs/swe-bench.md für genau das, was gemessen wird und was nicht. Mehr: COMPLIANCE.md · BENCHMARK.md · docs/dogfood.md

Dokumentation

Entwicklung

python -m pip install -e ".[dev]"
make ci        # lint, typecheck, tests, protocol/integration suites, gates

Die vollständige Gate-Matrix finden Sie in docs/ci-and-tests.md.

Lizenz

Dieses Projekt ist unter der Apache License 2.0 lizenziert.

Wenn Sie Code, Dokumentation, wesentliche Implementierungsdetails oder abgeleitete Arbeiten aus diesem Projekt verwenden, bewahren Sie den Copyright-Hinweis, den Lizenzhinweis und die NOTICE-Datei auf und weisen Sie deutlich auf das ursprüngliche Projekt hin.

Dieser Downstream-Zweig basiert auf xyTom/coding-tools-mcp und behält die Geschichte und die Apache-2.0-Verpflichtungen dieses Projekts bei. Siehe docs/LINEAGE_AND_INFLUENCES.md für eine Trennung von direkter Code-Abstammung, API-Integrationen und Design-Vorarbeiten.

Projekt: Coding Tools MCP
Autor: Coding Tools MCP Contributors
Downstream-Quelle: https://github.com/biaobiao2233/coding-tools-mcp-workbench

Upstream-Quelle: https://github.com/xyTom/coding-tools-mcp

Zitationsmetadaten sind in CITATION.cff verfügbar.