Coding Tools MCP

Englisch | 简体中文

Gib jedem KI-Chat oder Agenten ein sicheres Paar Hände in deiner Codebasis.

Coding Tools MCP ist eine modellneutrale Coding-Laufzeitumgebung, bereitgestellt über das Model Context Protocol: Dateien lesen und durchsuchen, strukturierte Multi-Datei-Patches, Befehlsausführung, interaktive Sitzungen und Git – ein Server, den jeder MCP-Client steuern kann. Claude Desktop, Claude Code, Codex, Cursor, Cline, VS Code, Windsurf, Gemini CLI oder ein selbstgebauter Agent – alle erhalten dieselben 18 praxiserprobten Tools, begrenzt auf einen Workspace und abgesichert durch Berechtigungsmodi.

Warum man es nutzt

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

• Sicherheit ist das Produkt, kein nachträglicher Zusatz. Ein Workspace-Root pro Server. Absolute Pfade, ..-Traversalen und Symlink-Eskapaden werden abgelehnt. Berechtigungsmodi regeln Netzwerkzugriff, Shell-Expansion, Inline-Command-Zeilen und destruktive Befehle. Auf Linux sorgt Landlock für Dateisystem-Eingrenzung auf Kern-Ebene.

• Es ist modell- und Anbieter-neutral. Ein stabiler, transparent annotierter Katalog – kein Profilwechsel, kein Spiel mit Annotations. Wechseln Sie Modelle oder Clients frei; die Laufzeit und ihr Verhalten bleiben unverändert.

• Für Kontextfenster optimiert. Ergebnisse werden konzeptionell zusammengefasst, paginiert und dargestellt; die serialisierten Tool-Ergebnisbytes sind von Release zu Release um 37 % gesunken – bei deterministischer Dogfood-Last und unveränderter Aufgabenerledigung.

Related MCP server: chatgpt-codex-tools-mcp

Quickstart

Führen Sie es mit der Toolchain aus, die Sie bereits haben (der Server ist Python ≥ 3.11 von PyPI; das npm-Paket ist ein schlanker Launcher, der ihn via uv oder pipx da startet):

uvx coding-tools-mcp --stdio --workspace /path/to/repo   # Python toolchain
npx coding-tools-mcp --stdio --workspace /path/to/repo   # Node toolchain

Binden Sie es in Claude Desktop, Claude Code, Codex, Cursor, VS Code, Windsurf, Gemini CLI oder Cline ein – JSON ist überall gleich (ersetzen Sie uv durch npx, falls Sie Node bevorzugen):

{
  "mcpServers": {
    "coding-tools": {
      "command": "uvx",
      "args": ["coding-tools-mcp", "--stdio", "--workspace", "/path/to/repo"]
    }
  }
}

Fragen Sie dann Ihren Client: „Führen Sie die Tests aus und beheben Sie den ersten Fehler.“

Bevorzugen Sie HTTP? Lassen Sie --stdio weg und der Server spricht „Streamable HTTP" auf http://127.0.0.1:8765/mcp. Beide Protokoll-Ären werden auf beiden Transporten bedient: MCP 2026-07-28 vollständig, mit tools als einzige beworbene Funktion, und die handshake-Ära 2025-11-25 aktualisiert mit der 2025-06-18-Kompatibilität. Keine davon nutzt Sitzungen. Ein Ein-Zeilen-Installation, Per-Client-Walkthroughs und die Fehlerbehebung findest du in docs/quickstart.md und docs/mcp-client-config.md.

Siebe Dinge zum Ausprobieren

1. Machen Sie Claude Desktop zu Deinem Coding-Agenten. Die Konfig ist oben alles, was dazu man braucht ist oben – das Chatfenster, für das Sie bereits zahlen, kann jetzt ein echtes Repository lesen, patchen, testen und Commits-Review.

2. Programmiere auf deinem eigenen Rechner von überall.

CODING_TOOLS_MCP_AUTH_MODE=bearer ./integrations/tunnels/tunnel.sh cloudflared /path/to/repo

Loopback-Bindung + authentifizierter HTTPS-Tunnel (cloudflared, ngrok oder Microsoft Dev Tunnel). Richten Sie claude.ai auf Ihrem Handy auf https://<tunnel-host>/mcp aus und steuern Sie Ihre Heim-Workstation von überall. ChatGPT und Grok verbinden sich über Ihre Connector-Einstellungen gleichermaßen. Bearer-Tokens und OAuth 2.1 + PKCE (mit RFC-7591-Dynamic-Registration) sind eingebaut. → docs/remote-mcp.md

3. Lass einen Agenten in einer weggwerf-Sandbox auf nicht vertrauenswürdigem Code agieren.

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 vorkonfigurierten Toolchains und Caches, gefahrlos auf einen fragwürdigen Pull-Request gerichtet und pazierend danach vernichtet werden. → docs/docker.md

4. Starte eine Cloud-Sandbox mit einem einzigen MCP-Aufruf. Die gebündelten Cloudflare-Worker-Control-Plane exposes start_coding_tools_sandbox als MCP-Tool: Ein Aufruf sinkt einen GitHub-Actions-Runner, die Docker-Sandbox bootet und hinter einem authentifizierten Cloudflare-Tunnel veröffentlicht. „Ephemeral“-Compute, kein eigener Server.

5. Steuere es über eine GUI.

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

Per-Workspace-Profile, Server- und Tunnel Start/Stop, Anmeldeinfory, daten einrichten mit Zwischenablagen-Helfer, live Health-Checks. Englisch und 简体中文.

6. Halte einen interaktiven Befehl am Leben. exec_command startet ein REPL oderDebugger unter einem echten PTY; write_stdin füttert es über Turns hinaus; read_output blättert lange Ausgaben umgeblättert; kill_command räumt auf. Langläufige Prozesse sind erstklassig, mit Deadline-Watchdogs und begrenzten Puffern.

7. Gib deinem eigenen Agenten produktionsreife Hände. Baust du einen Agenten-Cycle mit Anthropic SDK oder etwas anderes? Nehmen Sie sich nicht selbst um Datei- und Exec-Werkzeuge – sprechen Sie Magde MCP Alt mit diesen Server und übernehmen sie die gesamte Sicherheitsbegrenzung. → docs/embedding.md

Der Tool-Katalog

Ein stabiles,ehrlich annotiertes Set – Berechtigungsmodi ändern die Befehls–Policy, nie, welche Tools das Modell sieht. apply_patch ist die einzige Datei-Manipulations-Primitive: gestaged, baseline-geprüft, atomar über Dateien hinweg, mit Rolloberung.

Hmm – need to keep exact tool names. Let me correct:

| Dateien & Suche | read_file · list_dir · list_files · search_text · apply_patch · view_image | | Ausführung | exec_command · write_stdin · read_output · kill_command · request_permissions | | Git | git_status · git_diff · git_log · git_show · git_blame | | Laufzeit | server_info · check_exec_environment |

Im Root liegende AGENTS.md/CLAUDE.md-Dateien werden automatisch geladen und in den instructions von initialize bzw. von server/discover für einen Client ohne Handshake bereitgestellt. Tool-content knappis ergies einfacher, an Agenten gerichteter Text; structuredContent liefert das gesamte maschinenlesbare Ergebnis. Schemata und Ergebnis-Hüllen: docs/tools-and-schemas.md · docs/runtime-contract-v0.3.md.

Sicherheitsgrenze

Rekursives Auflisten und depth the .git, node_modules, den Build-Ausgaben, Virtualenvs and Caches aus. Kommandos laufen mit einem Workspace-bezüglichen cwd, gesäuberter Umgebung, Timeouts und Ausgabe-Deckelung. Linux-Hosts mit Landlock bekommen Kernel-gespeicherte Filesystem-Enclave; andere Plattformen erhalten eine explizite Warnmeldung – das ist keine vollständige OS-Sandbox, daher ist ein Uses für wirklich nicht vertrauenswürdige Arbeiten „do nicht“ – auf Verwendung Docker image or VM (Details: SECURITY.md · docs/security-boundary.md · docs/permission-modes.md)

Telemetrie

Der Server sendet anonyme Nutzungs-Telemetrie (Erfolgs-/Latenzzähler pro Tool und Dimensions aus Version/ Plattform – niemals Pfade, Argumente, Kommandos oder Inhaltsdateien), um Priorisierung zu unterstützen. Aus: sie mit CODING_TOOLS_MCP_TELEMETRY=off oder DO_NOT_TRACK=1; in CI automatisch aus. Mit CODING_TOOLS_EXT_MCP_TELEMETRY=debug wird jedes Ereignis auf stderr statt gesendet. Die vollständige Ereignis-Liste und Garantien: docs/telemetry.md.

Evidenz, Dogfood und SWE-bench

Jede Release läuft über eine tagbasierte Pipeline, in der die Compliance-Suite, Real-world-Workload-Benchmark und SWE-Bench-Harness aus demselben Commit starten, der zu PyPI und npm veröffentlicht – beides A via Trusted Publishing, npm profitiert mit der Herkunft. Dogfood-Effizienzze Messdaten outputs sont reproduzierbar (make dogfood-smoke) und liegen unter reports/. Dieses Repo bewerben nicht mit modellgenerierten leader comprendre resultsont – genau, was gemessen wird, findest du andere dokumentiert docs/swe-bench mit -bzw. was nicht.) Weitere: 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 liegt in docs/ci-and-tests.md.

Lizenz

Dieses Projekt ist lizenziert unter der Apache License 2.0.

Wenn Sie Code, Dokumentation, wesentliche Implementierungsdetails oder abgeleitete Werke Dach dieser Verwendung übernehmen, erhalten dann den Urheberrecht-Hinweis, Lizenzhinweis sowie Hinweis / NOTICE-Datei und you must – sofern Sie – attribution the original project.

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

Zitationsmetadaten sind in CITATION.cff verfügbar.