DevIntel — KI-gestützte Repository-Intelligenz

Ein KI-gestützter Software-Engineering-Assistent, der lokale Software-Repositories mit Groq, MCP, Python und Gradio analysiert.

DevIntel ermöglicht Entwicklern, Fragen zu einem lokalen Repository zu stellen und wählt automatisch das passende MCP-Tool aus, um die benötigten Informationen abzurufen.

Funktionen

• Lokale Software-Repositories analysieren

• Projektstruktur erkunden

• Technologien und Abhängigkeiten identifizieren

• Repository-Dateien und Code durchsuchen

• Bestimmte Repository-Dateien lesen

• Verfügbare Tests prüfen

• Git-Status prüfen

• Git-Verlauf prüfen

• Git-Änderungen prüfen

• Fragen über eine konversationelle KI-Oberfläche stellen

• Automatische MCP-Tool-Auswahl

Related MCP server: architectos

Architektur

                    User
                      │
                      ▼
                ┌───────────┐
                │  Gradio   │
                │    UI     │
                └─────┬─────┘
                      │
                      ▼
                ┌───────────┐
                │   Groq    │
                │    LLM    │
                └─────┬─────┘
                      │
              Tool Selection
                      │
                      ▼
                ┌───────────┐
                │ MCP Client│
                └─────┬─────┘
                      │
                      ▼
                ┌───────────┐
                │ MCP Server│
                └─────┬─────┘
                      │
          ┌───────────┴───────────┐
          │                       │
          ▼                       ▼
    MCP Repository Tools    Local Repository

So funktioniert es

1. Der Benutzer gibt den Pfad zum lokalen Repository an.

2. Der Benutzer stellt eine Frage zum Repository.

3. Groq verarbeitet die Anfrage und bestimmt, welches MCP-Tool erforderlich ist.

4. Der MCP-Client sendet die Tool-Anfrage an den MCP-Server.

5. Der MCP-Server führt die Operation am lokalen Repository durch.

6. Das Ergebnis wird an das LLM zurückgegeben.

7. Das LLM generiert eine prägnante Antwort.

8. Die Antwort wird in der Gradio-Oberfläche angezeigt.

🔧 MCP-Werkzeuge

DevIntel bietet derzeit 9 MCP-Werkzeuge an:

🛠️ Technologie-Stack

• Python

• Groq API

• GPT-OSS

• Model Context Protocol (MCP)

• Gradio

• AsyncIO

• python-dotenv

Projektstruktur

devintel-mcp/
│
├── server.py
├── agent.py
├── ui.py
├── requirements.txt
├── .env.example
├── .gitignore
└── README.md

server.py

Enthält den MCP-Server und die Repository-Analyse-Werkzeuge.

agent.py

Enthält den DevIntel-Agenten für die Befehlszeile und die MCP-Client-Logik.

ui.py

Stellt die Gradio-Weboberfläche bereit und verbindet den Benutzer mit dem KI-Agenten.

Installation

Klonen Sie das Repository:

git clone https://github.com/marames25/devintel-mcp.git
cd devintel-mcp

Erstellen Sie eine virtuelle Umgebung:

python -m venv .venv

Aktivieren Sie sie unter Windows:

.venv\Scripts\activate

Installieren Sie die Abhängigkeiten:

pip install -r requirements.txt

Umgebungsvariablen

Erstellen Sie eine .env-Datei:

GROQ_API_KEY=your_groq_api_key

Committen Sie Ihre .env-Datei niemals.

Stellen Sie sicher, dass .gitignore Folgendes enthält:

.env
.venv/
__pycache__/

DevIntel ausführen

Befehlszeile

python agent.py

Gradio-Benutzeroberfläche

python ui.py

Öffnen Sie dann die lokale Gradio-URL, die im Terminal angezeigt wird.

Beispielabfragen

Nachdem Sie einen Repository-Pfad eingegeben haben, können Sie fragen:

What technologies does this project use?

Show me the project structure.

What tests are implemented?

Show me the current Git status.

Read README.md.

Where is the login functionality implemented?

Give me a technical overview of this project.

Beispiel-Agentenablauf

Für:

Show me the project structure.

DevIntel kann Folgendes ausführen:

User
  ↓
Groq
  ↓
project_structure
  ↓
MCP Server
  ↓
Local Repository
  ↓
Tool Result
  ↓
Groq
  ↓
Answer

Der wichtige Punkt ist, dass das LLM nicht direkt auf das Repository zugreift. Es fordert Informationen über die verfügbaren MCP-Werkzeuge an, während der MCP-Server die Repository-Operationen durchführt.

Zweck

DevIntel zeigt, wie LLMs über MCP mit Entwicklerwerkzeugen verbunden werden können, um einen intelligenten Software-Engineering-Assistenten zu erstellen.

Anstatt manuell durch ein Repository zu navigieren, können Entwickler mithilfe natürlicher Sprache mit ihrer Codebasis interagieren.

Zukünftige Verbesserungen

• Repository-Indizierung und Caching

• Codequalitätsanalyse

• Erkennung von Abhängigkeits-Schwachstellen

• Pull-Request-Analyse

• Automatische Testvorschläge

• Generierung von Codedokumentation

• Unterstützung für entfernte Git-Repositories

• Fortgeschrittenere Softwarearchitektur-Analyse