MCP Probe Kit
Server Configuration
Describes the environment variables required to run the server.
| Name | Required | Description | Default |
|---|---|---|---|
No arguments | |||
Capabilities
Features and capabilities supported by this server
| Capability | Details |
|---|---|
| tasks | {
"list": {},
"cancel": {},
"requests": {
"tools": {
"call": {}
}
}
} |
| tools | {} |
| resources | {} |
Tools
Functions exposed to the LLM to take actions
| Name | Description |
|---|---|
| init_projectA | 当用户提供一句话需求时使用。基于 Spec-Driven Development 理念,分析需求并生成完整的项目规格文档(需求分析/技术设计/任务拆解)。适合项目初期的需求澄清和规划 |
| gencommitA | 当用户需要生成 Git commit 消息时使用。返回 Conventional Commits 规范说明、步骤、输出模板和示例,供 AI 根据变更内容生成最终 commit message。它不直接代写最终消息,也不应被判定为空结果 |
| git_work_reportA | 基于 Git diff 分析生成工作报告(日报/周期报) 核心功能:
输出格式:
使用示例:
|
| code_reviewB | 当用户需要审查代码质量、检查代码问题时使用。审查代码的质量、安全性、性能,输出结构化问题清单(severity/category/suggestion) |
| code_insightA | 当用户需要基于代码图谱分析调用链、上下文和影响面时使用。默认桥接 GitNexus,支持 query/context/impact 模式;不可用时自动降级并返回原因 |
| refactorA | 当用户需要重构代码、改善代码结构时使用。分析代码结构,提供重构建议、重构步骤和风险评估 |
| fix_bugB | 当用户需要找问题、修 bug、排查异常、定位回归、分析失败原因、分析为什么没生效、先分析再修时使用。默认采用 TBP 8 步法做真因分析,并输出修复方案与验证步骤 |
| gentestA | 当用户需要为代码生成单元测试时使用。生成单元测试代码(Jest/Vitest/Mocha),包含边界用例和 mock |
| init_project_contextA | 当用户需要生成项目上下文文档、帮助团队快速上手时使用。生成项目上下文文档(技术栈/架构/编码规范),供后续开发参考 |
| add_featureB | 当用户需要添加新功能、生成功能规格文档时使用。生成新功能规格文档(需求/设计/任务清单),基于项目上下文 |
| estimateB | 当用户需要估算开发工作量、评估任务时间时使用。估算开发工作量,输出故事点、时间范围(乐观/正常/悲观)、风险点 |
| start_featureA | 当用户需要完整的新功能开发流程时使用。编排:检查上下文→生成规格→估算工作量。若只需规格文档请用 add_feature |
| start_bugfixA | 当用户需要找问题、修 bug、排查异常、定位回归、分析失败原因、分析为什么没生效、先分析再修时使用。默认按 TBP 8 步法编排:取证澄清→分析定位→修复方案→生成测试。 |
| start_onboardA | 当用户需要快速上手新项目时使用。编排:生成上下文文档。 |
| start_ralphA | 当用户需要启动 Ralph Wiggum Loop 循环开发时使用。生成 .ralph/ 目录结构、安全模式脚本和执行指南。默认启用多重安全保护,防止无人值守时费用失控 |
| interviewA | 当用户需求不明确、需要澄清需求时使用。需求访谈工具,在开发前通过结构化提问澄清需求,避免理解偏差和返工;生成访谈记录文件供后续 start_feature/add_feature 使用;仅支持 feature 类型 |
| ask_userA | 当 AI 需要更多信息、遇到不确定因素时使用。向用户提问工具,AI 可主动向用户提问;支持单个或多个问题、提供选项、标注重要性;可在任何时候使用 |
| ui_design_systemA | 智能设计系统生成器 - 基于产品类型和需求,使用 AI 推理引擎生成完整的设计系统推荐。包括 UI 风格、配色方案、字体配对、落地页模式、效果建议、反模式警告和交付检查清单。输出 Markdown 文档、JSON 配置和完整设计规范文档集。 |
| ui_searchA | 搜索 UI/UX 数据库,包括颜色、图标、图表、组件、设计模式等。支持三种模式:search(搜索数据)、catalog(查看组件目录)、template(搜索 UI 模板)。使用 BM25 算法进行智能搜索,支持按类别和技术栈过滤。数据来源:uipro-cli npm 包(v2.2.0+)。 |
| sync_ui_dataA | 同步 UI/UX 数据到本地缓存。从 npm 包 uipro-cli 下载最新数据,支持自动检查更新和强制同步。数据存储在 ~/.mcp-probe-kit/ui-ux-data/,默认在下次启动时生效以保证当前会话一致性。 |
| start_uiA | 统一 UI 开发编排工具 - 一键完成整个 UI 开发流程。自动检查设计系统、生成组件目录、搜索/生成模板、渲染最终代码。适合快速原型开发,保证整个项目样式统一。 |
| start_productA | 产品设计完整工作流编排。一键完成从需求到 HTML 原型的全流程:生成 PRD → 生成原型文档 → 生成设计系统 → 生成 HTML 可交互原型 → 更新项目上下文。生成的 HTML 原型可以直接在浏览器中查看和演示。 |
Prompts
Interactive templates invoked by user choice
| Name | Description |
|---|---|
No prompts | |
Resources
Contextual data attached and managed by the client
| Name | Description |
|---|---|
| 服务器状态 | MCP Probe Kit 服务器当前状态 |
| 图谱快照(最新) | 最近一次 code_insight 或 start_* 生成的图谱快照 |
| 图谱快照(历史) | 最近 0 条图谱快照摘要 |
| 图谱快照(最新 Markdown) | 最近一次图谱快照的 Markdown 视图 |
| 图谱快照(文件索引) | 图谱快照落盘目录: /app/.mcp-probe-kit/graph-snapshots |
Latest Blog Posts
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/mybolide/mcp-probe-kit'
If you have feedback or need assistance with the MCP directory API, please join our Discord server