Coding Tools MCP
Coding Tools MCP ist eine Desktop-Anwendung auf Basis von Rust + Tauri 2. Nachdem Sie ein Projektverzeichnis ausgewählt und den Dienst gestartet haben, kann der KI-Agent über MCP Dateien lesen, Code ändern, Befehle und Tests ausführen, den Git-Status einsehen und wichtige Fortschritte als Verlaufssitzungen im Projekt speichern. Es kommt einem „KI öffnet eine IDE-Arbeitsumgebung, die sich den Entwicklungsfortschritt merkt" näher; normale Entwicklungswerkzeuge verlangen nicht, zuerst eine Task zu erstellen, während Verlaufssitzungen dazu dienen, den Kontext in neuen Dialogen wiederherzustellen.

Ein Desktop-Client verwaltet gleichzeitig Arbeitsbereiche, MCP-Dienst, Verbindungsinformationen und Sitzungswiederherstellungs-Prompts.
In 30 Sekunden verstehen, wie es funktioniert
下载安装桌面端
→ 添加项目目录
→ 启动 MCP 和公网隧道
→ 复制“公网 MCP 地址”
→ ChatGPT 开启开发人员模式
→ 新建 MCP 插件并粘贴地址
→ 完成授权,在新对话中开始开发Beim ersten Gebrauch müssen Sie sich nur zwei Dinge merken: Der Desktop-Client verwandelt das Projekt in einen MCP-Arbeitsbereich, ChatGPT verbindet sich über die öffentliche /mcp-Adresse damit.
In fünf Minuten startklar
1. Desktop-Client installieren
Öffnen Sie Releases und laden Sie das passende Installationspaket herunter:
System | Installationspaket |
Windows 10/11 x64 |
|
macOS Apple Silicon |
|
Das macOS-Installationspaket ist derzeit nicht signiert. Falls das System den ersten Start blockiert, bestätigen Sie den Öffnen-Dialog unter „Systemeinstellungen → Datenschutz & Sicherheit".
2. Projektarbeitsbereich hinzufügen
Klicken Sie links auf „Arbeitsbereich hinzufügen".
Wählen Sie das Projektstammverzeichnis.
Legen Sie Arbeitsbereichsname, MCP-Port und Authentifizierungsmethode fest.
Nach dem Speichern bleibt der Arbeitsbereich dauerhaft in der linken Liste erhalten.
3. Öffentlichen Tunnel konfigurieren
Wenn der KI-Client nicht auf demselben Rechner läuft, muss das lokale MCP als HTTPS-Adresse bereitgestellt werden:
Installieren oder erkennen Sie
frpc/cloudflaredunter „Softwareverwaltung".Speichern Sie unter „FRP-Konfiguration" Server, Port und Token, oder wählen Sie im Arbeitsbereich Cloudflare.
Jeder Arbeitsbereich erhält eine eigene Subdomain. Die Anwendung verwaltet FRP-Prozesse und mehrere Proxy-Leitungen zentral.

Die FRP-Serverkonfiguration wird zentral gespeichert; jeder Arbeitsbereich wählt lediglich die Konfiguration aus und trägt seine eigene Subdomain ein.
Falls Sie noch keinen FRPS-Server zur Verfügung haben, finden Sie hier eine Anleitung: FRPS-Server-Installationsanleitung (WeChat-Artikel). Nach der Installation tragen Sie Serveradresse, Port und Token in die „FRP-Konfiguration" des Clients ein.
4. MCP starten
Wechseln Sie in den Arbeitsbereich und klicken Sie bei MCP auf „Start". Der Client zeigt Folgendes an:
Die lokale MCP-Adresse, z. B.
http://127.0.0.1:28766/mcp;Die öffentliche HTTPS-MCP-Adresse;
Die für ChatGPT erforderlichen Authentifizierungsinformationen;
Echtzeit-Logs und Health-Check-Ergebnisse.

Nach dem Start können Sie lokale und öffentliche Endpunkte, OAuth-Metadaten und geschützte MCP-Ressourcen direkt prüfen:

Der Health-Check zeigt Punkt für Punkt, ob Verbindungs- und Authentifizierungsmetadaten verfügbar sind.
Bei Verbindungsproblemen können Sie die letzten MCP-Anfragelogs ansehen, ohne den Desktop-Client zu verlassen:

Die Logs zeigen schnell, ob Tool-Listen, Historieninitialisierung und Checkpoint-Aufrufe tatsächlich den Server erreichen.
5. KI-Client verbinden
MCP-fähige Clients verwenden die öffentliche MCP-URL aus der Oberfläche. Bei Verwendung von OAuth führt der Client über die Server-Metadaten in den Autorisierungsablauf; Autorisierungscode, Client ID und Secret können alle zentral im Desktop-Client erzeugt und verwaltet werden. Die aktuelle Version verwendet einen vorkonfigurierten OAuth-Client; beim Erstellen des ChatGPT-Plugins sollten Sie statische/manuelle OAuth-Anmeldedaten wählen, CIMD ist nicht erforderlich.
Beim ersten Verbinden empfiehlt es sich, zuerst die Historieninitialisierung aufzurufen und dann den Arbeitsbereich zu prüfen:
history_session_bootstrap
server_info
get_default_cwd
git_status
check_exec_environmentSo muss der Agent sich nicht auf Chat-Kontext verlassen, um das aktuelle Projekt, das Arbeitsverzeichnis und die Ausführungsfähigkeiten zu erraten.
Zwei Anschlussmöglichkeiten für ChatGPT
Methode | Geeignet für | Was im Client verwendet wird |
MCP Connector | ChatGPT nutzt direkt Datei-, Befehls- und Git-Tools | Öffentliche |
GPT Actions | OpenAPI-Tools in einem benutzerdefinierten GPT importieren |
|
MCP Connector
Bitte vor der Konfiguration Folgendes sicherstellen:
Der MCP-Dienst und der öffentliche Tunnel des Arbeitsbereichs laufen.
Der öffentliche MCP-Check im „Health-Check" ist erfolgreich; bei Verwendung von OAuth zusätzlich prüfen, dass die Prüfungen für geschützte OAuth-Ressourcen und Autorisierungsmetadaten erfolgreich sind.
Kopieren Sie die „Öffentliche MCP-Adresse" aus der Karte „GPT-Konfiguration" des Desktop-Clients; bei Verwendung von OAuth zusätzlich OAuth Client ID, OAuth Client Secret und Autorisierungscode bereithalten.
ChatGPT muss die öffentliche HTTPS-
/mcp-Adresse verwenden, nicht lokale Adressen wiehttp://127.0.0.1:28766/mcp. Die Menünamen in ChatGPT können je nach Version und Spracheinstellung leicht variieren.
1. ChatGPT-Entwicklermodus aktivieren
Öffnen Sie die ChatGPT-Einstellungen, gehen Sie zu „Kontosicherheit & Anmeldung" und aktivieren Sie den „Entwicklermodus". Dieser Schalter erlaubt das Hinzufügen nicht verifizierter MCP-Connector.

Der Entwicklermodus besitzt erweiterte Berechtigungen; verbinden Sie nur MCP-Dienste, die Sie selbst betreiben oder denen Sie ausdrücklich vertrauen.
2. MCP-Plugin erstellen
Gehen Sie in ChatGPT links zu „Plugins", klicken Sie oben rechts auf +, um ein neues Plugin zu erstellen, wählen Sie dann MCP (Beta) und füllen Sie Folgendes aus:
ChatGPT-Feld | Auszufüllender Inhalt |
Name | Ein gut erkennbarer Name, z. B. |
Beschreibung | Kurze Beschreibung des verbundenen Projekts oder Zwecks |
Verbindung | Öffentliche MCP-Adresse aus der „GPT-Konfiguration" des Desktop-Clients einfügen; die URL sollte auf |
Authentifizierung | Mit dem Desktop-Client übereinstimmend; Screenshot zeigt OAuth als Beispiel |

Bei Verwendung von OAuth erweitern Sie „Erweiterte OAuth-Einstellungen", wählen Sie statische/manuelle OAuth-Anmeldedaten und tragen Sie die vom Desktop-Client bereitgestellte Client ID und das Client Secret ein; CIMD ist nicht erforderlich. Nach dem Speichern oder Verbinden öffnet ChatGPT eine Autorisierungsseite; geben Sie den Autorisierungscode aus der Karte „GPT-Konfiguration" des Desktop-Clients ein, um die erste Autorisierung abzuschließen.
Client Secret, Autorisierungscode und Bearer Token sind sensible Informationen; fügen Sie sie nicht in Chats, Issues oder öffentliche Screenshots ein. Wenn der Desktop-Client Bearer verwendet oder keine Authentifizierung aktiviert ist, wählen Sie in ChatGPT die entsprechende, in der aktuellen Oberfläche angebotene Authentifizierungsmethode.
3. Verbindung verifizieren
Erstellen Sie einen neuen Chat mit aktiviertem Plugin und senden Sie:
请使用 Coding Tools MCP 调用 server_info、get_default_cwd 和 git_status,
告诉我当前连接的工作区、默认目录和 Git 状态。Wenn Projektinformationen zurückgegeben werden, ist die Kette „Desktop-Client → öffentlicher Tunnel → OAuth → ChatGPT → MCP-Tools" hergestellt. Beim ersten echten Entwicklungsvorgang rufen Sie history_session_bootstrap auf, um die Projektgeschichte zu initialisieren oder wiederherzustellen.
Wenn ChatGPT weiterhin die alte Tool-Liste anzeigt, trennen Sie das Plugin und verbinden Sie es erneut, oder erstellen Sie einen neuen Chat und verifizieren Sie erneut.
Häufige Probleme
Symptom | Zuerst prüfen |
ChatGPT kann nicht verbinden | Wird die öffentliche HTTPS- |
OAuth-Autorisierung fehlgeschlagen | Stammen Client ID, Client Secret und Autorisierungscode aus demselben Arbeitsbereich; ist die OAuth-Metadatenprüfung erfolgreich |
Neue Tools werden nicht angezeigt | Plugin trennen und neu verbinden, dann einen neuen Chat erstellen |
Tool-Aufruf fehlgeschlagen | „Logs" und „Health-Check" im Desktop-Client öffnen und prüfen, ob Anfragen den MCP-Dienst erreichen |
GPT Actions
Starten Sie den Actions-Dienst des Arbeitsbereichs.
Kopieren Sie die OpenAPI-URL aus dem Actions-Bereich.
Importieren Sie diese URL auf der Actions-Seite des GPT-Editors.
Wählen Sie je nach Desktop-Konfiguration None, API Key oder OAuth.
MCP und Actions können für denselben Arbeitsbereich gleichzeitig laufen und auch unterschiedliche Ports und Subdomains verwenden.
Warum es das braucht
Für echte Entwicklung: Dateien, Befehle, Git, Tests und langlebige Prozesse laufen im selben Workspace.
Kontinuierliche Entwicklung über Sitzungen hinweg: Neue Chats erhalten zuerst einen begrenzten aktuellen Zustand; wenn präziser alter Kontext benötigt wird, wird per Schlüsselwort lokalisiert und das Originalarchiv gelesen – ohne dem KI-Assistenten Projektkontext und aktuellen Fortschritt wiederholt erklären zu müssen.
Nachvollziehbarer Fortschritt: Nach jeder Aufgabenrunde können strukturierte Checkpoints gespeichert werden; Entscheidungen, Änderungen, Testergebnisse und nächste Schritte bleiben im Projektverzeichnis.
Verwaltung mehrerer Arbeitsbereiche: Ein Desktop-Client kann mehrere Projekte speichern und deren jeweilige MCP-, Actions- und öffentliche Adressen verwalten.
Direkterer Anschluss an ChatGPT: Integrierte Streamable HTTP-, OAuth-, Bearer-Token-, OpenAPI-, FRP- und Cloudflare-Tunnel.
Standard-Toolfläche bleibt einfach: Stabile Kernwerkzeuge sind standardmäßig verfügbar; erweiterte Harness-Fähigkeiten werden bei Bedarf aktiviert.
Das Projekt erinnert sich an jeden Chat
Normale Chatverläufe eignen sich zum Nachlesen von Gesprächsinhalten, aber nicht als langfristige Entwicklungsübergabe. Coding Tools MCP schreibt den Sitzungsfortschritt in docs/history-session/ des aktuellen Projekts, sodass der Kontext dem Projekt folgt und nicht in einem einzelnen Chatfenster gefangen bleibt.

Kopieren Sie den vollständigen Prompt in einen neuen Chat, um die Geschichte zu initialisieren oder wiederherzustellen; nach jeder Aufgabenrunde einen Checkpoint speichern.
Es bietet fünf aufeinander abgestimmte Verlaufswerkzeuge:
Tool | Funktion |
| Initialisiert oder stellt die Projektsitzung zu Beginn eines neuen Chats wieder her; speichert die wörtliche |
| Hängt nach jeder Aufgabenrunde strukturierten Fortschritt an das stabile Ziel aus bootstrap an und speichert die wörtliche |
| Prüft Verlaufsnummern, Dateien und Sitzungszuordnungen; baut bei Bedarf abgeleitete Indizes neu auf, löscht keine vorhandene Historie |
| Durchsucht langfristige Markdown-Archive nach deterministischen Schlüsselwörtern und gibt begrenzte Trefferpositionen und kurze Ausschnitte zurück |
| Liest ein Original-Markdown-Archiv verlustfrei und UTF-8-sicher seitenweise nach Nummer oder Suchtrefferposition; Standard |
Typisches Ergebnis:
对话 1:分析项目 → 修改代码 → 运行测试 → 保存检查点
↓
对话 2:读取有界当前状态 → 搜索并精读需要的旧档案 → 从上次进度继续 → 保存新检查点Verlaufsarchive verwenden lesbares Markdown-Format, können mit dem Projekt gesichert oder in Git aufgenommen werden und erleichtern Entwicklern die direkte Prüfung und Überarbeitung. memory/state.json ist eine begrenzte Projektion des aktuellen Zustands; memory/manifest.json speichert nur Positionen, Hashes und Schlüsselwörter, ohne den Text zu kopieren; Markdown ist die langfristige, verlustfreie Quelle der Wahrheit. Ersteingabe und jede Rundeingabe müssen von ChatGPT als initial_user_input bzw. raw_user_input-Toolparameter übergeben werden; der Server kann nicht übertragenen Remote-Chattext lesen. Checkpoints werden idempotent angehängt; bei inhaltlichen Änderungen derselben turn_id werden revision- und supersedes-Nachweise aufbewahrt, und die Speicherung wird erst nach ok=true und übereinstimmendem Sitzungsziel bestätigt.
Die Verlaufspersistenz erfolgt durch KI-Aufrufe der MCP-Tools, nicht durch Hintergrundaufzeichnung von Chat-Inhalten durch den Desktop-Client. Wenn der Client keine Tool-Aufrufe auslöst, kann der Server neue Chats oder Aufgabenfortschritte nicht von sich aus wahrnehmen.
Was der Agent tun kann
Das Standard-core-Profil bietet eine stabile, kombinierbare Reihe von Entwicklungswerkzeugen:
Kategorie | Hauptwerkzeuge |
Dateilesen |
|
Dateiänderung |
|
Befehlsausführung |
|
Git |
|
Umgebung |
|
Verlaufssitzungen |
|
Typischer Entwicklungsablauf:
打开 Workspace
→ 理解项目和 Git 状态
→ 搜索并读取代码
→ 事务化应用 Patch
→ 运行命令和测试
→ 检查 diff 并提交Das erweiterte Profil behält außerdem Harness-Fähigkeiten wie Projektstatus und Aktionsprotokolle, aber normale Dateiänderungen und Befehlsausführungen erfordern keine vorherige Task-Erstellung.
Berechtigungs- und Wiederherstellungsmodell
Das Projekt verwendet ein Workspace-first-Berechtigungsmodell:
Normale Dateien innerhalb des Workspace können gelesen, erstellt, geändert, gelöscht und ausgeführt werden.
Außerhalb des Workspace ist vollständiger Nur-Lese-Zugriff erlaubt:
read_file,list_dir,list_files,search_text,view_image.Schreiben, Löschen und Ausführen außerhalb des Workspace wird blockiert.
.gitund.githubkönnen nicht durch normale Dateiwerkzeuge, Patches oder Interpreterbefehle beschädigt werden.Patches führen innerhalb eines einzelnen Vorgangs eine Vorprüfung und Fehlerwiederherstellung durch; die langfristige Wiederherstellung erfolgt einheitlich über Git, es werden keine vollständigen Workspace-Snapshots erstellt.
Windows-Subprozesse sind derzeit weiterhin eine
policy_only-Ausführungsgrenze;sandbox_enforced: falsein der Rückgabe ist der reale Zustand. Eine statische Befehlsrichtlinie kann keine vollständige Betriebssystem-Dateisystem-Sandbox ersetzen.
Lokale Entwicklung
Umgebungsanforderungen: Node.js 20+, Rust stable sowie die Tauri 2 prerequisites des jeweiligen Systems.
npm install
npm run desktopHäufige Verifikationsbefehle:
npm run check
npm run build
cd src-tauri && cargo test
cd src-tauri && cargo clippy --all-targets -- -D warningsUnter Windows können Sie auch dev-desktop.cmd doppelklicken. Verifizieren Sie die Desktop-Anwendung nicht nur mit npm run dev – das startet nur Vite, nicht die Tauri-Shell.
Projektstruktur
Pfad | Funktion |
| Gemeinsamer Tool-Kern für Dateien, Patch, Exec, Git usw. |
| MCP Streamable HTTP-Dienst |
| ChatGPT Actions OpenAPI-Gateway |
| FRP / Cloudflare-Tunnel und Prozessverwaltung |
| SvelteKit-Desktop-Oberfläche |
| Python-Referenzimplementierung und Kompatibilitätsbasis |
Danksagung
Dank an die Linux.do-Community für die Unterstützung bei Verbreitung und Feedback des Projekts.
License
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Connectors
Git-backed platform for skills, tools, and context for AI agents
Persistent memory and knowledge management for AI agents with semantic search and 50+ tools.
Coding agents build full-stack apps in persistent workspaces and share them by link.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
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/resign13/GPT-Tools-MCP'
If you have feedback or need assistance with the MCP directory API, please join our Discord server