Servidor MCP de Git Intelligence

Un servidor ligero del Protocolo de Contexto de Modelo (MCP) que convierte el historial de Git en información práctica sobre el repositorio.

Descripción general

Git Intelligence MCP es un servidor MCP local que permite a los asistentes de IA analizar el historial de un repositorio Git mediante solicitudes en lenguaje natural.

En lugar de ejecutar comandos de Git manualmente e interpretar el historial de confirmaciones, un cliente compatible con MCP puede llamar a herramientas dedicadas para descubrir:

• Archivos modificados con frecuencia

• Patrones de propiedad de los contribuyentes

• Cambio de código a lo largo del tiempo

El proyecto es intencionadamente ligero y está implementado en un único archivo Python que utiliza el SDK de Python de MCP oficial y GitPython.

Related MCP server: GitIntel

¿Por qué Git Intelligence?

El historial de Git contiene señales de ingeniería útiles, pero extraerlas manualmente puede resultar repetitivo.

Con Git Intelligence, puedes hacer preguntas como:

"¿Qué archivos han cambiado más?"

"¿Cuántos desarrolladores han trabajado en server.py?"

"¿Cuánto código ha cambiado desde enero de 2026?"

El servidor MCP traduce estas solicitudes en lenguaje natural a llamadas de herramientas estructuradas y analiza el historial de Git del repositorio.

Natural Language
       │
       ▼
   MCP Client
       │
       ▼
Git Intelligence MCP
       │
   ┌───┼────────┐
   ▼   ▼        ▼
Hotspots  Bus Factor  Churn
   │   │        │
   └───┼────────┘
       ▼
 Git Repository
       │
       ▼
 Repository Insights

Características

Herramientas MCP disponibles

1. hotspots

Identifica los archivos que se han modificado con más frecuencia a lo largo del historial de confirmaciones del repositorio.

Argumentos

Ejemplo de solicitud

Use Git Intelligence to find the top 5 hotspot files in this repository.

Ejemplo de llamada a la herramienta

hotspots(
    repo_path="E:/projects/my-repo",
    top_n=5
)

Ejemplo de resultado

42 commits — server.py
27 commits — README.md
18 commits — config.py
12 commits — utils.py
9 commits — tests/test_server.py

Un archivo modificado con frecuencia puede ser una señal útil para identificar áreas que pueden merecer una revisión o pruebas adicionales.

2. bus_factor

Determina cuántos contribuyentes distintos han modificado un archivo específico.

Argumentos

Ejemplo de solicitud

Use Git Intelligence to find how many developers have modified server.py.

Ejemplo de llamada a la herramienta

bus_factor(
    repo_path="E:/projects/my-repo",
    file_path="server.py"
)

Ejemplo de resultado

server.py: 3 distinct author(s) — Alice, Bob, Charlie

Un número bajo de contribuyentes puede indicar una posible concentración de conocimiento en torno a un archivo concreto.

3. churn_since

Calcula el número total de líneas añadidas y eliminadas desde una fecha determinada.

Argumentos

Ejemplo de solicitud

Use Git Intelligence to calculate the code churn since 2026-01-01.

Ejemplo de llamada a la herramienta

churn_since(
    repo_path="E:/projects/my-repo",
    since_date="2026-01-01"
)

Ejemplo de resultado

Since 2026-01-01: +842 / -391 lines

Esto proporciona una vista sencilla de cuánto código se ha añadido y eliminado durante un período determinado.

Flujo de trabajo de ejemplo

Una vez conectado a un cliente compatible con MCP, puedes interactuar con el repositorio usando lenguaje natural.

Encuentra los puntos calientes del repositorio

Use Git Intelligence to find the top 5 most frequently changed files.

↓

hotspots()

↓

Repository history

↓

Top 5 hotspot files

Investiga la propiedad de los archivos

How many different developers have worked on server.py?

↓

bus_factor()

↓

Distinct contributors

Analiza la actividad de desarrollo

How many lines have been added and removed since 2026-06-01?

↓

churn_since()

↓

Code churn statistics

Compatibilidad con clientes MCP

El servidor utiliza transporte stdio, lo que lo hace adecuado para clientes locales compatibles con MCP.

Se ha probado con:

• MCP Inspector — desarrollo local y pruebas de herramientas

• VS Code — integración con el cliente MCP

La arquitectura sigue siendo simple:

┌───────────────────┐
│   MCP Client      │
│                   │
│ MCP Inspector     │
│ VS Code           │
└─────────┬─────────┘
          │
        stdio
          │
          ▼
┌───────────────────┐
│ Git Intelligence  │
│    MCP Server     │
├───────────────────┤
│ hotspots()        │
│ bus_factor()      │
│ churn_since()     │
└─────────┬─────────┘
          │
          ▼
┌───────────────────┐
│  Local Git Repo   │
└───────────────────┘

Pila tecnológica

• Python 3.10+

• SDK de Python de MCP

• FastMCP

• GitPython

• Git

• Transporte stdio

El servidor utiliza la API FastMCP basada en decoradores para exponer funciones de Python como herramientas MCP.

Estructura del proyecto

El proyecto mantiene intencionadamente la implementación al mínimo:

git-intel-mcp/
│
├── .vscode/
│   └── mcp.json
│
├── assets/
│
├── server.py
├── requirements.txt
├── README.md
└── .gitignore

¿Por qué un único server.py?

Este proyecto está diseñado como una implementación MCP de aprendizaje centrada, más que como una gran aplicación de producción.

Mantener la implementación principal en un solo archivo facilita la comprensión de la arquitectura MCP:

Define Tool
    ↓
@mcp.tool()
    ↓
MCP Tool Schema
    ↓
MCP Client
    ↓
Tool Call
    ↓
GitPython
    ↓
Git Repository
    ↓
Result

A medida que crezca la funcionalidad, las herramientas se pueden separar en módulos dedicados.

Instalación

1. Clona el repositorio

git clone https://github.com/s-zaid-13/git-intel-mcp.git
cd git-intel-mcp

2. Crea un entorno virtual

Windows

python -m venv venv
venv\Scripts\activate

macOS / Linux

python -m venv venv
source venv/bin/activate

3. Instala las dependencias

pip install -r requirements.txt

Requisitos

mcp[cli]<2.0.0
gitpython

Ejecutar localmente

Inicia el servidor MCP con:

python server.py

El servidor utiliza transporte stdio, por lo que no inicia un servidor web tradicional.

Espera a que un cliente compatible con MCP establezca una conexión.

Probar con MCP Inspector

MCP Inspector proporciona un entorno interactivo para probar servidores MCP localmente.

Ejecuta:

mcp dev server.py

Luego:

1. Conéctate al servidor

2. Inspecciona las herramientas disponibles

3. Revisa sus esquemas generados

4. Proporciona argumentos

5. Ejecuta las herramientas

6. Verifica los resultados devueltos

Las siguientes herramientas deberían estar disponibles:

hotspots
bus_factor
churn_since

Conectar a VS Code

El servidor MCP también se puede conectar directamente a VS Code.

Crea:

.vscode/mcp.json

Ejemplo de configuración para Windows:

{
  "servers": {
    "gitIntelligence": {
      "type": "stdio",
      "command": "E:\\Spiral Lab\\git-intel-mcp\\venv\\Scripts\\python.exe",
      "args": [
        "E:\\Spiral Lab\\git-intel-mcp\\server.py"
      ],
      "cwd": "E:\\Spiral Lab\\git-intel-mcp"
    }
  }
}

Después de conectarte, las siguientes herramientas MCP deberían ser detectables en VS Code:

gitIntelligence
├── hotspots
├── bus_factor
└── churn_since

Ejemplo de solicitud:

Use Git Intelligence to find the top 5 hotspot files in this repository.

Cómo funciona

El servidor está construido con FastMCP.

Una herramienta se expone mediante el decorador del SDK de MCP:

@mcp.tool()
def hotspots(repo_path: str, top_n: int = 10) -> str:
    ...

FastMCP utiliza la firma de la función y la documentación para generar la definición de la herramienta que un cliente MCP puede descubrir.

El flujo completo es:

Python Function
      │
      ▼
@mcp.tool()
      │
      ▼
MCP Tool Definition
      │
      ▼
MCP Client
      │
      ▼
Tool Call
      │
      ▼
GitPython
      │
      ▼
Git History
      │
      ▼
Analysis Result

Conceptos MCP demostrados

Herramientas

El servidor expone tres herramientas MCP invocables:

hotspots
bus_factor
churn_since

Estas permiten a un cliente de IA realizar análisis del repositorio.

Arquitectura cliente-servidor

El cliente MCP no necesita saber cómo se implementa internamente el análisis de Git.

Solo necesita saber:

• Qué herramientas están disponibles

• Qué argumentos aceptan

• Qué resultados devuelven

MCP Client
     │
     │ MCP
     ▼
MCP Server
     │
     ▼
Git Repository

Transporte stdio

El servidor local se comunica mediante stdio, que es muy adecuado para servidores MCP que se ejecutan localmente y para clientes de desarrollo.

Limitaciones

Esta implementación mantiene intencionadamente un alcance reducido.

• Solo se admiten repositorios Git locales.

• Los repositorios grandes pueden requerir más tiempo de procesamiento.

• El cambio de código mide la cantidad de cambios, no la calidad del código.

Estas limitaciones mantienen el proyecto centrado en comprender MCP en lugar de crear una plataforma completa de análisis de repositorios.

Resultado del aprendizaje

Este proyecto demuestra los fundamentos de la creación de un servidor MCP con Python:

• Crear un servidor MCP con el SDK oficial de Python

• Definir herramientas con FastMCP

• Comprender los esquemas de herramientas MCP

• Usar el transporte stdio

• Conectar un servidor MCP a clientes MCP

• Probar herramientas con MCP Inspector

• Integrar un MCP personalizado con VS Code

• Preparar un proyecto MCP para compartirlo públicamente

La conclusión principal es simple:

MCP proporciona una forma estandarizada para que las aplicaciones de IA descubran e interactúen con herramientas y capacidades externas.

Autor

Samama Zaid

Creado como un proyecto práctico para aprender e implementar el Protocolo de Contexto de Modelo con Python.