Git Intelligence MCP Server

Лёгкий сервер Model Context Protocol (MCP), который превращает историю Git в практически полезные сведения о репозитории.

Обзор

Git Intelligence MCP — это локальный MCP-сервер, который позволяет AI-ассистентам анализировать историю Git-репозитория с помощью запросов на естественном языке.

Вместо ручного выполнения команд Git и интерпретации истории коммитов MCP-совместимый клиент может вызывать специальные инструменты для обнаружения:

• Часто изменяемых файлов

• Паттернов владения файлами участниками

• Изменений кода с течением времени

Проект намеренно лёгкий и реализован в одном файле Python с использованием официального MCP Python SDK и GitPython.

Related MCP server: GitIntel

Зачем нужен Git Intelligence?

История Git содержит полезные инженерные сигналы, но их ручное извлечение может быть утомительным.

С Git Intelligence вы можете задавать такие вопросы, как:

«Какие файлы изменились больше всего?»

«Сколько разработчиков работали над server.py?»

«Сколько кода изменилось с января 2026 года?»

MCP-сервер преобразует эти запросы на естественном языке в структурированные вызовы инструментов и анализирует историю Git репозитория.

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

Возможности

Доступные MCP-инструменты

1. hotspots

Определяет файлы, которые изменялись наиболее часто за всю историю коммитов репозитория.

Аргументы

Пример запроса

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

Пример вызова инструмента

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

Пример результата

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

Часто изменяемый файл может быть полезным сигналом для выявления областей, которые могут заслуживать дополнительного ревью или тестирования.

2. bus_factor

Определяет, сколько различных участников изменяли конкретный файл.

Аргументы

Пример запроса

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

Пример вызова инструмента

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

Пример результата

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

Низкое количество участников может указывать на потенциальную концентрацию знаний вокруг конкретного файла.

3. churn_since

Вычисляет общее количество добавленных и удалённых строк начиная с указанной даты.

Аргументы

Пример запроса

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

Пример вызова инструмента

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

Пример результата

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

Это даёт простое представление о том, сколько кода было добавлено и удалено за указанный период.

Пример рабочего процесса

После подключения к MCP-совместимому клиенту вы можете взаимодействовать с репозиторием на естественном языке.

Поиск горячих файлов репозитория

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

↓

hotspots()

↓

Repository history

↓

Top 5 hotspot files

Исследование владения файлами

How many different developers have worked on server.py?

↓

bus_factor()

↓

Distinct contributors

Анализ активности разработки

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

↓

churn_since()

↓

Code churn statistics

Совместимость с MCP-клиентами

Сервер использует stdio transport, что делает его подходящим для локальных MCP-совместимых клиентов.

Он был протестирован с:

• MCP Inspector — локальная разработка и тестирование инструментов

• VS Code — интеграция MCP-клиента

Архитектура остаётся простой:

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

Технологический стек

• Python 3.10+

• MCP Python SDK

• FastMCP

• GitPython

• Git

• stdio transport

Сервер использует API FastMCP на основе декораторов для предоставления функций Python в качестве MCP-инструментов.

Структура проекта

Проект намеренно сохраняет минимальную реализацию:

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

Почему один файл server.py?

Этот проект задуман как учебная реализация MCP, а не как большое производственное приложение.

Сохранение основной реализации в одном файле делает архитектуру MCP легко понятной:

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

По мере роста функциональности инструменты можно разделить на отдельные модули.

Установка

1. Клонируйте репозиторий

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

2. Создайте виртуальное окружение

Windows

python -m venv venv
venv\Scripts\activate

macOS / Linux

python -m venv venv
source venv/bin/activate

3. Установите зависимости

pip install -r requirements.txt

Требования

mcp[cli]<2.0.0
gitpython

Локальный запуск

Запустите MCP-сервер с помощью:

python server.py

Сервер использует stdio transport, поэтому он не запускает традиционный веб-сервер.

Он ожидает, пока MCP-совместимый клиент установит соединение.

Тестирование с MCP Inspector

MCP Inspector предоставляет интерактивную среду для локального тестирования MCP-серверов.

Запустите:

mcp dev server.py

Затем:

1. Подключитесь к серверу

2. Просмотрите доступные инструменты

3. Изучите сгенерированные схемы

4. Укажите аргументы

5. Выполните инструменты

6. Проверьте возвращённые результаты

Должны быть доступны следующие инструменты:

hotspots
bus_factor
churn_since

Подключение к VS Code

MCP-сервер также можно подключить напрямую к VS Code.

Создайте:

.vscode/mcp.json

Пример конфигурации для 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"
    }
  }
}

После подключения в VS Code должны быть доступны следующие MCP-инструменты:

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

Пример запроса:

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

Как это работает

Сервер построен с использованием FastMCP.

Инструмент предоставляется с помощью декоратора MCP SDK:

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

FastMCP использует сигнатуру функции и документацию для создания определения инструмента, которое может обнаружить MCP-клиент.

Полный поток выглядит так:

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

Продемонстрированные концепции MCP

Инструменты

Сервер предоставляет три вызываемых MCP-инструмента:

hotspots
bus_factor
churn_since

Они позволяют AI-клиенту выполнять анализ репозитория.

Архитектура «клиент-сервер»

MCP-клиенту не нужно знать, как внутренне реализован анализ Git.

Ему нужно знать только:

• Какие инструменты доступны

• Какие аргументы они принимают

• Какие результаты они возвращают

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

Транспорт stdio

Локальный сервер общается через stdio, что хорошо подходит для локально запущенных MCP-серверов и клиентов для разработки.

Ограничения

Эта реализация намеренно сохраняет небольшой объём.

• Поддерживаются только локальные Git-репозитории.

• Для больших репозиториев может потребоваться дополнительное время обработки.

• Churn измеряет количество изменений, а не качество кода.

Эти ограничения позволяют проекту оставаться сосредоточенным на понимании MCP, а не на создании полноценной платформы аналитики репозиториев.

Результат обучения

Этот проект демонстрирует основы создания MCP-сервера на Python:

• Создание MCP-сервера с официальным Python SDK

• Определение инструментов с помощью FastMCP

• Понимание схем MCP-инструментов

• Использование транспорта stdio

• Подключение MCP-сервера к MCP-клиентам

• Тестирование инструментов с помощью MCP Inspector

• Интеграция пользовательского MCP с VS Code

• Подготовка MCP-проекта для публичного распространения

Главный вывод прост:

MCP предоставляет стандартизированный способ для AI-приложений обнаруживать внешние инструменты и возможности и взаимодействовать с ними.

Автор

Samama Zaid

Создан как практический проект для изучения и реализации Model Context Protocol с Python.