Coding Tools MCP

Coding Tools MCP 現在提供 Desktop Client（Rust + Tauri 2）與可攜式 Node Agent 兩種執行方式，兩者共用同一套 Svelte 管理介面與 Workspace 模型。選好專案目錄並啟動服務後，AI Agent 可透過 MCP 讀寫檔案、修改程式碼、執行指令與測試、操作 Git，並把關鍵進度存成專案內的歷史工作階段；Windows 還可使用 Computer Use 進行螢幕列舉、截圖、點擊、拖曳、滾動、文字輸入與按鍵操作。

同一個邏輯 Workspace 在 Desktop / Node 間可共用受保護的 canonical 設定與 secrets store，host-specific 欄位各自保留，減少重複設定。Node Agent 維持 MCP-only 的 headless / portable 產品邊界；Actions、FRP／Cloudflare 程序管理等 Desktop 專屬能力仍由 Desktop Client 提供。

Desktop 與 Node Agent 共用同一套管理介面；畫面中的公網端點與本機路徑已使用實心遮罩處理。

目前重點能力

Related MCP server: ChampCity GPT MCP Launcher

30 秒看懂怎麼用

下載安裝桌面端
  → 側邊欄「快速設定」（或手動新增工作區）
  → 選隧道來源並完成連線
  → 啟動 MCP，複製「公網 MCP 位址」
  → ChatGPT 開啟開發人員模式
  → 新建 MCP 外掛並貼上位址
  → 完成授權，在新對話中開始開發

第一次使用只要記住兩件事：Desktop Client 或 Node Agent 負責把專案變成 MCP Workspace，AI 用戶端再透過 /mcp 位址連上它。 若需要 Actions、FRP／Cloudflare 程序管理或其他 Desktop 專屬整合，請使用 Desktop Client。

• 查看完整安裝與桌面端啟動步驟

• 快速設定（引導）

• 直接查看 ChatGPT 外掛設定

五分鐘開始使用

1. 安裝桌面用戶端

從目前程式碼託管平台的 Releases 頁面下載對應安裝包：

macOS 安裝包目前尚未簽名。若系統阻擋首次開啟，請到「系統設定 → 隱私權與安全性」確認允許開啟。

2. 快速設定（建議首次使用）

側邊欄點 「快速設定」（路由 /quick-setup），依引導完成首次連線。流程與實作一致，分五步：

依隧道來源，第 4 步要準備的東西：

完成後可進既有工作區做進階調整（認證、權限、同時跑 MCP+Actions 等）。快速設定不會幫你建立伺服器端註冊連結、FRPS 或 Cloudflare Named Tunnel 本身——那些仍要在伺服器／雲端控制台完成。

自建內建 WSS 伺服器步驟見下方 3a. 內建 WSS 與 services/tunnel-server/README.md。

3. 手動新增工作區（進階）

不走引導時：

1. 點左側的「新增工作區」。

2. 選擇專案根目錄。

3. 設定工作區名稱、MCP 連接埠與驗證方式。

4. 儲存後，工作區會長期保留在左側清單中。

4. 設定公網隧道

若 AI 用戶端不在本機，需要把本機 MCP 暴露成可被外網存取的 HTTPS 位址。工作區可選三種隧道（新建工作區預設為內建 WSS）：

3a. 內建 WSS（自建伺服器）

架構（與實作一致）：

ChatGPT / 公開 HTTPS 用戶端
        → Caddy（TLS）
        → coding-tools-tunnel-server（8088 公開 / 8089 選用 Admin）
        → 桌面端內嵌 WSS 用戶端（協定 coding-tools-tunnel-v3）
        → 本機 MCP 或 Actions

伺服器端（簡要）

1. 依 services/tunnel-server/README.md 用 Docker Compose 或 binary 啟動。

2. 設定 CODING_TOOLS_TUNNEL_PUBLIC_ORIGIN 為真實 HTTPS origin（註冊連結會用它）。

3. 若啟用 Admin WebUI：自備帳號與密碼（伺服器不會自動產生密碼，至少 12 bytes）。

4. 用 Admin 或 CLI 建立一次性註冊連結（例如 enroll create --client-id <id> --service both）。

公開路由需由反代轉到 8088（優先於 FRP 後備）：/_tunnel/v1、/_tunnel/enroll/*、/builtin/* 與對應的 /.well-known/.../builtin/*。Admin（8089）不要暴露到公網。

桌面端

1. 工作區隧道類型選「內建 WSS 隧道」（Built-in WSS tunnel）。

2. 把伺服器印出的一次性註冊連結貼到「一次性註冊連結」欄位並儲存。

3. 桌面端會在本機產生 Ed25519 金鑰與 device ID，把私鑰存進 OS 密鑰庫，只把公鑰註冊到伺服器；Client ID 以伺服器綁定的為準，公網 URL 會自動更新。

4. MCP 與 Actions 在同一工作區共用同一組裝置身分。撤銷後需貼新的註冊連結以輪換金鑰。

公開路徑形如：

• MCP：https://<你的網域>/builtin/clients/<client-id>/mcp

• Actions：https://<你的網域>/builtin/actions/<client-id>

本機預設 placeholder 為 http://127.0.0.1:8088/...（與伺服器預設 origin 一致）；正式環境請用 HTTPS 反代後的網域。

完整部署、環境變數、CLI 與疑難排解見 隧道伺服器 README（繁中）／English，設計細節見 docs/builtin-wss-tunnel.md。

3b. FRP

• 在「軟體管理」中安裝或辨識 frpc。

• 在「FRP 設定」中儲存伺服器、連接埠與 Token。

• 每個工作區填寫獨立子網域。應用程式會統一管理 FRP 程序與多條代理線路。

FRP 伺服器設定集中保存，各工作區只要選設定檔並填自己的子網域。

若還沒有可用的 FRPS 伺服端，可參考：FRPS 伺服端安裝教學（微信公眾號）。安裝完成後，把伺服端位址、連接埠與 Token 填入用戶端的「FRP 設定」即可。

3c. Cloudflare

• 在「軟體管理」中安裝或辨識 cloudflared。

• 在工作區選擇 Cloudflare，依模式設定 token 或使用 Quick Tunnel。

5. 啟動 MCP

進入工作區並啟動 MCP。管理介面會集中顯示：

• 本機 MCP 位址，例如 http://127.0.0.1:28766/mcp；

• 公網 HTTPS MCP 位址與 ChatGPT 連線設定；

• OAuth／驗證、原則與健康檢查入口；

• Telemetry、操作紀錄與工具區設定。

公開 MCP、OAuth 與其他可識別連線資料仍可在 MCP 頁面管理；README 截圖只保留安全的 loopback 範例，實際端點不會公開。

啟動後可從「健康」檢查本機／公網端點與 OAuth 中繼資料；「Telemetry」與「操作紀錄」則用來追查工具呼叫、耗時、結果與失敗。Desktop Client 另外保留其專屬的 runtime / tunnel 診斷能力。

6. 連接 AI 用戶端

支援 MCP 的用戶端使用介面中的公網 MCP URL。使用 OAuth 時，用戶端會依伺服端中繼資料進入授權流程；授權口令、Client ID 與 Secret 都可在桌面端集中產生與管理。目前版本使用預先設定的 OAuth 用戶端，建立 ChatGPT 外掛時應選擇靜態／手動 OAuth 憑證，不需要選擇 CIMD。

首次連線建議先呼叫歷史初始化，再檢查工作區：

history_session_bootstrap
server_info
get_default_cwd
git_status
check_exec_environment

這樣 Agent 不必依賴聊天上下文去猜目前專案、工作目錄與執行能力。

ChatGPT 的兩種接入方式

MCP Connector

設定前請先確認：

1. 工作區的 MCP 服務與公網隧道都在執行中。

2. 「健康檢查」中的公網 MCP 檢查通過；若使用 OAuth，再確認 OAuth 受保護資源與授權中繼資料檢查通過。

3. 從桌面端「GPT 設定」卡片複製「公網 MCP 位址」；若使用 OAuth，同時準備 OAuth Client ID、OAuth Client Secret 與授權口令。

ChatGPT 必須使用公網 HTTPS /mcp 位址，不能使用 http://127.0.0.1:28766/mcp 這類本機位址。ChatGPT 的選單名稱可能隨版本與語言設定略有差異。

1. 開啟 ChatGPT 開發人員模式

開啟 ChatGPT 設定，進入「帳戶安全與登入」，開啟「開發人員模式」。此開關允許新增未經驗證的 MCP 連接器。

開發人員模式權限較高，只應連線你自己部署或明確可信的 MCP 服務。

2. 建立 MCP 外掛

在 ChatGPT 左側進入「外掛」，點右上角 + 新建外掛，然後選擇 MCP（測試版）並填寫：

使用 OAuth 時，展開「進階 OAuth 設定」，選擇靜態／手動 OAuth 憑證並填寫桌面端提供的 Client ID 與 Client Secret，不需要選擇 CIMD。儲存或連線後，ChatGPT 會開啟授權頁面；輸入桌面端「GPT 設定」卡片中的授權口令完成首次授權。

Client Secret、授權口令與 Bearer Token 都屬於敏感資訊，不要貼到對話、Issue 或公開截圖中。若桌面端使用 Bearer 或未啟用驗證，請在 ChatGPT 中選擇目前介面提供的對應驗證方式。

3. 驗證連線

建立一個已啟用該外掛的新對話，並傳送：

請使用 Coding Tools MCP 呼叫 server_info、get_default_cwd 和 git_status，
告訴我目前連線的工作區、預設目錄和 Git 狀態。

若能回傳目前專案的資訊，代表「桌面端 → 公網隧道 → OAuth → ChatGPT → MCP 工具」鏈路已打通。首次正式開發時，再呼叫 history_session_bootstrap 初始化或還原專案歷史。

若 ChatGPT 仍顯示舊的工具清單，請中斷並重新連線外掛，或建立新對話後再驗證一次。

常見問題

GPT Actions

1. 啟動工作區的 Actions 服務。

2. 複製 Actions 面板中的 OpenAPI URL。

3. 在 GPT 編輯器的 Actions 頁面匯入該 URL。

4. 依桌面端設定選擇 None、API Key 或 OAuth。

MCP 與 Actions 可以在同一工作區同時執行，也可以分別使用不同連接埠與子網域。

為什麼需要它

• 面向真實開發：檔案、指令、Git、測試與長時間執行的程序都在同一個 Workspace 中。

• 跨對話持續開發：新對話可以讀取全部歷史摘要與最近一次完整交接，不必反覆向 AI 解釋專案背景與目前進度。

• 進度可追溯：每輪任務完成後可儲存結構化檢查點，決策、修改、測試結果與下一步都留在專案目錄中。

• 多工作區、多 runtime：Desktop Client 與 Node Agent 共用管理介面與 Workspace 模型；Desktop 可管理 MCP、Actions 與完整隧道整合，Node Agent 專注於 MCP。

• 連接 ChatGPT 更直接：內建 Streamable HTTP、OAuth、Bearer Token、OpenAPI，以及內建 WSS／FRP／Cloudflare 隧道。

• 可擴充 Agent 行為：Skills、Hooks 與外部 MCP 可掃描、分組並個別啟用，不必把所有擴充永久打開。

• 可操作桌面：Windows Computer Use 可截圖並執行滑鼠、滾動、文字與鍵盤操作，適合需要實際 GUI 驗證的流程。

• 預設工具面保持簡單：穩定的核心工具預設可用，進階 Harness 能力可按需開啟。

讓專案記住每次對話

一般聊天紀錄適合回看交流內容，但不適合作為長期開發交接。Coding Tools MCP 會將工作階段進度寫入目前專案的 docs/history-session/，讓上下文跟著專案走，而不是困在某一個聊天視窗裡。

複製完整提示詞到新工作階段，即可初始化或還原歷史；每輪任務完成後再儲存檢查點。

它提供三個互相配合的歷史工具：

典型效果：

對話 1：分析專案 → 修改程式碼 → 執行測試 → 儲存檢查點
                                      ↓
對話 2：讀取歷史摘要與最新交接 → 從上次進度繼續 → 儲存新檢查點

歷史檔使用可讀的 Markdown 格式，可隨專案備份或納入 Git，也方便開發者直接審閱與修訂。每個新檔頂部都帶有長度上限的「繼承的歷史摘要」，舊摘要不會遞迴複製；檢查點採冪等寫入，並要求回傳 ok=true 且工作階段目標一致後才確認儲存成功。

歷史持久化由 AI 呼叫 MCP 工具完成，並非桌面端在背景錄製聊天內容。若用戶端未觸發工具呼叫，伺服端無法憑空感知新的對話或任務進度。

Agent 可以做什麼

常見的開發工具依 profile / runtime 開放，主要包含：

典型開發流程：

開啟 Workspace
  → 理解專案與 Git 狀態
  → 搜尋並讀取程式碼
  → 事務化套用 Patch
  → 執行指令與測試
  → 檢查 diff 並提交

進階 profile 仍保留專案狀態、操作紀錄等 Harness 能力，但一般檔案修改與指令執行不要求先建立 Task。

權限與還原模型

專案採用 Workspace-first 權限模型：

• Workspace 內一般檔案可以讀取、建立、修改、刪除與執行。

• Workspace 外允許完整唯讀：read_file、list_dir、list_files、search_text、view_image。

• Workspace 外寫入、刪除與執行會被阻擋。

• .git 與 .github 不能被一般檔案工具、Patch 或直譯器指令破壞。

• Patch 在單次操作內進行預檢與失敗還原；長期還原統一使用 Git，不建立全量 Workspace Snapshot。

命令沙盒是 workspace 設定，預設關閉。關閉時執行邊界仍是 policy_only，sandbox_enforced: false。開啟後必須走選定的 OS 沙盒，不會偷偷退回政策層：Windows 主機資料夾可用 AppContainer（預設拒絕網路，可用 appcontainer.network=internet 放行）；WSL 資料夾請改用 Docker、Podman、Docker Sandboxes（sbx）或 WSL Containers。原生 Docker / Podman 用 ephemeral Linux 容器，網路預設 none，拒絕 host。可在「軟體管理」安裝或辨識 docker、podman、sbx 與 wslc；引擎啟動與 podman machine 需自行完成。檔案工具的 workspace 唯讀邊界與沙盒是分開的。

本機開發

環境需求：Node.js 20+、Rust stable，以及目前系統的 Tauri 2 prerequisites。

pnpm install --frozen-lockfile
pnpm run hooks:install
pnpm run desktop

hooks:install 會把此 clone 的 core.hooksPath 指向 repo 內的 .githooks。提交 staged Rust 檔案時，pre-commit 只會格式化完整 staged 的檔案並重新 stage；若同一檔案同時存在 unstaged hunks，hook 會停止提交而不改動 index，避免意外把額外變更帶進 commit。

常用驗證指令：

pnpm run check
pnpm run build
cd src-tauri && cargo test
cd src-tauri && cargo clippy --all-targets -- -D warnings

Windows 也可以雙擊 dev-desktop.cmd。不要只用 pnpm run dev 驗證桌面應用，它只會啟動 Vite，不會啟動 Tauri 外殼。

專案結構

來源倉庫與歸屬

本專案為上游 Coding Tools MCP 的衍生作品，並保留其著作權與授權聲明（見 NOTICE）：

• xyTom/coding-tools-mcp

• mybolide/coding-tools-mcp

致謝

感謝 Linux.do 社群對專案推廣與回饋的支持。

License

本專案採用 Apache License 2.0。

• 完整授權文本：LICENSE

• 歸屬與 NOTICE 聲明：NOTICE

使用、修改或再散布本專案（含程式碼、文件、實質實作細節或衍生作品）時，須保留著作權聲明、授權聲明與 NOTICE，並清楚標註來源。