<p align="center">
  <img src="src-tauri/icons/128x128.png" width="96" alt="Coding Tools MCP 圖示">
</p>

<h1 align="center">Coding Tools MCP</h1>

<p align="center">
  把本機專案變成 AI 可直接開發、能跨對話延續上下文的持久工作區。
</p>

<p align="center">
  <img src="https://img.shields.io/badge/Release-see%20releases-blue" alt="Releases">
  <img src="https://img.shields.io/badge/Windows-x64-0078D4?logo=windows" alt="Windows x64">
  <img src="https://img.shields.io/badge/macOS-Apple%20Silicon-000000?logo=apple" alt="macOS Apple Silicon">
  <a href="https://www.apache.org/licenses/LICENSE-2.0"><img src="https://img.shields.io/badge/license-Apache--2.0-blue" alt="Apache-2.0"></a>
</p>

<p align="center">
  <a href="README.md">繁體中文</a> · <a href="README.en.md">English</a> · Releases
</p>

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。

![Coding Tools MCP 工作區總覽](docs/images/workspace-overview.png)

*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

| 能力 | 目前內容 |
| --- | --- |
| **共用管理介面** | Desktop Client 與 Node Agent 使用同一套 Svelte UI；Workspace、MCP、健康、Telemetry、操作紀錄與設定頁保持一致 |
| **共用 Workspace** | canonical 設定與 secrets 使用受保護的 shared store；Desktop / Node 各自保留 host-specific 欄位，同一組資料夾可延續同一個邏輯 Workspace |
| **Skills / Hooks / 外部 MCP** | 可掃描並個別啟用／停用 Skills、Claude/Codex Hooks 與外部 MCP；Node Agent 可代理 stdio 與 Streamable HTTP MCP |
| **Computer Use（Windows）** | `desktop_displays`、`desktop_screenshot`、`desktop_click`、`desktop_drag`、`desktop_scroll`、`desktop_type`、`desktop_key`，座標使用實體像素 |
| **執行安全** | Workspace-first 邊界、敏感輸出遮蔽、Git 防護與可選命令沙盒；沙盒開啟時採 fail-closed，不靜默退回非沙盒執行 |

## 30 秒看懂怎麼用

```text
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](#五分鐘開始使用)
- [快速設定（引導）](#2-快速設定建議首次使用)
- [直接查看 ChatGPT 外掛設定](#mcp-connector)

## 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：

| 系統 | 安裝包 |
| --- | --- |
| Windows 10/11 x64 | `Coding.Tools.MCP_*_x64-setup.exe` |
| macOS Apple Silicon | `Coding Tools MCP_*_aarch64.dmg` |

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：

| 步驟 | 內容 |
| --- | --- |
| **1. 隧道來源** | 選 **內建 WSS**（建議）、**FRP** 或 **Cloudflare** |
| **2. 專案** | 命名工作區（可留白＝第一個資料夾名稱）、選一個或多個專案資料夾並建立工作區 |
| **3. 連線類型** | 選 **MCP** 或 **Actions**（引導一次只啟用一種） |
| **4. 啟用** | 依來源填寫連線並測試通道，再啟動服務 |
| **5. 完成** | 顯示 ChatGPT 端應填的實際值（公網 URL、驗證資訊等），可一鍵複製 |

**依隧道來源，第 4 步要準備的東西：**

| 來源 | 你需要 | 引導會做的事 |
| --- | --- | --- |
| **內建 WSS** | 伺服器管理員給的**一次性註冊連結**（`https://…/_tunnel/enroll/<code>`，須 HTTPS） | 驗證連結、註冊本機裝置金鑰、更新公網 URL |
| **FRP** | FRP 伺服器位址／連接埠／可選 Token | 檢查並可安裝 `frpc`；選或新建全域 FRP 設定；MCP 使用 `/clients/<id>/mcp` 路徑，Actions 需獨立子網域 |
| **Cloudflare Quick** | 不需 Token | 檢查並可安裝 `cloudflared`；測試連線時產生暫時 `trycloudflare.com` 網址 |
| **Cloudflare Named** | Tunnel Token + 固定 HTTPS 公開網址 | 檢查並可安裝 `cloudflared`；保存 token 與固定 URL |

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](#3a-內建-wss自建伺服器) 與 [`services/tunnel-server/README.md`](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**）：

| 類型 | 適用情境 | 桌面端要做的事 |
| --- | --- | --- |
| **內建 WSS（builtin）** | 自架 `coding-tools-tunnel-server`，由 Caddy 等反代終止 TLS | 貼上伺服器產生的一次性註冊連結 |
| **FRP** | 已有 FRPS | 在「FRP 設定」存伺服器／Token，工作區填子網域 |
| **Cloudflare** | 使用 Cloudflare Tunnel | 安裝／辨識 `cloudflared`，設定 token 或 Quick Tunnel |

#### 3a. 內建 WSS（自建伺服器）

架構（與實作一致）：

```text
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`](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）](services/tunnel-server/README.md)／[English](services/tunnel-server/README.en.md)，設計細節見 [`docs/builtin-wss-tunnel.md`](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 設定頁面](docs/images/frp-configuration.png)

*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）](https://mp.weixin.qq.com/s/kmpQhHsvmHlaLfj4rw3A0Q)。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。

![MCP 服務與本機連線設定](docs/images/workspace-connection.png)

*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：

```text
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

| 方式 | 適合情境 | 在用戶端使用什麼 |
| --- | --- | --- |
| MCP Connector | ChatGPT 直接使用檔案、指令與 Git 工具 | 工作區的公網 `/mcp` 位址 |
| GPT Actions | 在自訂 GPT 中匯入 OpenAPI 工具 | Actions 面板中的 `/openapi.json` 位址 |

### 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。

![在 ChatGPT 中開啟開發人員模式](docs/images/gpt-config-1.png)

*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：

| ChatGPT 欄位 | 填寫內容 |
| --- | --- |
| 名稱 | 自訂一個容易辨識的名稱，例如 `Coding Tools MCP` |
| 描述 | 簡要說明它連線的專案或用途 |
| 連線 | 貼上桌面端「GPT 設定」中的公網 MCP 位址，URL 應以 `/mcp` 結尾 |
| 身分驗證 | 與桌面端保持一致；截圖以 OAuth 為例 |

![在 ChatGPT 中新建 MCP 外掛並填寫連線資訊](docs/images/gpt-config-2-detail.png)

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：

```text
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

| 現象 | 優先檢查 |
| --- | --- |
| ChatGPT 無法連線 | 是否使用公網 HTTPS `/mcp` 位址，而不是 `127.0.0.1`；桌面端公網 MCP 健康檢查是否通過 |
| OAuth 授權失敗 | Client ID、Client Secret 與授權口令是否來自同一工作區；OAuth 中繼資料檢查是否通過 |
| 看不到新增工具 | 中斷並重新連線外掛，然後建立一個新對話 |
| 工具呼叫失敗 | 開啟桌面端「日誌」與「健康檢查」，確認請求是否到達 MCP 服務 |

### 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。

![ChatGPT 新工作階段啟動提示詞](docs/images/history-session-prompt.png)

*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：

| 工具 | 作用 |
| --- | --- |
| `history_session_bootstrap` | 新對話開始時初始化或還原專案工作階段；新檔會固化前序工作階段的壓縮摘要，並回傳穩定的 `session_key` 與 `current_path` |
| `history_session_checkpoint` | 每輪任務完成後依 bootstrap 回傳的穩定目標儲存結構化進度；目標不一致時拒絕寫入，避免寫到其他歷史檔 |
| `history_session_validate` | 檢查歷史編號、檔案與工作階段對應；必要時重建衍生索引，不刪除既有歷史 |

典型效果：

```text
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：

| 類別 | 主要工具 |
| --- | --- |
| 檔案讀取 | `read_file`、`read_many`、`list_files`、`search_text`、`view_image` |
| 檔案修改 | `apply_patch`、`edit`、`file_ops`、`format_files` |
| 指令與工作階段 | `exec_command`、`exec_many`、`wait_command`、`send_input`、`kill_session` |
| Git | `git_status`、`git_diff`、`git_log`、`git_show`、`git_blame`、`git_stage`、`git_commit` |
| Workspace 路由 | `list_workspace_folders`、`switch_workspace_folder`、`set_default_cwd` |
| 歷史工作階段 | `history_session_bootstrap`、`history_session_checkpoint`、`history_session_validate` |
| Computer Use（Windows） | `desktop_displays`、`desktop_screenshot`、`desktop_click`、`desktop_drag`、`desktop_scroll`、`desktop_type`、`desktop_key` |

典型開發流程：

```text
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](https://v2.tauri.app/start/prerequisites/)。

```bash
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：

```bash
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

| 路徑 | 作用 |
| --- | --- |
| `src-tauri/src/tools/` | 檔案、Patch、Exec、Git 等共用工具核心 |
| `src-tauri/src/tools/registry_metadata.rs` | 工具 catalog、profile、權限與序列化分類 metadata |
| `src-tauri/src/tools/registry.rs` | MCP schema 路由、profile 解析與工具清單輸出 |
| `src-tauri/src/tools/registry_schemas/` | 依工具 domain 拆分的 MCP input schema builders |
| `src-tauri/src/mcp/` | MCP Streamable HTTP 服務 |
| `src-tauri/src/actions/` | ChatGPT Actions OpenAPI 閘道 |
| `src-tauri/src/tunnel/` | 內建 WSS／FRP／Cloudflare 隧道與程序管理 |
| `services/tunnel-server/` | 自建內建 WSS 隧道伺服器（Rust） |
| `src/` | Desktop Client 與 Node Agent 共用的 Svelte 管理介面 |
| `packages/node-agent/` | 可攜式／headless Node Agent、管理 HTTP API 與共用 UI adapter |
| `old/` | Python 參考實作與相容性基準 |

## 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](NOTICE)）：

- [xyTom/coding-tools-mcp](https://github.com/xyTom/coding-tools-mcp)
- [mybolide/coding-tools-mcp](https://github.com/mybolide/coding-tools-mcp)

## 致謝

感謝 [Linux.do](https://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](https://www.apache.org/licenses/LICENSE-2.0)。

- 完整授權文本：[LICENSE](LICENSE)
- 歸屬與 NOTICE 聲明：[NOTICE](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。