Skip to main content
Glama
deenesjakoruzh
sweta2503

GitHub Analytics MCP Server

by sweta2503
OverviewSchemaRelated ServersScoreDiscussions
Python
Local

GitHub Analytics MCP Server

GitHub 분석을 위한 프로덕션 수준의 Model Context Protocol (MCP) 2.x 서버입니다.

이 프로젝트는 기본적인 MCP 튜토리얼을 넘어, 실제 운영 환경에서 정말로 필요한 엔지니어링 패턴으로 MCP 서버를 구축하는 방법을 보여줍니다:

  • 비동기 HTTP

  • 연결 풀링

  • 명시적 타임아웃

  • TTL 캐싱

  • GitHub rate limit 인식

  • 지수 백오프 재시도

  • 구조화된 로깅

  • 입력 검증

  • 병렬 API 요청

  • 깔끔한 MCP 라이프사이클 관리

  • 실제 엔드투엔드 MCP 프로토콜 테스트

Agentic Data Lab의 Production AI Engineering 시리즈의 일부로 제작되었습니다.

🎥 YouTube: Agentic Data Lab

이 MCP 서버는 무엇을 하나요?

이 서버는 GitHub 저장소 분석 기능을 MCP 도구로 제공합니다.

MCP 호환 AI 클라이언트는 다음 작업에 이 서버를 사용할 수 있습니다:

  • 저장소 메타데이터 확인

  • 최근 커밋 가저오기

  • 기여자 분석

  • 열린 이슈 확인

  • 커밋 활동 분석

  • 두 저장소 비고

  • GitHub API rate limit 확인

예:

User:
Compare pallets/flask and django/django.

Which repository looks more active?

AI 클라이언트는 다음을 호출할 수 있습니다:

compare_repos

그리고 이 MCP 서버를 통해 실시간 GitHub 데이터를 가져옵니다.

아키텍처

                ┌─────────────────────┐
                │   MCP Client / AI   │
                │ Claude / MCP Client │
                └──────────┬──────────┘
                           │
                           │ MCP stdio
                           ▼
                ┌─────────────────────┐
                │ GitHub Analytics    │
                │     MCP Server      │
                └──────────┬──────────┘
                           │
                 ┌─────────┴─────────┐
                 │                   │
                 ▼                   ▼
          Input Validation       TTL Cache
                                     │
                           ┌─────────┴─────────┐
                           │                   │
                      CACHE HIT          CACHE MISS
                           │                   │
                           │                   ▼
                           │          Async HTTP Client
                           │                   │
                           │          Retry + Backoff
                           │                   │
                           │                   ▼
                           │            GitHub REST API
                           │                   │
                           └───────────◄───────┘
                                       │
                                       ▼
                               Structured MCP Result

구현된 7가지 프로덕션 패턴

1. 비동기 HTTP + 연결 풀링

서버는 다음을 사용합니다:

httpx.AsyncClient

동기식 HTTP 요청 대신에 사용합니다.

HTTP 클라이언트는 MCP 서버 라이프사이클 동안 한 번 생성되어 도구 호출 간에 재사용됩니다.

이를 통해 제공되는 이점:

  • 논블로킹 I/O

  • 연결 재사용

  • 더 나은 동시성

  • 명시적 타임아웃 제어

서버는 다음 항목에 대해 별도로 타임아웃을 설정합니다:

connect
read
write
pool

Related MCP server: ship-it-mcp

2. TTL 캐싱

AI 클라이언트는 한 대화 중에 동일한 MCP 도구를 여러 번 호출할 수 있습니다.

서버는 매번 GitHub에 요청하는 대신 응답을 메모리에 캐시합니다.

예:

First request

MCP Client
    │
    ▼
MCP Server
    │
    ▼
GitHub API
    │
    ▼
Cache

두 번째 요청:

MCP Client
    │
    ▼
MCP Server
    │
    ▼
CACHE HIT

추가 GitHub 요청이 필요 없습니다.

각 도구는 데이터가 변경되는 주기에 따라 서로 다른 TTL을 사용합니다.

도구

캐시 TTL

get_repo_overview

5분

list_recent_commits

2분

get_contributors

10분

list_open_issuess

2분

get_commit_activity

30분

compare_repos

5분

get_rate_limit_status

30초

3. GitHub ratte limit 인지

GitHub는 응답 헤더를 통해 rate limit 정보를 노출합니다.

서버는 다음을 추적합니다:

X-RateLimit-Limit
X-RateLimit-Used
X-RateLimit-Remaining
X-RateLimit-Reset
Retry-After

서버는 GitHub가 실졔로 요청에 rate limit을 적용하고 있을 때를 감지하여, 원시 예외를 노출하는 대신 유용한 MCP 도구 오류를 반환할 수 있습니다.

4. 재시도 + 지수 백오프

일시적인 네트워크 오류와 업스트림 5xx 응답은 자동으로 재시도됩니다.

재시도 순서:

Attempt 1
   │
   └── failure
        │
        ▼
      wait 1s

Attempt 2
   │
   └── failure
        │
        ▼
      wait 2s

Attempt 3
   │
   └── final result

백오프 공식은 다음과 같습니다:

2 ** (attempt - 1)

서버는 일반적인 4xx 클라이언트 오류를 무작정 재시도하지 않습니다.

5. 구조화된 로깅

MCP stdio는 프로토콜 통신에 stdout을 사용합니다.

따라서 운영 로그는 Python 로깅을 통해 별도로 기록됩니다.

예:

2026-08-27T14:14:03 | INFO | Starting GitHub Analytics MCP server
2026-08-27T14:14:04 | INFO | GET /repos/facebook/react → 200
2026-08-27T14:14:04 | INFO | CACHE HIT /repos/facebook/react

이를 통해 다음 항목을 쉽게 확인할 수 있습니다:

  • API 요청

  • HTTP 상태

  • 지연 시간

  • 재시도 횟수

  • 캐시 적중

  • 검증 실패

  • rate limit 경고

6. 입력 검증

저장소 소유자와 저장소 이름은 네트워크 요청을 보내기 전에 검증됩니다.

유효한 이름은 다음을 포함할 수 있습니다:

letters
numbers
.
-
_

예를 들어:

face../../book

이 값은 GitHub API 요청의 일부가 되기 전에 로컬에서 거부됩니다.

7. 병렬 API 요청

compare_repos MCP 도구는 서로 독립적인 두 저장소의 정보가 필요합니다.

순차적으로 가져오는 대신:

repo_a = await get_repo_a()
repo_b = await get_repo_b()

서버는 두 요청을 동시에 실행합니다:

repo_a, repo_b = await asyncio.gather(
    get_repo_a(),
    get_repo_b(),
)

개념적으로:

Sequential

Repo A ───────────────► Done
                        Repo B ───────────────► Done


Parallel

Repo A ───────────────► Done
Repo B ───────────────────► Done

이렇게 하면 요청이 독립적일 때 대기 시간이 줄어듭니다.

사용 가능한 MCP 도구

서버는 현재 7개의 MCP 도구를 제공합니다.

get_repo_overview

반환 항목:

  • 스타 수

  • 포크 수

  • 열린 이슈

  • 워처 수

  • 언어

  • 토픽

  • 라이선스

  • 마지막 시 날짜

  • 홈페이지

  • 저장소 크기

예:

get_repo_overview(
    owner="facebook",
    repo="react"
)

list_recent_commits

저장소의 최근 커밋을 반환합니다.

예:

list_recent_commits(
    owner="vuejs",
    repo="core",
    limit=5
)

get_contributors

저장소의 주요 기여자들을 반환합니다.

예:

get_contributors(
    owner="django",
    repo="django",
    limit=10
)

list_open_issues

풀 리퀘스트를 제외한 열린 GitHub 이슈를 반환합니다.

예:

list_open_issues(
    owner="pallets",
    repo="flask",
    limit=10
)

get_commit_activity

저장소의 커밋 활동을 반환하며 다음을 포함합니다:

  • 총 커밋 수

  • 주당 평균 커밋 수

  • 최대 활동

  • 최근 주간 활동

compare_repos

두 저장소를 나란히 비교합니다.

예:

compare_repos(
    owner1="pallets",
    repo1="flask",
    owner2="django",
    repo2="django"
)

반환되는 필드에는 다음이 포함됩니다:

stars
forks
open issues
language
last push

get_rate_limit_status

GitHub API rate limit 정보와 로컬 MCP 서버 카운터를 반환합니다.

예:

{
  "limit": 60,
  "used": 4,
  "remaining": 56,
  "resets_in_seconds": 3599,
  "server_outbound_http_requests": 4,
  "server_cache_hits": 1
}

실제 값은 현재 GitHub API 사용량에 따라 달라집니다.

프로젝트 구조

mcp-github-analytics/
│
├── server.py
│   └── Main MCP server and GitHub tools
│
├── demo_mcp.py
│   └── Real end-to-end MCP client demo
│
├── requirements.txt
│   └── Python dependencies
│
├── .env.example
│   └── Environment variable template
│
└── .gitignore

설정

1. 저장소 클론

git clone https://github.com/sweta2503/mcp-github-analytics.git

프로젝트 디렉터리로 이동합니다:

cd mcp-github-analytics

2. 가상 환경 생성

python -m venv .venv

macOS / Linux

source .venv/bin/activate

Windows

.venv\Scripts\activate

3. 의존성 설치

pip install -r requirements.txt

프로젝트에서 사용하는 것:

mcp[cli]==2.1.1
httpx==0.28.1
python-dotenv==1.2.3

GitHub 토큰 설정

GitHub 토큰은 공개 저장소만 사용하는 경우 선택 사항이지만, 사용을 권장합니다.

예제 환경 파일을 복사합니다:

cp .env.example .env

GitHub 토큰을 추가합니다:

GITHUB_TOKEN=your_github_token_here

실제 .env 파일이나 토큰을 커밋하지 마세요.

실제 MCP 데모 실행

실행:

python demo_mcp.py

이것은 실제 MCP 엔드투엔드 테스트입니다.

demo_mcp.py는 server.py의 함수를 단순히 임포트하지 않습니다.

대신 다음을 수행합니다:

1. Starts server.py as an MCP subprocess
2. Connects using MCP stdio
3. Negotiates the MCP protocol
4. Discovers the MCP tools
5. Calls the tools through MCP
6. Receives structured MCP responses

다음과 유사한 출력이 표시됩니다:

MCP CONNECTED — discover the real server tools

Negotiated protocol: ...
Tools discovered (7):
get_repo_overview
list_recent_commits
get_contributors
list_open_issues
get_commit_activity
compare_repos
get_rate_limit_status

캐시 테스트

데모는 다음을 호출합니다:

get_repo_overview(facebook/react)

두 번.

첫 번째 호출은 GitHub에 실제 요청을 보냅니다.

두 번째 호출에는 다음이 표시됩니다:

CACHE HIT

그리고 훨씬 더 빠르게 반환됩니다.

병렬 저장소 비교 테스트

데모는 또한 다음을 실행합니다:

compare_repos(
    pallets/flask,
    django/django
)

두 업스트림 GitHub 요청은 다음을 통해 동시에 실행됩니다:

asyncio.gather(...)

데모 출력 및 서버 로그 캡처

MCP 클라이언트 출력과 서버 로그를 각각 캡처할 수 있습니다:

python demo_mcp.py > demo_output.txt 2> server.log

이렇게 하면 다음이 생성됩니다:

demo_output.txt

MCP 클라이언트 응답용이며:

server.log

서버 측 로그용입니다.

서버 로그에는 다음과 같은 유용한 정보가 포함됩니다:

GET /repos/facebook/react → 200
CACHE HIT /repos/facebook/react
GET /repos/pallets/flask → 200
GET /repos/django/django → 200

서버 직접 실행

MCP 서버 자체는 다음 명령으로 시작할 수 있습니다:

python server.py

서버는 MCP stdio를 통해 실행됩니다.

일반적으로 MCP 호환 클라이언트가 이 프로세스를 자동으로 실행합니다.

서버를 Claude Desktop에 연결

이 저장소 안에 머신별 claude_desktop_config.json을 유지할 필요는 없습니다.

대신 서버를 로컬 Claude Desktop 설정에 추가하세요.

예:

{
  "mcpServers": {
    "github-analytics": {
      "command": "/ABSOLUTE/PATH/TO/mcp-github-analytics/.venv/bin/python",
      "args": [
        "/ABSOLUTE/PATH/TO/mcp-github-analytics/server.py"
      ],
      "env": {
        "GITHUB_TOKEN": "YOUR_GITHUB_TOKEN"
      }
    }
  }
}

다음 항목을 교체하세요:

/ABSOLUTE/PATH/TO/mcp-github-analytics

컴퓨터에 있는 실제 프로젝트 위치로 교체합니다.

실제 GitHub 토큰을 절대 커밋하지 마세요.

Claude Desktop을 다시 시작하면 GitHub 분석 도구를 Claude에서 사용할 수 있습니다.

예시 프롬프트:

Compare pallets/flask and django/django.

Which repository appears more active?

Use the GitHub MCP tools and explain which data you used.

엔드투엔드 요청 흐름

User
 │
 ▼
Claude / MCP Client
 │
 │ MCP tool call
 ▼
GitHub Analytics MCP Server
 │
 ├── Validate input
 │
 ├── Check TTL cache
 │
 ├── Cache hit ──────────────► Return result
 │
 └── Cache miss
          │
          ▼
     Async HTTP
          │
     Retry / Backoff
          │
          ▼
     GitHub REST API
          │
          ▼
       Response
          │
          ▼
       TTL Cache
          │
          ▼
 Structured MCP Response
          │
          ▼
     AI / MCP Client

로컬 vs 분산 프로덕션 MCP

이 저장소는 명확한 로컬/stdio MCP 예제로 설계되었기 때문에 의도적으로 인메모리 TTL 캐시를 사용합니다.

다중 인스턴스 원격 MCP 배포의 경우 일반적으로 프로세스 로컬 상태를 다음과 같은 인프라로 대체합니다:

Redis
PostgreSQL
distributed rate limiting
centralized observability
authentication
tracing

이 저장소에서 보여준 패턴은 다음 단계를 위한 구성 요소입니다.

전체 빌드 보기

제 YouTube 채널에서 아키텍처, 코드, 캐싱, 재시도 로직, 검증, 병렬 요청, 실제 MCP 데모를 설명합니다:

🎥 Agentic Data Lab

https://www.youtube.com/@agenticdatalab

채널에서 다루는 주제:

  • Production AI Engineering

  • MCP

  • AI 에이전트

  • LangGraph

  • RAG

  • AI 평가

  • 에이전트 관찰 가능성

  • AI 시스템 설계

  • 데이터 엔지니어링 + AI

  • 프로덕션 벤치마크와 실험

튜토리얼 데모를 넘어서는 AI 시스템 구축에 관심이 있다면 구독을 고려해 보세요.

👉 YouTube: Agentic Data Lab

기여

이슈, 개선 사항, 풀 리퀘스트를 환영합니다.

유용한 GitHub 분석 도구를 추가로 MCP 서버에 확장했다면 PR을 열어 주세요.

프로젝트 지원

이 저장소가 도움이 되었다면:

  • ⭐ 저장소에 스타를 남겨 주세요

  • 🍴 포크해서 나만의 MCP 도구를 만들어 보세요

  • ▶️ Agentic Data Lab 구독하기

더 많은 프로덕션 AI 엔지니어링 프로젝트가 곧 공개됩니다.

This server cannot be installed

RayrunBuild, deploy, and operate MCP servers without becoming an infrastructure team.ray.runAd

Maintenance

ActivityMaintained
ResponsivenessSyncing

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

Related MCP Servers

  • ship-it-mcp

    jjm7271985
    F
    license
    Not graded
    quality
    C
    maintenance
    Enables to interact with GitHub repositories directly from Claude, supporting actions like viewing repos, checking status, committing and pushing changes, and managing pull requests.

  • GitHub Context MCP Server

    Haavi97
    F
    license
    A
    quality
    D
    maintenance
    Enables Claude to access and manage GitHub repositories dynamically at runtime, including private repos, with tools for browsing files, searching code, and viewing commits, pull requests, and issues.
    11
    1

Latest Blog Posts

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/sweta2503/mcp-github-analytics'

If you have feedback or need assistance with the MCP directory API, please join our Discord server