Skip to main content
Glama
AlanNiew

code-review-mcp

by AlanNiew
OverviewSchemaRelated ServersScoreDiscussions
Python
Local

ai-code-review-mcp

一个基于 MCP（Model Context Protocol）的代码质量审查服务器，为 AI 编码助手（如 OpenCode、Claude Desktop、Cursor 等）提供本地代码分析能力。

PyPI: https://pypi.org/project/ai-code-review-mcp/ GitHub: https://github.com/AlanNiew/code-review-mcp

特性

  • 文件分析 — 检测函数复杂度、行数统计、代码风格问题

  • Diff 审查 — 审查 git 未提交的变更，发现调试代码和潜在密钥泄露

  • 项目扫描 — 一键扫描整个项目的代码质量概况

  • 质量评分 — 为每个文件/项目计算 A-D 等级的质量评分

  • 多语言支持 — Python 深度分析（AST）+ 通用质量检查（JS/TS/Java/Go/Rust 等）

  • 配套 Skill — 提供标准化的代码审查工作流提示词

Related MCP server: greybeard

安装

pip install ai-code-review-mcp

要求 Python 3.10+

使用教程

一、OpenCode（推荐）

OpenCode 是一个开源 AI 编码助手，原生支持 MCP 和 Skill。

步骤 1：安装 MCP 服务器

pip install ai-code-review-mcp

步骤 2：配置 OpenCode

在项目根目录创建或编辑 opencode.json，添加以下内容：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "code-review-mcp": {
      "type": "local",
      "command": ["ai-code-review-mcp"],
      "enabled": true
    }
  }
}

步骤 3：安装配套 Skill（可选，推荐）

Skill 提供标准化的代码审查工作流，让 AI 按规范流程调用 MCP 工具。

从 GitHub 下载 Skill 文件：

# 方式一：复制到项目级目录（仅当前项目生效）
mkdir -p .opencode/skills/code-review
curl -o .opencode/skills/code-review/SKILL.md https://raw.githubusercontent.com/AlanNiew/code-review-mcp/main/skill/SKILL.md

# 方式二：复制到全局目录（所有项目生效）
mkdir -p ~/.config/opencode/skills/code-review
curl -o ~/.config/opencode/skills/code-review/SKILL.md https://raw.githubusercontent.com/AlanNiew/code-review-mcp/main/skill/SKILL.md

Windows 用户手动创建：

# 项目级
New-Item -ItemType Directory -Path ".opencode\skills\code-review" -Force
Invoke-WebRequest -Uri "https://raw.githubusercontent.com/AlanNiew/code-review-mcp/main/skill/SKILL.md" -OutFile ".opencode\skills\code-review\SKILL.md"

# 全局级
New-Item -ItemType Directory -Path "$env:USERPROFILE\.config\opencode\skills\code-review" -Force
Invoke-WebRequest -Uri "https://raw.githubusercontent.com/AlanNiew/code-review-mcp/main/skill/SKILL.md" -OutFile "$env:USERPROFILE\.config\opencode\skills\code-review\SKILL.md"

步骤 4：开始使用

启动 OpenCode 后，直接在对话中使用：

帮我分析 src/main.py 的代码质量
审查一下当前未提交的代码变更
使用 code-review 技能，扫描项目整体代码质量

二、Claude Desktop

步骤 1：安装 MCP 服务器

pip install ai-code-review-mcp

步骤 2：编辑配置文件

打开 Claude Desktop 配置文件：

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

  • Windows: %APPDATA%\Claude\claude_desktop_config.json

添加以下内容：

{
  "mcpServers": {
    "code-review-mcp": {
      "command": "ai-code-review-mcp"
    }
  }
}

步骤 3：重启 Claude Desktop

重启后，Claude 会自动加载 MCP 工具，你可以在对话中直接使用：

帮我审查一下 src/utils.py 的代码质量

三、Cursor

步骤 1：安装 MCP 服务器

pip install ai-code-review-mcp

步骤 2：配置 Cursor

打开 Cursor 设置 → MCP，添加一个新的 MCP Server：

  • Type: command

  • Command: ai-code-review-mcp

或者在 .cursor/mcp.json 中添加：

{
  "mcpServers": {
    "code-review-mcp": {
      "command": "ai-code-review-mcp"
    }
  }
}

四、使用 uvx 运行（无需 pip install）

如果你使用 uv，可以跳过安装步骤，直接运行：

OpenCode 配置：

{
  "mcp": {
    "code-review-mcp": {
      "type": "local",
      "command": ["uvx", "ai-code-review-mcp"],
      "enabled": true
    }
  }
}

Claude Desktop 配置：

{
  "mcpServers": {
    "code-review-mcp": {
      "command": "uvx",
      "args": ["ai-code-review-mcp"]
    }
  }
}

五、从源码运行（开发者）

git clone https://github.com/AlanNiew/code-review-mcp.git
cd code-review-mcp
pip install -e .

然后在配置中使用：

{
  "mcp": {
    "code-review-mcp": {
      "type": "local",
      "command": ["python", "-m", "code_review_mcp.server"],
      "enabled": true
    }
  }
}

提供的 3 个工具

1. analyze_file — 分析单个文件

分析文件的代码质量、复杂度和行数统计。

示例对话：

帮我分析 src/main.py 的代码质量

返回内容：

  • 语言类型

  • 代码行数 / 注释行数 / 空白行数

  • 问题列表（函数过长、复杂度过高、参数过多等）

  • 质量评分（A/B/C/D）

2. review_diff — 审查 git 变更

审查当前仓库中未提交的变更（staged + unstaged）。

示例对话：

审查一下当前未提交的代码变更

检测内容：

  • 硬编码的密钥或密码（严重）

  • 遗留的 print() / console.log() 调试语句

  • 新增的 TODO/FIXME 标记

  • 过长的代码行

3. check_project — 扫描项目概况

扫描整个项目的代码质量。

示例对话：

扫描一下项目整体代码质量

返回内容：

  • 文件总数和总行数

  • 语言分布统计

  • 问题最多的前 10 个文件

  • 项目整体质量评分

质量评分算法

严重程度

单项扣分

说明

Error

10 分

必须修复（如硬编码密钥）

Warning

3 分

建议修复（如函数过长）

Info

0.5 分

可选优化（如 TODO 标记）

基础分 100，扣完为止。等级划分：

评分

等级

含义

≥ 90

A

优秀

≥ 75

B

良好

≥ 60

C

一般

< 60

D

需改进

支持的语言

语言

文件分析

复杂度分析

Python (.py)

✅

✅ AST 深度分析

JavaScript (.js/.jsx)

✅

通用检查

TypeScript (.ts/.tsx)

✅

通用检查

Java (.java)

✅

通用检查

Go (.go)

✅

通用检查

Rust (.rs)

✅

通用检查

C/C++ (.c/.cpp/.h)

✅

通用检查

Ruby (.rb)

✅

通用检查

PHP (.php)

✅

通用检查

Swift (.swift)

✅

通用检查

Kotlin (.kt)

✅

通用检查

Scala (.scala)

✅

通用检查

项目结构

code-review-mcp/
├── pyproject.toml                    # Python 包配置
├── README.md                         # 本文件
├── LICENSE                           # MIT 许可证
├── skill/
│   └── SKILL.md                      # 配套的 OpenCode Skill
└── src/
    └── code_review_mcp/
        ├── __init__.py               # 包入口
        └── server.py                 # MCP 服务器主程序

常见问题

Q: 启动时报错 "command not found: ai-code-review-mcp"

确保 Python 的 Scripts 目录在系统 PATH 中：

# 检查安装位置
pip show ai-code-review-mcp

# 查找可执行文件位置
where ai-code-review-mcp    # Windows
which ai-code-review-mcp    # macOS/Linux

Q: MCP 工具没有出现在 AI 助手中

  1. 确认配置文件路径正确

  2. 确认 ai-code-review-mcp 命令可以在终端直接运行

  3. 重启 AI 助手应用

Q: 只想用 MCP，不想装 Skill 可以吗？

可以。Skill 是可选的增强功能，不装也能使用所有 3 个 MCP 工具。Skill 的作用是让 AI 按标准流程输出格式化的审查报告。

License

MIT © AlanNiew

This server cannot be installed

A
license - permissive license
-
quality - not tested
C
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

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/AlanNiew/code-review-mcp'

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