Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@MPM-Coding Fix null pointer in UserService.getProfile using code_search and code_impact."
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
让 AI 编程从"能演示"变成"能交付"
中文 | English
AI 写代码的快乐，很容易被真实项目剥夺：
"那个函数在哪来着？" → 猜文件路径
"我觉得这样改应该没问题" → 不做影响分析
12 步的任务跑到第 7 步挂了 → 没有检查点，无法续传
"上周为什么改这个？" → 谁都说不清MPM 不负责让模型变聪明。MPM 负责把活干完。
📄 想看工程深度？ 阅读 技术白皮书 —— AST 引擎、5 层搜索降级、BFS + Dice Random Walk 影响分析、贝叶斯置信度演化……13 章拆解每一个核心设计。
Related MCP server: Heimdall MCP Server
从 Releases 下载：
平台 | 文件 |
Windows x64 |
|
Linux x64 |
|
macOS Universal |
|
解压。让 MCP 客户端指向 mpm-go。完事。
已在 MCP Registry 发布：io.github.halflifezyf2680/mpm-coding
git clone https://github.com/halflifezyf2680/MPM-Coding.git
cd MPM-Coding
powershell -ExecutionPolicy Bypass -File scripts\build-windows.ps1 # 或 ./scripts/build-unix.sh让 MCP 客户端指向 mcp-server-go/bin/mpm-go(.exe)，然后：
1) initialize_project
2) 把生成的 _MPM_PROJECT_RULES.md 放进客户端系统规则
3) 直接提需求——AI 会自动按协议执行就这样。工具编排交给 AI，决策权在你手上。
把这段直接贴进 MCP 客户端：
读取 _MPM_PROJECT_RULES.md 并严格遵守。
任务：修复 UserService.getProfile 的空指针崩溃。
要求：
1. 用 code_search 定位函数
2. 用 code_impact 检查谁在调用它
3. 修复 Bug
4. 用 memo 记录为什么这样改AI 会自动执行：initialize_project → code_search → code_impact → 改代码 → memo。
定位 分析 执行 记录
┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐
│ │ │ │ │ │ │ │
│ code_ │──▶│ code_ │──▶│ task_ │──▶│ memo │
│ search │ │ impact │ │ chain │ │ │
│ │ │ │ │ │ │ │
└──────────┘ └──────────┘ └──────────┘ └──────────┘
AST 精确 调用链 分阶段 SSOT
符号定位 风险评估 门控验收 变更日志每次修改必须走：找定位 → 查影响 → 改代码 → 记原因。 不猜。不盲改。不留死角。
AI 编程的核心瓶颈不是模型能力，是上下文窗口里的垃圾太多。
一个 5000 文件的项目，AI 如果靠读文件来理解代码，它要么全读（token 爆炸），要么猜着读（遗漏关键依赖）。两种都是灾难。LSP 解决的是 IDE 的人机交互问题——补全、跳转、重命名。这些东西 AI 客户端自己就能做。
MPM 解决的是另一个问题：如何用最少的 token 让 AI 精确理解代码结构。
code_search 返回的是符号定义的精确位置，不是一堆 grep 结果。code_impact 返回的是调用链全景，不是让 AI 一个文件一个文件地猜谁调了它。flow_trace 返回的是业务逻辑主链路，不是目录列表。这些工具的 output 本身就构成了对上下文的清洗——只注入确定性的结构信息，把噪声过滤掉。
这就是注意力收敛：AI 不再需要在大片代码中盲目搜索，工具的输出已经把它的注意力聚焦到必须关注的那几个符号和关系上。真正有价值的不是底层用了什么解析器，而是这些结果被注入上下文后产生的作用。
工具 | 干什么 |
| 精确定位符号。不是 grep，是 AST 级精确查找。 |
| 一眼看到目录结构和符号清单。 |
| 追踪函数调用链——改代码之前先看懂主链路。 |
工具 | 干什么 |
| "谁调用了它？" 或 "它调用了谁？"——动手前先看爆炸半径。 |
工具 | 干什么 |
| 长任务？拆成阶段，每阶段有门控验收。会话断了也能续。 |
| 被阻塞？挂个钩子，条件满足后再继续。 |
工具 | 干什么 |
| 记录"为什么改"。跨会话持久保留。 |
| "之前是不是修过类似的？"——搜索历史记录。 |
| KnownFact 策略引擎：行动前召回经验，行动后回写结果并进化。 |
工具 | 干什么 |
| 初始化 AST 索引 + 生成项目规则。一次性操作。 |
| 查看后台索引进度。 |
| 下载缺失的 tree-sitter grammar。通常自动执行。 |
| 切换 AI 人格，适配不同场景。 |
文档 | 说明 |
技术白皮书——AST 引擎、搜索策略、置信度演化、影响分析算法，看 MPM 的工程深度 | |
完整手册——全部工具、参数、案例 | |
5 分钟上手指南 | |
English whitepaper | |
English manual | |
English overview |
mcp-server-go/
├── cmd/server/main.go # 入口 (StdIO MCP Server)
├── internal/
│ ├── tools/ (14 files) # MCP 工具实现
│ ├── core/ (6 files) # 数据层 — SQLite + MemoryLayer (SSOT)
│ └── services/ # AST 索引器 (Tree-sitter, 多语言)
└── configs/ # 默认配置Go 1.21+ — 零 CGO，纯 modernc.org/sqlite
Tree-sitter — Rust AST 索引器，30+ 语言按需下载
SQLite — 嵌入式存储，数据在 .mpm-data/（不提交到 git）
问题 | 用什么 |
怎么找函数/类？ |
|
改代码前怎么查影响范围？ |
|
怎么看懂一个模块的调用链？ |
|
长任务怎么可靠执行？ |
|
大仓库索引进度怎么看？ |
|
怎么强制全量索引？ |
|
完整手册：docs/MANUAL.md
MIT
本项目使用 tree-sitter（MIT License）进行 AST 解析。
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Give your AI agent a persistent map of your project's structure, dependencies, and bugs.
AI Agent with Architectural Memory. Impact analysis (free), tests and code from the graph (pro).
Persistent memory and knowledge graphs for AI agents. Hybrid search, context checkpoints, and more.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/halflifezyf2680/MPM-Coding'
If you have feedback or need assistance with the MCP directory API, please join our Discord server