✨ 核心特性

• 零成本本地审查器： 通过 LM Studio 将繁重的代码审查迭代卸载到本地 GPU，无需消耗云端 token。

• 亚毫秒级 AST 哨兵： 在浪费 GPU 算力之前捕获语法错误和危险的运行时调用（eval、exec、os.system、subprocess）。

• 确定性契约： 强制执行结构化输出（APPROVED 与 REJECTED，附带具体的行级反馈），使智能体无需人工干预即可自动重构代码。

• 双数据汇（DPO 飞轮）：

  • SQLite（audit_history.db）： 跟踪持续时间、类别和指标。

  • 单次审计 JSON（audit_logs/）： 存储单次审计记录，便于从配对的拒绝/批准尝试中轻松构建 DPO / 微调数据集。

Related MCP server: tar-engine

🚀 快速开始

1. 前提条件

• Python 3.10+

• LM Studio 运行一个兼容 OpenAI 的本地服务器（http://localhost:1234/v1）

• Antigravity 或任何兼容 MCP 的客户端

2. 安装

# Clone the repository
git clone [https://github.com/xTanThaix/mcp-local-auditor.git](https://github.com/xTanThaix/mcp-local-auditor.git)
cd mcp-local-auditor

# Set up virtual environment
python -m venv .venv

# Activate virtual environment
# On Windows:
.venv\Scripts\activate
# On macOS/Linux:
source .venv/bin/activate

# Install dependencies
pip install -r requirements.txt

3. 注册 MCP 服务器

打开你的 Antigravity MCP 配置文件：

• Windows： %USERPROFILE%\.gemini\config\mcp_config.json

• macOS / Linux： ~/.gemini/config/mcp_config.json

在 mcpServers 中添加服务器定义：

{
  "mcpServers": {
    "lmstudio-auditor": {
      "command": "D:\\Hucdeline\\.venv\\Scripts\\python.exe",
      "args": ["D:\\Hucdeline\\auditor_bridge.py"]
    }
  }
}

注意： 将 D:\\Hucdeline 替换为你实际的项目目录路径。

4. 配置 LM Studio

1. 打开 LM Studio 并加载任何指令微调的编码模型（例如 Qwen-2.5-Coder、DeepSeek-Coder、Llama-3）。

2. 转到 本地服务器（开发者）选项卡。

3. 将端口设置为 ...(e.g.,1234)，然后点击 启动服务器。

🤖 智能体循环设置（自定义规则 / 技能）

将以下规则添加到你的 Antigravity 智能体（mcp-studio-loop）：

# Mandatory MCP Code Audit Protocol
Every time code is generated or refactored, you MUST invoke the `audit_submission` tool:
- Arguments: `task_goal`, `output_content`, `strict_rules`
- If STATUS == "REJECTED": Read `ACTIONABLE_FEEDBACK`, refactor the code, and re-submit.
- If STATUS == "APPROVED": Output the final solution to the user.
- Maximum retry limit: 5 attempts before breaking loop.

4. 配置 LM Studio 打开 LM Studio 并加载任何指令微调的编码模型（例如 Qwen-2.5-Coder、DeepSeek-Coder、Llama-3）。

转到本地服务器选项卡。

将端口设置为 xxxx，然后点击启动服务器。

🤖 智能体循环设置（自定义规则 / 技能） 将以下规则添加到你的 Antigravity 智能体（mcp-studio-loop）：

Markdown

强制 MCP 代码审计协议

每次生成或重构代码时，你必须调用 audit_submission 工具：

• 参数：task_goal、output_content、strict_rules

• 如果 STATUS == "REJECTED"：阅读 ACTIONABLE_FEEDBACK，重构代码并重新提交。

• 如果 STATUS == "APPROVED"：向用户输出最终解决方案。

• 最大重试次数：中断循环前最多尝试 5 次。 🧪 测试 运行附带的 Pytest 测试套件，以验证 AST 检查、SQLite 迁移和模拟响应：

Bash pytest test_auditor.py -v

📸 真实场景审计实战（示例用法 / 使用示例）

以下是一个 MCP Local Auditor 拒绝未优化代码路径并给出可操作反馈的示例，促使编码智能体自我修复并重新验证： 示例用法：测试通过后，使用 "lmstudio-auditor" 工具逐一审计每个修改过的文件。

💖 支持与捐赠 如果这个项目为你节省了 API 成本，并帮助简化了你的本地 LLM 工作流，请考虑支持开发：

Ko-fi：https://ko-fi.com/xtanthaix

GitHub Sponsors：点击此仓库上的 Sponsor 按钮

📄 许可证 MIT 许可证。免费用于开源和商业用途。