Claude Code Control MCP

克劳德代码控制MCP服务器

Claude Code用于代理工作流的自动化和控制。

部分 代理系统 -具有持久内存的24/7自主AI框架。

使用Claude AI进行自主编码工作流的编程任务执行。

概述

Claude代码控制MCP允许通过模型上下文协议执行编程代码任务。它为AI代理和工作流提供了一个桥梁，使用Claude Sonnet 4.5执行编码任务，具有全面的文件跟踪、命令执行和状态监控功能。

特性

• 程序化任务执行：自主执行自然语言编码任务
• 文件操作：读取、写入、编辑和跟踪文件更改
• 代码搜索：在代码库中进行类似Grep的搜索
• 命令执行：运行带有输出捕获的shell命令
• 变更追踪：监控执行过程中的所有文件修改
• 状态监测：实时执行状态和历史

建筑

┌─────────────────────────────────────────────────────────┐
│                  MCP Client (Claude Code)               │
└────────────────────┬────────────────────────────────────┘
                     │ MCP Protocol
┌────────────────────▼────────────────────────────────────┐
│         Claude Code Control MCP Server                  │
│  ┌──────────────┐  ┌───────────────┐  ┌─────────────┐ │
│  │   Server     │  │   Executor    │  │   Tracker   │ │
│  │   (MCP)      │  │  (Claude AI)  │  │   (Files)   │ │
│  └──────────────┘  └───────────────┘  └─────────────┘ │
└────────────────────┬────────────────────────────────────┘
                     │ Anthropic API
┌────────────────────▼────────────────────────────────────┐
│         Claude Sonnet 4.5 (Anthropic API)              │
└─────────────────────────────────────────────────────────┘

安装

1. 安装依赖项:

cd ${AGENTIC_SYSTEM_PATH:-/opt/agentic}/mcp-servers/claude-code-control-mcp
pip3 install -r requirements.txt

1. 设置API密钥:

export ANTHROPIC_API_KEY="sk-ant-..."

1. 使用克劳德代码注册:

添加 ~/.claude.json:

{
  "mcpServers": {
    "claude-code-control": {
      "command": "python3",
      "args": [
        "${AGENTIC_SYSTEM_PATH:-/opt/agentic}/mcp-servers/claude-code-control-mcp/server.py"
      ],
      "env": {
        "ANTHROPIC_API_KEY": "sk-ant-..."
      },
      "disabled": false
    }
  }
}

1. 重新启动Claude代码:

# Exit current session and restart

MCP工具

execute_code_task

使用自主工具使用Claude AI执行编码任务。

输入:

{
  "task_description": "Add error handling to the API endpoint in server.py",
  "working_directory": "${AGENTIC_SYSTEM_PATH:-/opt/agentic}/api",
  "context_files": ["server.py", "tests/test_api.py"],
  "max_iterations": 20
}

输出:

{
  "success": true,
  "task_description": "Add error handling...",
  "working_directory": "${AGENTIC_SYSTEM_PATH:-/opt/agentic}/api",
  "iterations": 8,
  "tool_uses": [
    {
      "tool": "read_file",
      "input": {"path": "server.py"},
      "result": "File content..."
    }
  ],
  "file_changes": {
    "total_changes": 2,
    "files_modified": ["server.py"],
    "files_created": [],
    "files_deleted": []
  },
  "duration_seconds": 12.5,
  "final_message": "Successfully added error handling..."
}

读_贬值

使用glob模式读取和分析多个文件。

输入:

{
  "patterns": ["*.py", "src/**/*.ts"],
  "working_directory": "${AGENTIC_SYSTEM_PATH:-/opt/agentic}",
  "max_files": 50
}

输出:

{
  "files_read": 12,
  "files": [
    {
      "path": "server.py",
      "size": 2048,
      "content": "#!/usr/bin/env python3..."
    }
  ]
}

搜索代码

在代码库中搜索代码模式。

输入:

{
  "query": "async def.*execute",
  "working_directory": "${AGENTIC_SYSTEM_PATH:-/opt/agentic}",
  "file_pattern": "*.py",
  "case_sensitive": true,
  "max_results": 100
}

输出:

{
  "query": "async def.*execute",
  "total_matches": 5,
  "matches": [
    "executor.py:42:async def execute_task(...)",
    "server.py:156:async def execute_command(...)"
  ]
}

修改文件

使用批处理操作修改多个文件。

输入:

{
  "changes": [
    {
      "path": "config.py",
      "action": "write",
      "content": "DEBUG = True\n"
    },
    {
      "path": "server.py",
      "action": "edit",
      "old_content": "port = 8080",
      "new_content": "port = 9000"
    }
  ],
  "working_directory": "${AGENTIC_SYSTEM_PATH:-/opt/agentic}"
}

输出:

{
  "modifications": [
    {"path": "config.py", "status": "written"},
    {"path": "server.py", "status": "edited"}
  ],
  "file_changes": {
    "total_changes": 2,
    "files_created": ["config.py"],
    "files_modified": ["server.py"]
  }
}

run_命令

使用输出捕获执行shell命令。

输入:

{
  "commands": [
    "python3 -m pytest tests/",
    "black --check *.py"
  ],
  "working_directory": "${AGENTIC_SYSTEM_PATH:-/opt/agentic}",
  "timeout": 30
}

输出:

{
  "command_results": [
    {
      "command": "python3 -m pytest tests/",
      "exit_code": 0,
      "stdout": "===== 5 passed in 2.5s =====",
      "stderr": ""
    },
    {
      "command": "black --check *.py",
      "exit_code": 0,
      "stdout": "All done! ✨",
      "stderr": ""
    }
  ]
}

获取执行状态

获取当前或最近执行的状态。

输入:

{
  "include_history": true
}

输出:

{
  "current_execution": {
    "task_description": "Add error handling...",
    "success": true,
    "iterations": 8
  },
  "executor_initialized": true,
  "execution_history": [...]
}

使用示例

示例1：自动代码重构

# Using from Python with anthropic client
import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=4096,
    tools=[...],  # MCP tools from claude-code-control
    messages=[{
        "role": "user",
        "content": "Refactor the authentication module to use async/await"
    }]
)

示例2：自主修复Bug

# Using from Claude Code
claude --prompt "Fix the memory leak in server.py using the claude-code-control MCP"

示例3：集成测试

# Using from workflow automation
from anthropic import Anthropic

client = Anthropic()

# Execute task
result = await mcp_execute_tool(
    "execute_code_task",
    {
        "task_description": "Add integration tests for the API endpoints",
        "working_directory": "${AGENTIC_SYSTEM_PATH:-/opt/agentic}/api",
        "context_files": ["server.py", "models.py"]
    }
)

print(f"Tests created: {result['file_changes']['files_created']}")

集成点

临时工作流

@workflow.defn
class CodeTaskWorkflow:
    @workflow.run
    async def run(self, task_description: str) -> dict:
        # Execute code task via MCP
        result = await workflow.execute_activity(
            execute_via_mcp,
            args=[task_description],
            start_to_close_timeout=timedelta(minutes=5)
        )
        return result

n8n工作流

使用HTTP请求节点调用MCP服务器：

{
  "method": "POST",
  "url": "http://localhost:PORT/execute",
  "body": {
    "tool": "execute_code_task",
    "arguments": {
      "task_description": "{{$json.task}}"
    }
  }
}

智能代理

from intelligent_agents.sdk_agents import ClaudeAgent

agent = ClaudeAgent()

# Agent uses MCP tools automatically
result = agent.execute(
    "Refactor authentication to use OAuth2",
    mcp_tools=["claude-code-control"]
)

文件跟踪

MCP服务器跟踪执行过程中的所有文件更改：

• 已创建文件：写入新文件
• 已修改的文件：现有文件已更改
• 已删除的文件：文件已删除
• 读取文件：用于读取的文件

变更包括：

• 文件哈希（SHA256）
• 尺寸变化
• 时间戳
• 线路变更统计数据（如果可用）

错误处理

服务器优雅地处理错误：

• 工具执行错误：返回错误详细信息
• 文件操作错误：已记录并返回给呼叫者
• 命令执行错误：已捕获退出代码和stderr
• API错误：随上下文传播的人类API错误

安全考虑

1. API密钥管理：商店 ANTHROPIC_API_KEY 安全地
2. 文件访问：仅限于指定的工作目录
3. 命令执行：Shell命令以用户权限运行
4. 输入验证：执行前验证所有输入
5. 输出消毒：从输出中过滤敏感数据

演出

• 典型任务执行：5-30秒
• 文件 操作：每个文件小于1秒
• 代码搜索：对于大型代码库，\<5秒
• 内存使用：执行过程中约50-100MB

故障排除

服务器无法启动

# Check API key
echo $ANTHROPIC_API_KEY

# Test server directly
python3 server.py

# Check logs
tail -f ~/.claude/logs/mcp-servers.log

工具执行失败

# Verify dependencies
pip3 list | grep anthropic
pip3 list | grep mcp

# Test executor
python3 test_executor.py

文件跟踪问题

# Check permissions
ls -la ${AGENTIC_SYSTEM_PATH:-/opt/agentic}/

# Verify working directory
pwd

发展

运行测试

cd ${AGENTIC_SYSTEM_PATH:-/opt/agentic}/mcp-servers/claude-code-control-mcp
python3 test_server.py

添加新工具

1. 将工具定义添加到 list_tools()
2. 在中实现处理程序 call_tool()
3. 更新文档
4. 添加测试

调试

启用调试日志记录：

logging.basicConfig(level=logging.DEBUG)

路线图

• \[\]批量任务执行
• \[\]任务排队和调度
• \[\]与增强型内存MCP集成
• \[\]代码分析工具（复杂性、覆盖率）
• \[\]Git集成（提交、推送、PR创建）
• \[\]支持多文件重构
• \[\]流媒体执行更新
• \[\]用于监视的Web UI

贡献

欢迎投稿！需要改进的地方：

1. 其他工具实现
2. 性能优化
3. 增强的错误处理
4. 文档改进
5. 测试覆盖率

许可证

代理系统项目的一部分。请参阅主许可证文件。

支持

对于问题和疑问：

• 检查日志： ~/.claude/logs/
• 审查MCP文件：https://modelcontextprotocol.io
• API无烟煤文件：https://docs.anthropic.com

相关文件

• MCP协议规范
• 人类API文件
• 增强型内存MCP
• 代理运行时MCP

______________________________________________________________________

MCP生态系统的一部分

该服务器与其他MCP服务器集成，以实现全面的AGI功能：

看 代理系统oss 对于完整的框架。