TRM Python MCP服务器

A. TRM启发（测试时递归存储器）MCP服务器 用于Python数据分析项目中的递归代码细化。

此服务器实现了专门为Python和数据分析工作流设计的递归改进循环：

LLM扮演着 优化器 建议代码更改
此MCP服务器充当 评论家/评价者 具有状态跟踪功能
评估包括： 数据质量检查、测试、lint和性能指标
使用EMA（指数移动平均线）跟踪分数
智能停止策略决定何时停止

✨ 特性

多信号评估：数据质量、测试、lint和性能基准测试
加权评分：不同评估信号的可配置权重
EMA跟踪：跨迭代平滑跟踪分数
智能停机：当测试通过+分数阈值、无改善或最大步数时停止
灵活的候选人提交：支持多种模式（文件、补丁、差异）
安全执行：命令在具有可配置超时的隔离目录中运行
Python专用：回溯解析、pytest/unittest集成、Python linting
数据分析重点：Pandas/NumPy验证、数据质量检查

🐍 数据分析重点

此服务器是专门为Python数据分析项目设计的：

评估信号

数据质量 （默认权重：0.3）

- 架构验证 - 缺少值检查 - 数据类型一致性 - Pandas DataFrame验证 - 自定义数据质量脚本

测试（默认权重：0.4）

- pytest集成 - 单元测试支持 - JSON测试报告器 - 测试覆盖率指标

棉绒（默认权重：0.1）

- flake8样式检查 - pylint代码质量 - mypy类型检查 - PEP 8合规性

演出（默认权重：0.2）

- 运行时指标 - 内存配置文件 - 数据处理基准 - 标准化绩效评分

📦 安装

先决条件

Python 3.10或更高版本
pip用于包管理

从源代码安装

git clone https://github.com/andreahaku/code_trm_python_mcp.git
cd code_trm_python_mcp
pip install -e .

开发安装

pip install -e ".[dev]"

🚀 用法

作为MCP服务器

添加到MCP客户端配置中：

{
  "mcpServers": {
    "code-trm-python": {
      "command": "python",
      "args": ["-m", "src.server"]
    }
  }
}

或者使用已安装的脚本：

{
  "mcpServers": {
    "code-trm-python": {
      "command": "code-trm-python-mcp"
    }
  }
}

💬 示例用法

在LLM客户端中配置为MCP服务器后，您可以使用自然语言提示：

启动TRM会话

提示： *“在/Users/me/projects/data pipeline上启动我的数据分析项目的TRM会话。使用pytest进行测试，使用flake8和mypy进行linting，并使用以下命令运行数据验证 python scripts/validate_schemas.py.将最大步数设置为10，当分数达到0.95时停止。”*

这将调用 trm.start 工具用于：

初始化指定项目上的会话
配置数据质量、测试和lint的评估命令
设置停止策略（最大步数=10，阈值=0.95）
返回会话ID以进行后续操作

迭代改进

提示： *“提交一个修复src/predicting.py中缺失值处理的候选项。问题在第45-50行，我们需要为'age'列添加fillna（）。”*

这将：

将建议的更改应用于文件
运行完整的评估管道（数据质量、测试、lint、perf）
计算加权分数
返回通过/失败的反馈
建议是继续还是停止

提示： *“TRM会话的当前状态是什么？告诉我分数以及我们是否应该停止迭代。”*

用途 trm.state 和 trm.halt 工具用于：

显示当前步骤、EMA得分、最佳得分
显示停止的决定和原因
提供连续改进信息

使用文件

提示： *“阅读src/pipeline.py和data/schemas.py的内容，这样我就可以看到需要修复的地方。”*

用途 trm.read 工具用于：

从存储库中获取文件内容
显示元数据（行数、大小、上次修改时间）
为做出明智的改变提供背景

提示： *“显示发生错误的src/analysis.py的第100-120行。”*

用途 trm.lines 工具用于：

读取带有行号的特定行范围
围绕错误位置提供重点上下文
与读取整个文件相比，保存令牌

获取帮助

提示： *“测试因NameError而失败。你能建议一个修复方法吗？”*

用途 trm.fix 工具用于：

分析Python错误回溯
识别具体错误（NameError:未定义“pandas”）
生成修复候选（添加 import pandas as pd)
为准备申请的候选人提供理由

提示： *“根据评估结果，我应该关注哪些改进？”*

用途 trm.suggest 工具用于：

分析评估反馈
确定问题的优先级（关键→ high → 中等→ low)
生成可操作的建议
考虑代码质量、测试覆盖率、性能

代码审查

提示： *“查看PRhttps://github.com/user/repo/pull/123并检查数据验证问题、缺失测试和类型安全问题。"*

用途 trm.review 工具用于：

从GitHub获取PR差异
分析代码更改
检查常见问题（缺少类型提示、没有错误处理等）
提供详细的意见和建议
进行总体评估（批准/需要更改/评论）

检查点和撤消

提示： *将当前状态另存为名为“重构前”的检查点*

用途 trm.save 用于保存会话状态以供以后还原的工具。

提示： *“最后的更改使情况变得更糟。撤消它并恢复到以前的状态。”*

用途 trm.undo 工具用于：

将文件还原到以前的状态
回滚步计数器
重新计算分数和EMA
显示已恢复的内容

示例完成会话

\*提示： “让我们改进我的pandas项目中的数据验证。使用以下设置在/path/to/project上启动TRM会话：

数据验证：python脚本/check_schemas.py
测试：pytest--json测试/
棉绒：flake8型钢圈/&&mypy型钢圈/
性能：python脚本/benchmark_pipeline.py
12步后或得分达到0.97时停止

答复： ✅ 会话以ID abc-123开始。。。

提示： *“阅读src/vvalidators.py，这样我就可以看到需要改进的地方。”*

答复： \[显示250行的文件内容\]

提示： *“提交一个为‘事务’DataFrame添加架构验证的候选项。它应该检查所需的列是否存在并且具有正确的数据类型。”*

答复：

第1/12步
得分：0.65
测试：45/50通过（5失败）
数据质量：❌ 失败（检测到架构不匹配）
反馈：添加对“金额”列数据类型的验证

提示： *“修复基于该反馈的架构验证。”*

答复：

第2/12步
得分：0.82
测试：48/50通过（2失败）
数据质量：✅ 通过
反馈：边缘情况下的剩余测试失败

提示： *“继续迭代，直到测试通过，否则我们应该停止。”*

\[系统继续迭代LLM提案…\]

答复：

第5/12步
得分：0.96
测试：50/50通过✅
数据质量：✅ 通过
应该停止：是的，成功！通过测试且得分>=阈值

🛠️ 可用工具（共16个）

核心工具

`trm.start` -开始会话

在本地存储库上初始化TRM会话。

参数：

repo （必填）：项目的绝对路径
dataQual：数据质量验证命令
test：测试命令（例如“pytest--json”）
lint：Lint命令（例如，“flake8 src/”）
bench：性能基准命令
timeout：每个命令超时（默认值：120秒）
weights：得分权重（数据质量：0.3，测试：0.4，皮棉：0.1，性能：0.2）
halt：暂停策略（最大值、阈值、耐心、最小值）
ema：EMA平滑系数（默认值：0.9）
notes：可选的初始推理说明

退货： sessionId, message，配置详细信息

例子：

session = await trm.start({
    "repo": "/path/to/project",
    "dataQual": "python scripts/validate_data.py",
    "test": "pytest --json tests/",
    "lint": "flake8 src/ && mypy src/",
    "bench": "python scripts/benchmark.py",
    "halt": {
        "max": 12,
        "threshold": 0.95,
        "patience": 3
    }
})

`trm.submit` -提交候选人

应用候选人变更，运行评估，返回反馈。

参数：

sid （必填）：会话ID
candidate （必填）：其中一种模式：

- 文件：完整的文件内容 - 补丁：统一的差异格式 - 差异: 每个文件的差异

reason：法学硕士推理笔记

退货： step, score, emaScore, bestScore, tests, okDataQuality, okLint, shouldHalt, reasons, feedback

例子：

result = await trm.submit({
    "sid": session_id,
    "candidate": {
        "mode": "diff",
        "changes": [{
            "path": "src/analysis.py",
            "diff": "--- a/src/analysis.py\\n+++ b/src/analysis.py\\n..."
        }]
    },
    "reason": "Fix data validation logic"
})

`trm.read` -获取文件内容

使用元数据读取当前文件状态。

参数：

sid （必填）：会话ID
paths （必填）：文件路径列表

退货： 带元数据的文件内容（行数、大小字节、lastModified）

`trm.state` -获取州

返回当前会话状态快照。

退货： sessionId, step, emaScore, bestScore, noImproveStreak, last, zNotes

`trm.halt` -应该停止

检查最新评估中的停止决定。

退货： shouldHalt, reasons

`trm.end` -结束会话

清理并结束会议。

退货： ok, message

增强工具

`trm.validate` -验证候选人

在应用更改之前进行详细预览的模拟运行验证。

参数： sid, candidate

退货： valid, errors, warnings, preview

`trm.suggest` -获取建议

根据评估结果获取基于人工智能的改进建议。

退货： 按优先级排序的热门建议

检查点工具

`trm.save` -保存检查点

将当前会话状态另存为检查点。

参数： sid, desc （可选描述）

`trm.restore` -还原检查点

从已保存的检查点还原会话。

参数： sid, cid （检查点ID）

`trm.list` -列出检查点

列出会话的所有已保存检查点。

参数： sid

高级工具

`trm.undo` -撤消上一个候选人

快速撤消并完全恢复状态。

退货： message, currentStep, score, emaScore, filesRestored

`trm.lines` -获取文件行

从带有行号的文件中读取特定的行范围。

参数： sid, file, start （行号）， end （行号）

退货： 带格式化行号的行，总行数

`trm.fix` -建议修复

基于Python错误分析的人工智能修复候选生成。

支持的错误： NameError、ImportError、TypeError、AttributeError、SyntaxError

退货： 一系列建议 priority, issue, candidateToFix, rationale

`trm.reset` -重置为基线

将存储库重置为初始git提交状态。

`trm.review` -公关评论

对来自GitHub URL或直接差异的拉取请求进行详细的代码审查。

参数：

url：GitHub PR URL
diff：直接统一差异内容
files：包含内容的文件数组
focus：筛选评论类别的可选数组

重点类别：

type-safety：检测缺失的类型提示
logging：标记打印语句
todos：识别TODO/FIXME评论
code-quality：魔术数字，长线
error-handling：缺少尝试捕捉
testing：建议添加测试
data-validation：缺少数据检查

📊 分数计算

分数是\[0,1\]中的加权平均值：

score = (w.dataQual * sDataQual + w.test * sTests + w.lint * sLint + w.perf * sPerf) / sumWeights

where:
  sDataQual = 1 if data quality checks pass, 0 otherwise
  sTests = passed / total (0 if tests fail to parse)
  sLint = 1 if lint succeeds, 0 otherwise
  sPerf = normalized performance score (best/current, lower runtime is better)

🛑 停机条件

迭代在以下情况下停止：

成功: step >= minSteps 所有测试均已通过 score >= passThreshold
高原：没有改善 patience 连续步骤
限制：已到达 maxSteps

🎯 推荐工作流程

1.开始会话

session = await trm.start({
    "repo": "/path/to/data-analysis-project",
    "dataQual": "python scripts/validate_schemas.py",
    "test": "pytest --json tests/",
    "lint": "flake8 src/ && mypy src/",
    "bench": "python scripts/benchmark_pipeline.py",
    "halt": {"max": 12, "threshold": 0.97, "patience": 3}
})

2.迭代改进循环

关键原则：

保留补丁 小而专注 （一次一个问题）
使用 reason 跨步骤维护上下文
相信分数/反馈信号作为指导

图案：

先获取文件内容
提交候选人并说明理由
如果失败：使用 trm.fix 或调整方法
重复，直到 shouldHalt=true

3.迭代示例

# 1. Get current files
files = await trm.read({"sid": session_id, "paths": ["src/pipeline.py"]})

# 2. Submit improvement
result = await trm.submit({
    "sid": session_id,
    "candidate": {
        "mode": "diff",
        "changes": [{
            "path": "src/pipeline.py",
            "diff": "..."
        }]
    },
    "reason": "Add data validation for missing values"
})

# 3. Check if should continue
if result["shouldHalt"]:
    print(f"Done! Final score: {result['score']}")
else:
    print(f"Continue - Step {result['step']}, Score: {result['score']}")

🐍 Python特定功能

解析时出错

自动解析Python回溯：

名称错误→ 建议导入或变量定义
导入错误→ 建议 pip install 命令
类型错误→ 识别参数不匹配
属性错误→ 检测不正确的属性访问
语法错误→ 突出语法问题

测试框架支持

pytest：JSON输出解析、夹具检测
单元测试：标准输出解析、测试发现
覆盖率指标集成

Linting集成

薄片8：样式检查
皮林：代码质量分析
米皮：类型提示验证

数据分析验证

Pandas DataFrame模式验证
NumPy数组形状/dtype检查
缺失值检测
数据类型一致性验证

💡 数据分析项目提示

设置数据质量检查 验证：

- DataFrame架构与预期结构匹配 - 无意外缺失值 - 数据类型正确 - 值范围有效

使用有意义的绩效基准:

- 时间关键型数据处理管道 - 测量大型数据集的内存使用情况 - 跨迭代跟踪改进/回归

配置适当的权重:

- 更高 test 算法正确性的权重 - 更高 dataQual 数据管道可靠性权重 - 更高 perf 优化任务的权重

利用pytest标记 对于不同的测试类别：

- @pytest.mark.unit 用于快速单元测试 - @pytest.mark.integration 用于数据管道测试 - @pytest.mark.slow 用于长时间运行的测试

🏗️ 建筑

┌─────────────────────────────────────────────────────────────┐
│                      LLM Client                              │
│         (Claude Code / Cursor / Codex CLI)                  │
│                                                              │
│  • Proposes code changes (optimizer role)                   │
│  • Submits candidates via MCP tools                         │
│  • Interprets feedback and iterates                         │
└────────────────────┬────────────────────────────────────────┘
                     │ MCP Protocol
                     ▼
┌─────────────────────────────────────────────────────────────┐
│              TRM Python MCP Server                          │
│                                                              │
│  Session State:                                             │
│  • Current score, EMA, best score                           │
│  • Test results, data quality status                        │
│  • Improvement streak tracking                              │
│  • History of evaluations                                   │
│  • Candidate snapshots (for undo)                           │
│                                                              │
│  Evaluation Pipeline:                                       │
│  1. Apply candidate changes                                 │
│  2. Run: data_quality → test → lint → perf                  │
│  3. Parse outputs, extract signals                          │
│  4. Compute weighted score                                  │
│  5. Update EMA and improvement tracking                     │
│  6. Check halting policy                                    │
│  7. Return structured feedback                              │
└────────────────────┬────────────────────────────────────────┘
                     │ Shell Commands
                     ▼
┌─────────────────────────────────────────────────────────────┐
│              Target Python Project                          │
│                                                              │
│  • Source code files (.py, .ipynb)                          │
│  • Data validation scripts                                  │
│  • Test framework (pytest, unittest)                        │
│  • Linters (flake8, pylint, mypy)                           │
│  • Performance benchmark scripts                            │
│  • Data analysis pipelines (pandas, numpy)                  │
└─────────────────────────────────────────────────────────────┘

📝 基于

这一实施的灵感来自 测试时间递归存储器（TRM） 方法来自：

“递归反思：教授语言模型代理如何自我提升” （arXiv:2510.4871v1）

Python数据分析的关键调整：

TRM的递归精化→ 使用LLM提案进行迭代代码改进
潜在推理（z）→ 迭代之间传递的基本原理/注释
ACT停止→ 基于分数+改进的可配置停止策略
深度监管→ 数据质量/测试/lint/perf信号作为无需培训的反馈
Python焦点→ 回溯解析、pytest集成、数据验证

📄 许可证

麻省理工学院

👨‍💻 作者

安德烈·萨尔瓦托（@andreahaku）与克劳德（Anthropic）

🔗 相关项目

llm存储器mcp -LLM工具的持久内存
代码分析上下文python-mcp -Python项目的代码分析
代码trm-mcp -Types/JavaScript版本

🤝 贡献

欢迎投稿！请随时提交拉取请求。

______________________________________________________________________

状态: 🚧 贝塔 -核心功能已实现，高级功能正在开发中

Python版本: 3.10+

聚焦：数据分析和科学计算（Pandas、NumPy、Scikit-learn）

code trm python MCP

快速接入

详细介绍

TRM Python MCP服务器

✨ 特性

🐍 数据分析重点

评估信号

📦 安装

先决条件

从源代码安装

开发安装

🚀 用法

作为MCP服务器

💬 示例用法

启动TRM会话

迭代改进

使用文件

获取帮助

代码审查

检查点和撤消

示例完成会话

🛠️ 可用工具（共16个）

核心工具

trm.start -开始会话

trm.submit -提交候选人

trm.read -获取文件内容

trm.state -获取州

trm.halt -应该停止

trm.end -结束会话

增强工具

trm.validate -验证候选人

trm.suggest -获取建议

检查点工具

trm.save -保存检查点

trm.restore -还原检查点

trm.list -列出检查点

高级工具

trm.undo -撤消上一个候选人

trm.lines -获取文件行

trm.fix -建议修复

trm.reset -重置为基线

trm.review -公关评论

📊 分数计算

🛑 停机条件

🎯 推荐工作流程

1.开始会话

2.迭代改进循环

3.迭代示例

🐍 Python特定功能

解析时出错

测试框架支持

Linting集成

数据分析验证

💡 数据分析项目提示

🏗️ 建筑

📝 基于

📄 许可证

👨‍💻 作者

🔗 相关项目

🤝 贡献

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

`trm.start` -开始会话

`trm.submit` -提交候选人

`trm.read` -获取文件内容

`trm.state` -获取州

`trm.halt` -应该停止

`trm.end` -结束会话

`trm.validate` -验证候选人

`trm.suggest` -获取建议

`trm.save` -保存检查点

`trm.restore` -还原检查点

`trm.list` -列出检查点

`trm.undo` -撤消上一个候选人

`trm.lines` -获取文件行

`trm.fix` -建议修复

`trm.reset` -重置为基线

`trm.review` -公关评论