MCP代码分析
一个强大的代码库分析工具包，利用模型上下文协议（MCP）进行人工智能辅助的代码理解和转换。
特性
- 代码分析：使用抽象语法树解析和分析代码库
- 上下文生成：为AI模型创建丰富的上下文信息
- 工具集成：基于MCP SDK构建，实现无缝AI工具集成
- 可扩展架构：基于插件的自定义分析器系统
需求
- Node.js 18+
- NPM 9+
- Redis（可选，仅生产环境需要）
安装
# Clone the repository
git clone https://github.com/yourusername/mcp-codeanalysis.git
cd mcp-codeanalysis
# Install dependencies
npm install
# Build the project
npm run buildRedis配置（可选）
Redis用于生产环境中的会话存储。对于开发和测试，如果Redis不可用，系统将自动回退到内存中的会话存储。
备注：Redis连接存在一个已知问题，即使Redis正在运行，操作也可能失败。请参阅中的“技术债务”部分plan.md了解详情。目前，您可以使用./use-memory-session.sh使用内存会话存储运行服务器的脚本。有关更多信息，请参见 Redis故障排除指南.
安装Redis：
# Ubuntu/Debian
sudo apt-get install redis-server
# macOS
brew install redis
# Windows (using WSL is recommended)
# For native Windows, download from https://redis.io/download默认情况下，应用程序尝试在以下位置连接到Redis redis://localhost:6379。您可以使用环境变量配置Redis连接：
# Set custom Redis URL
export REDIS_URL=redis://custom-host:6379
# Force memory session store even if Redis is available
export FORCE_MEMORY_SESSION=true发展
# Run in development mode
npm run dev
# Run tests
npm test
# Run linting
npm run lint用法
# Start the MCP server
npm start
# Run CLI tool
node ./tools/mcp-stdio-client.js --task "Analyze dependencies" --files "src/*.ts"文档
许可证
麻省理工学院
代码分析MCP服务器
一个全面的模型上下文协议（MCP）服务器，用于高级代码分析，通过可扩展的架构提供工具和见解。
🚀 特性
- 基本代码分析：语法和结构分析
- 代码度量：复杂性、行数和代码质量指标
- 相关性分析：打包和导入关系可视化
- 知识图谱：代码关系可视化和查询
- 存储器系统：存储和检索有关代码库的见解
- 可视化：生成多种格式的图表（Mermaid、DOT、ASCII）
- 社会技术分析：了解团队和代码关系
- 多存储库分析：跨存储库关系分析
- 进化规划：代码改进建议
- 现场观看：实时监控代码更改
- IDE集成：编辑器集成工具
- 开发者工具：增强的人工智能辅助开发工作流程支持
📋 先决条件
- Node.js 18+
- npm或纱线
- Redis（开发可选，生产推荐）
🛠️ 安装
# Clone the repository
git clone https://github.com/your-username/codeanalysis-mcp.git
cd codeanalysis-mcp
# Install dependencies
pnpm install
# Build the project
pnpm build🖥️ 用法
CodeAnalysis MCP服务器有两种使用方式：
1.作为MCP服务器
# Start the MCP server
pnpm start这将启动MCP服务器，任何MCP客户端（如Claude Desktop、Cursor或其他客户端）都可以连接到该服务器。
2.使用CLI
该项目包括一个用于直接交互的全面CLI：
# Get help
pnpm run cli --help
# Analyze a repository or directory
pnpm run cli analyze repo ./src
# Check code quality
pnpm run cli quality analyze ./src3.使用开发工具进行人工智能辅助开发
该项目包括旨在增强人工智能辅助开发的特殊工具：
# Generate code context for AI assistants
node tools/ai-dev-helper.js --task="Implement new feature" --search="related functionality"
# Run example client
node examples/dev-tools-client.js请参阅 开发人员工具指南 了解详细信息。
📊 示例命令
基本分析
# Analyze a local directory
pnpm run cli analyze repo ./src
# Analyze a specific file
pnpm run cli analyze file ./src/server.ts代码度量
# Get code metrics with function details
pnpm run cli metrics analyze ./src --functions
# Save metrics to a file
pnpm run cli metrics analyze ./src -o metrics-report.json相关性分析
# Analyze dependencies in Mermaid format
pnpm run cli dependencies analyze ./src -f mermaid -o deps.mmd
# Visualize dependencies
pnpm run cli visualize dependencies -p ./src --format mermaid代码质量
# Run quality analysis
pnpm run cli quality analyze ./src
# Generate HTML report
pnpm run cli quality analyze ./src --html -o quality-report.html知识图谱
# Build knowledge graph
pnpm run cli knowledge build ./src
# Query the knowledge graph
pnpm run cli knowledge query ./src "type:function AND complexity>5"
# Export as diagram
pnpm run cli knowledge export ./src -f mermaid洞察力和记忆
# Store an insight
pnpm run cli insights store -r ./src -t code-pattern -c "Refactoring opportunity"
# Retrieve insights
pnpm run cli insights retrieve -r ./src开发者工具
# Prepare context for AI interactions
node tools/ai-dev-helper.js --task="Fix authentication bug" --files="src/auth/*.ts" --search="login"
# Use with AI prompts
# Copy content from the generated ai-context.json file into your AI assistant prompt
# or use the template in templates/ai-prompt-template.md🏗️ 建筑
该项目遵循MCP架构，包括以下组件：
- MCP服务器：使用MCP协议实现核心服务器
- 分析特征：模块化代码分析功能
- 命令行界面：用于直接交互的命令行界面
- 传输层：通信机制（默认为stdio）
🔌 与MCP客户端集成
此服务器与任何符合MCP的客户端兼容，包括：
- 克劳德桌面应用程序
- 光标编辑器
- 继续
- 其他MCP兼容工具
📝 路径规范
命令接受各种格式的路径：
- 本地目录：
./src或/absolute/path/to/dir - 本地文件：
./src/file.ts或/path/to/file.ts - 存储库URL:
https://github.com/username/repo
🤝 贡献
欢迎投稿！请随时提交拉取请求。
📄 许可证
此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。
MCP SDK状态管理架构
该项目为模型上下文协议（MCP）SDK实现了有状态工具，为构建维护调用之间上下文的工具提供了一个框架。
架构概述
状态管理架构分为几个模块化组件：
src/state/
├── helpers/
│ └── statefulTool.ts # Main entry point for stateful tool creation
├── machines/
│ └── toolMachine.ts # XState machine for tool execution flow
├── services/
│ ├── toolService.ts # Core execution service for tools
│ ├── redisToolExecutionService.ts # Distributed execution service
│ ├── redisSessionStore.ts # Redis-based session persistence
│ └── types.ts # Shared type definitions核心组件
状态工具助手(statefulTool.ts)
MCP SDK的中心集成点，提供：
- 使用会话管理进行工具注册
- 符合MCP的响应格式
- 内存会话管理
- 会话访问和操作的辅助功能
// Creating a stateful tool with state persistence
createStatefulTool(server, "my-tool", schema, handler);
// With description
createStatefulTool(server, "my-tool", "My stateful tool", schema, handler);工具机(toolMachine.ts)
基于XState的状态机，定义了工具的执行流：
- 状态转换（空闲、工具已选择、参数设置、执行等）
- 参数、结果和历史的上下文管理
- 错误处理和恢复路径
此组件将会话管理委托给statefulTool实现。
工具服务(toolService.ts)
协调工具状态转换的核心执行服务：
- 管理工具选择、参数验证和执行
- 跟踪执行历史记录
- 处理执行结果和错误
类型(types.ts)
确保整个状态管理系统一致性的共享类型定义：
- SessionData：用于存储工具状态的结构
- SessionStore：会话存储实现的接口
- ExecutionResult：工具的标准响应格式
与MCP SDK集成
该架构通过以下方式与MCP SDK集成：
- 通过状态管理扩展工具注册模式
- 保持与MCP响应格式的兼容性
- 为有状态操作提供会话和上下文跟踪
用法示例
import { createServer } from "@modelcontextprotocol/sdk";
import { createStatefulTool } from "./state/helpers/statefulTool";
import { z } from "zod";
const server = createServer();
// Register a stateful tool
createStatefulTool(
server,
"counter",
"A tool that maintains a count between invocations",
{
action: z.enum(["increment", "decrement", "reset"]),
},
async (params) => {
// Get session ID from params (or a new one will be created)
const sessionId = params.sessionId;
// Process the action
let count = 0;
// Tool logic with state manipulation...
return { count };
}
);
server.listen(3000);分布式状态管理
对于分布式环境，基于Redis的实现提供了：
- 跨服务器重启的会话持久性
- 并发访问的分布式锁定
- 基于TTL的会话清理
- 网络/连接问题的错误处理
测试
这些组件包括全面的测试套件，用于验证：
- 工具状态转换
- 会话管理
- 错误处理和恢复
- 响应格式
- 分布式操作（使用Redis）
AI开发工具
CodeAnalysis MCP服务器为人工智能辅助开发提供了专门的工具。这些工具有助于收集代码上下文，这些上下文可以提供给人工智能系统以获得更有效的帮助。
客户端脚本
存储库中包括几个客户端脚本 tools/ 目录：
- HTTP客户端 (
tools/http-client.js)：通过HTTP传输连接到MCP服务器（默认）。
node tools/http-client.js --task "Your task description" --files "src/features/*.ts" --search "session"- 原始客户端 (
tools/mcp-raw-client.js)：一个只捕获服务器信息的更简单的客户端。
node tools/mcp-raw-client.js --task "Your task description"- 普通客户端 (
tools/simple-client.js)：通过stdio与服务器通信。
node tools/simple-client.js --task "Your task description" --files "src/features/*.ts"所有客户端脚本都会生成 ai-context.json 项目根目录中的文件。此文件包含有关代码库的有价值的上下文，可以与AI助手共享，以提供更明智的响应。
提示模板
人工智能助手的提示模板可在 templates/ai-prompt-template.md。此模板有助于根据MCP工具的适当上下文来组织您对AI助手的请求。
服务器传输模式
MCP服务器支持两种传输模式：
- HTTP传输 （默认）：默认情况下在端口3000上运行。最适合客户端-服务器架构。
- 标准运输：用于直接过程通信。设置
STDIO_TRANSPORT=true要启用的环境变量。
会话存储体系结构
MCP代码分析现在具有模块化会话存储架构，具有自动后端检测功能：
- 灵活的存储：自动在Redis和内存存储之间切换
- 有利于发展：在开发过程中不使用Redis运行
- 生产就绪：在生产环境中使用Redis进行持久化
- 自动回退：当Redis不可用时，优雅地回退到内存存储
有关更多详细信息，请参阅 会话存储架构 文档。
需求
- Node.js 18+
- npm或纱线
- Redis（开发可选，生产推荐）