🚀 MCP 本地开发
让AI处理您的本地开发环境，而您则专注于打造令人惊叹的作品！
✨ 这是什么？
一个本地开发环境管理器，可让大型语言模型（LLM）为您配置和管理开发环境。专为AI助手设计，用于自动处理环境设置、依赖管理和测试。
🏃 快速入门
- 从（某处）安装Claude桌面版 MCP 快速入门指南
- 在你的Claude桌面配置中添加以下内容：
{
"servers": {
"local_dev": {
"command": "uvx",
"args": [
"--from",
"git+https://github.com/txbm/mcp-local-dev@main",
"mcp-local-dev"
]
}
}
}- 指向任何GitHub仓库的克劳德，并让它设置开发环境！
- 让它运行测试并报告覆盖率！
- 如果你讨论完了，可以四处看看或者把它整理一下！
核心功能
测试运行器
- 🧪 使用覆盖率报告的 pytest
- ⚡️ Vitest 配合 V8 覆盖率
- 🃏 Jest，附带详细的覆盖率指标
- 🔬 带覆盖率支持的单元测试
运行时支持
- 蟒蛇（Python）搭配UV包管理工具
- Node.js 配备 NPM
- ⚡️ Bun 运行时和包管理器
环境管理
- 🏗️ 自动运行时检测
- 智能包管理器选择
- 沙盒环境
- 🧹 自动清理
- GitHub仓库支持
- 📂 本地项目支持
开发者体验
- 🎯 无需配置
- 📊 结构化JSON日志记录
- 🔍 详细的测试覆盖率指标
- 每个项目独立的环境
💫 看似简单，实则复杂
- MCP服务器规范全面符合综合测试覆盖率要求
- 路径隔离每个环境都井然有序地包含着
- 系统集成使用您已安装的运行时（Python、Node.js、Bun）
- 包管理自动为每个运行时选择最快的可用包管理器
- 网络访问包管理的全面连接性
- 进程处理：原生系统进程，速度最大化
幕后故事🌟
开发过程中对多个模型进行了严格的测试：
- 🏆 Claude 3.5 Sonnet：表现出色
- 💪 DeepSeek V3：表现强劲
- 不怎么样，鲍勃
🚀 重点总结
这个项目展示了人工智能辅助开发的惊人潜力：
- 🏃♂️ 极速原型制作
- 🎯 那最后的15%才是真正的难点所在
- 📚 现实世界中人工智能开发模式的绝佳示例
关于人工智能与发展的思考
作为一名从事软件开发多年的人，这个项目令人兴奋的不仅仅是自动化——更重要的是我们与开发环境互动方式的转变。其价值不在于取代人类开发者，而在于减轻认知负担。当人工智能负责环境设置和维护时，开发者可以更多地专注于架构和设计决策。
这个项目证明，人工智能不仅仅是生成代码——它关乎管理复杂性。通过处理开发环境设置的机械性方面，我们为真正需要人类洞察力的创造性及架构性挑战腾出了思维空间。
🙏 非常感谢
许可协议
麻省理工学院