🤖 RovoDev MCP 测试 - 完整的 MCP 生态系统
一个完整的模型上下文协议（MCP）服务器生态系统，用于人工智能驱动的软件开发和自动化。
📋 概述
本项目包含 17 MCP服务器它们共同构成了一个用于自主开发，测试，部署和监控的认知框架。
🏗️ 建筑
该系统遵循一个 基于阶段的架构:
- 规划与验证 计划和验证任务
- 实施 分析和开发代码
- 执行与测试 - 安全运行和测试
- 失效分析 智能分类错误
- 文物存储 保存证据和文物
- 部署 基于容器的部署
🛠️ MCP服务器（共17个）
第一阶段：规划与验证
mcp_planner-基于AI的任务分解mcp_plan_validator-严格的计划验证
第二阶段：实施
mcp_deep_learning_v2-双AI代码分析（DeepSeek+Qwen）mcp_knowledge_database-知识库和记忆mcp_gitops-Git操作自动化
第3阶段：执行和测试
mcp_sandbox_monitor-安全过程监控mcp_execution_auditor-循证核查mcp_testing_server-测试工具和浏览器自动化
第4阶段：故障分析
mcp_failure_classifier-智能故障恢复
第5阶段：工件存储
mcp_filesystem_artifacts-安全工件管理mcp_api_testing-API架构验证和回放
第6阶段：集成和部署
mcp_deployment-Docker/容器管理mcp_unstoppable_browser-高级浏览器自动化mcp_vision_simple-视觉AI集成
Rex认知框架
mcp_rex_cognitive_framework-认知探索循环rex_task_orchestrator-任务编排和工作流
🎓 学校/实习报告
文件夹 /schule 包括我关于这个MCP生态系统的实习报告：
- 技术文件
- 架构图表
- 代码示例
- 屏幕截图和演示
🚀 特性
- ✅ 记忆优先法 从过去的会话中自动学习
- ✅ 双AI分析 DeepSeek + Qwen 用于代码分析
- ✅ 沙盒监控 - 自动恢复的安全执行
- ✅ 基于阶段的工作流 -毕达哥拉斯式验证门
- ✅ 知识持久性 自动保存解决方案
- ✅ 认知框架 -观察→ 决定→ ACT → LEARN
📚 文档
/schule实习报告和文件/examples代码示例和演示/mcp_servers所有带有单独README的MCP服务器
🔧 技术堆栈
- 后端：Python 3.x、FastAPI、MCP协议
- AI模型：Ollama（Qwen2.5编码员、DeepSeek编码员、Gemma2）
- 数据库：ChromaDB（矢量），SQLite（知识）
- 部署：Docker，Docker Compose
- 测试：剧作家，Pytest
👨💻 由开发
该项目是在实习期间开发的，记录了用于人工智能驱动软件开发的完整MCP架构。
📄 许可证
教育项目 - 查看特定许可证的单个 MCP 服务器。