橡胶鸭MCP
描述
橡胶鸭MCP 是一个模型上下文协议（MCP）工具，它带来了 小黄鸭调试法 您的AI开发环境。橡皮鸭调试是软件工程中一种经过验证的技术，在这种技术中，用自然语言表达问题——通常是对橡皮鸭这样的无生命物体——可以阐明解决方案并阐明思维过程。这种方法最早在 _程序员修炼之道_ （Hunt&Thomas，1999），因其在以下方面的有效性而得到广泛认可：
- 揭示隐藏的假设和逻辑错误
- 鼓励逐步推理
- 通过解释促进更深入的理解
- 通过外化思维减轻认知负荷
“在描述代码应该做什么和观察它实际做什么时，这两者之间的任何不一致都会变得明显。”-- Wikipedia:橡皮鸭调试
通过将这种方法集成到LLM驱动的IDE中，Rubber Duck MCP使开发人员和AI代理能够：
- 更有效地调试 通过向不评判、随时待命的听众解释问题
- 增强LLM推理能力 通过促使模型阐明和反思自己的逻辑
- 加速解决问题 通过结构化的自我解释提出解决方案
进一步阅读：
安装
先决条件
- Python 3.8+
- fastmcp （通过pip安装）
步骤
- 克隆存储库：
git clone https://github.com/Omer-Sadeh/RubberDuckMCP.git
cd RubberDuckMCP- 创建并激活虚拟环境（推荐）：
python3 -m venv .venv
source .venv/bin/activate- 安装依赖项：
pip install -r requirements.txt- 将橡胶鸭MCP添加到光标（或支持MCP的其他AI IDE）：
- 打开你的 .cursor/mcp.json 文件（或IDE的等效配置）。 - 为Rubber Duck MCP添加一个条目，指定venv的Python可执行文件和路径 RubberMCP.py例如：
{
"mcpServers": {
"rubber-duck": {
"command": "/absolute/path/to/RubberDuckMCP/.venv/bin/python",
"args": [
"/absolute/path/to/RubberDuckMCP/RubberMCP.py"
]
}
}
}- 调整 command 和 args 字段，以匹配虚拟环境的Python可执行文件和路径 RubberMCP.py 在您的系统上。 - 保存文件并重新启动Cursor（或IDE）以加载新的MCP服务器。
用法
配置后，使用 explain_to_duck 用于阐明您的问题或代码问题的工具。橡胶鸭MCP将倾听并回应，帮助您澄清想法并发现解决方案。
许可证
该项目根据 MIT许可证。欢迎大家贡献、分叉和复制此存储库。强烈鼓励合作和开源贡献！