mcpField
D
DeepView MCP

DeepView MCP

本地服务
github.com/ai-1st开发工具6564 周前更新

关于 DeepView MCP

DeepView MCP 是一个 MCP 服务,让 Cursor、Windsurf 等 IDE 借助 Gemini 的大上下文窗口分析大型代码库。它适合需要整体理解大型项目的开发者。

主要功能

  1. 01从单个文本文件加载整个代码库
  2. 02利用 Gemini 大上下文窗口进行查询
  3. 03支持通过命令行参数选择 Gemini 模型
  4. 04兼容支持 MCP 协议的 IDE

适用场景

  1. 01在 Cursor 或 Windsurf 中询问整个项目的结构与依赖关系
  2. 02结合 repomix 打包的代码库文件进行跨文件分析

MCP 相关

该项目是一个 MCP 服务,向 IDE 等 MCP 客户端提供代码库查询工具。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"deepview": {
"command": "npx",
"args": [
"-y",
"@smithery/cli"
]
}
}
}
启动命令npx -y @smithery/cli

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npm@smithery/cli

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

MseeP.ai 安全评估徽章

DeepView MCP

DeepView MCP 是一款模型上下文协议服务,可让 Cursor 和 Windsurf 等 IDE 使用 Gemini 的超大上下文窗口分析大型代码库。

PyPI 版本 smithery 徽章

功能

  • 从单个文本文件加载整个代码库(例如,使用 repomix 等工具生成的文件)
  • 使用 Gemini 的大上下文窗口查询代码库
  • 连接支持 MCP 协议的 IDE,例如 Cursor 和 Windsurf
  • 通过命令行参数配置 Gemini 模型选择

先决条件

安装

通过 Smithery 安装

通过 Smithery 自动为 Claude Desktop 安装 DeepView:

npx -y @smithery/cli install @ai-1st/deepview-mcp --client claude
使用 pip
pip install deepview-mcp

使用方法

启动服务

注意:无需手动启动服务。这些参数已在 IDE 的 MCP 配置中设置(见下文)。

# Basic usage with default settings
deepview-mcp [path/to/codebase.txt]

# Specify a different Gemini model
deepview-mcp [path/to/codebase.txt] --model gemini-2.0-pro

# Change log level
deepview-mcp [path/to/codebase.txt] --log-level DEBUG

代码库文件参数为可选参数。如果未提供,则需要在查询时指定。

命令行选项
  • --model MODEL:指定要使用的 Gemini 模型(默认值:gemini-2.0-flash-lite)
  • --log-level {DEBUG,INFO,WARNING,ERROR,CRITICAL}:设置日志级别(默认值:INFO)
在 IDE 中使用(Cursor/Windsurf/...)
  1. 打开 IDE 设置
  2. 找到 MCP 配置
  3. 使用以下配置添加一个新的 MCP 服务:
    {
      "mcpServers": {
        "deepview": {
          "command": "/path/to/deepview-mcp",
          "args": [],
          "env": {
            "GEMINI_API_KEY": "your_gemini_api_key"
          }
        }
      }
    }
    

Setting a codebase file is optional. If you are working with the same codebase, you can set the default codebase file using the following configuration:

{
   "mcpServers": {
     "deepview": {
       "command": "/path/to/deepview-mcp",
       "args": ["/path/to/codebase.txt"],
       "env": {
         "GEMINI_API_KEY": "your_gemini_api_key"
       }
     }
   }
 }

以下是指定要使用的 Gemini 版本的方法:

{
   "mcpServers": {
     "deepview": {
       "command": "/path/to/deepview-mcp",
       "args": ["--model", "gemini-2.5-pro-exp-03-25"],
       "env": {
         "GEMINI_API_KEY": "your_gemini_api_key"
       }
     }
   }
}
  1. 重新加载 MCP 服务配置
可用工具

该服务提供一个工具:

  1. deepview:针对代码库提问
    • 必需参数:question - 要提出的代码库相关问题
    • 可选参数:codebase_file - 查询前要加载的代码库文件路径

准备代码库

DeepView MCP 需要一个包含整个代码库的单一文件。你可以使用 repomix 以适合 AI 使用的格式准备代码库。

使用 repomix
  1. 基本用法:在项目目录中运行 repomix,以创建默认输出文件:
# Make sure you're using Node.js 18.17.0 or higher
npx repomix

这将生成一个包含代码库的 repomix-output.xml 文件。

  1. 自定义配置:创建配置文件,自定义要打包的文件以及输出格式:
npx repomix --init

这会创建一个 repomix.config.json 文件,你可以编辑该文件来:

  • 包含或排除特定文件或目录
  • 更改输出格式(XML、JSON、TXT)
  • 设置输出文件名
  • 配置其他打包选项
repomix 配置示例

以下是一个 repomix.config.json 文件示例:

{
  "include": [
    "**/*.py",
    "**/*.js",
    "**/*.ts",
    "**/*.jsx",
    "**/*.tsx"
  ],
  "exclude": [
    "node_modules/**",
    "venv/**",
    "**/__pycache__/**",
    "**/test/**"
  ],
  "output": {
    "format": "xml",
    "filename": "my-codebase.xml"
  }
}

如需了解更多 repomix 信息,请访问 repomix GitHub 仓库。

许可证

MIT

作者

Dmitry Degtyarev ([email protected])

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。