mcpField
G
GitHub Repository Intelligence

GitHub Repository Intelligence

远程服务
github.com/heisencodex-jpg版本控制123 周前更新
代码仓库

关于 GitHub Repository Intelligence

这是面向编码 Agent 的托管只读 MCP 服务,可在不克隆代码或授予文件系统访问权的情况下,提供 GitHub 仓库情报,涵盖活动、贡献者、CI、变更文件和依赖项。

主要功能

  1. 01仓库元数据与活动
  2. 02近期 Pull Request
  3. 03贡献者排名
  4. 04频繁变更的文件
  5. 05CI 检查状态
  6. 06依赖清单解析

适用场景

  1. 01整理仓库入门简报
  2. 02为 Pull Request 审查收集背景
  3. 03审计多个仓库的依赖项

MCP 相关

通过托管的 Streamable HTTP MCP 端点提供六种只读 GitHub 数据工具。可选的 GitHub 令牌可提高 API 限额并访问私有仓库。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://cg-nguyen--github-repo-intel-mcp.apify.actor/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

全部服务地址
Streamable HTTPhttps://cg-nguyen--github-repo-intel-mcp.apify.actor/mcp需要授权

工具

详细介绍

GitHub Repository Intelligence MCP Server

一个托管的 Model Context Protocol 服务,通过单个 MCP 端点,为 AI 编码 Agent 提供任意 GitHub 仓库的结构化情报——概览、近期 PR、贡献者、热门文件、CI 状态和依赖项。

无需本地设置。无需 git clone。无需编写 Octokit 样板代码。 将 Agent 接入 MCP URL,即可开始提问。

为什么要构建这个工具

本地 GitHub MCP 服务虽然存在,但要求每位用户设置 Node/Python、安装服务、管理令牌并及时更新补丁。这个 Actor 运行在 Apify 平台上,可通过托管的可流式 HTTP MCP 端点访问——Agent 只需要 URL。

当你希望大模型在没有文件系统或 Shell 访问权限的情况下分析代码库时,它就很有用:例如代码审查机器人、仓库入门助手、依赖项审计 Agent 和重构规划器。

托管服务与本地服务——它能在何时为你节省时间
这个 Actor本地 MCP 服务
设置将 URL 和令牌粘贴到客户端配置中git clone、安装依赖项、管理 Node/Python 版本
分发所有团队成员都能使用同一个 URL每位团队成员都需要自行设置
更新始终使用最新的服务构建版本你需要打补丁并重新部署
身份验证范围一个 Apify 令牌,工具参数中可选填 GitHub PATGitHub PAT 存储在每台机器上
空闲时的费用$0(Standby 模式,按调用计费)取决于你的笔记本电脑/服务器成本
本地服务更合适的场景隔离网络中的仓库、本地部署的 GitHub Enterprise—
可缩短耗时的三种工作流
  1. 仓库入门——将 URL 添加到 Claude Code,询问 “给我一份关于 kubernetes/kubernetes 的一页简报:维护者、排名前 10 的热门文件、当前 PR 流水线、CI 健康状况。” 一次对话,六次工具调用,无需克隆。
  2. PR 审查准备——审查陌生人的 PR 之前,在目标仓库上运行 get_contributors + list_recent_prs + get_hot_files,了解相关人员以及代码变动最集中的位置。
  3. 依赖项/供应链审计——循环遍历仓库列表,调用 get_dependencies;无需 Shell 访问权限,也不会有恶意 npm install 在你的机器上运行的风险。

提供的工具

工具返回内容典型用途
get_repo_overviewStars、fork、语言、许可证、主题、最近推送时间“这个仓库还在维护吗?”
list_recent_prs近期 PR,包含作者、状态、合并日期“给我看看用户 X 最近合并的 20 个 PR”
get_contributors按提交次数排列的主要贡献者“谁在维护这个项目?”
get_hot_files最近 N 次提交中修改最多的文件“代码变动最集中在哪里?”
get_ci_status某个引用对应的检查运行及结论“默认分支的 CI 是否通过?”
get_dependencies解析 package.json、requirements.txt、go.mod、Cargo.toml、pyproject.toml“这个项目依赖什么?”

每个工具都接受可选的 github_token 参数。不提供令牌时,访问公开仓库受 GitHub 每小时 60 次请求的限制。提供细粒度 PAT 后,每小时可请求 5,000 次,并可访问私有仓库。

定价

每次工具调用 $0.005。每位用户的前 100 次调用免费。

按事件付费——只有工具实际执行时才收费。无订阅费,无最低消费。服务以 Apify Standby 模式运行,因此空闲时不会收费。

使用方法

从兼容 MCP 的客户端使用(Claude Desktop、Cursor、Continue 等)

该 Actor 在以下地址提供 Streamable-HTTP MCP 传输:

https://cg-nguyen--github-repo-intel-mcp.apify.actor/mcp

身份验证通过 Authorization: Bearer <APIFY_TOKEN> 标头使用你的 Apify 令牌——大多数 MCP 客户端都允许你在服务配置中设置此项。

工具调用示例(原始 JSON-RPC)
curl -X POST https://cg-nguyen--github-repo-intel-mcp.apify.actor/mcp \
  -H "Authorization: Bearer <APIFY_TOKEN>" \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/call",
    "params": {
      "name": "get_repo_overview",
      "arguments": {"owner": "facebook", "repo": "react"}
    }
  }'
Claude Desktop 配置
{
  "mcpServers": {
    "github-repo-intel": {
      "url": "https://cg-nguyen--github-repo-intel-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer <APIFY_TOKEN>"
      }
    }
  }
}

限制与注意事项

  • Apify 免费层每月提供价值 $5 的使用额度——在按事件计费生效前,足够免费调用工具约 1,000 次。
  • get_hot_files 工具最多扫描 200 次提交,并针对每次提交进行一次 API 调用,因此它消耗 GitHub 速率限制的速度最快。如果经常调用,请传入 github_token。
  • get_ci_status 会读取 GitHub Checks API——它会显示 GitHub Actions、CodeQL,以及通过 Checks API 回传结果的任何第三方检查。完全在外部系统(Prow、Buildkite、未与 GitHub 集成的 CircleCI)上运行 CI 的仓库,即使构建成功,也可能显示 0 个检查运行。响应中包含一个用于标记此情况的 note 字段。
  • 这是一个只读服务。它无法创建 PR、评论议题或修改任何仓库状态。
  • 所有数据均直接来自 GitHub REST API——没有缓存层,因此数据的新鲜度取决于 GitHub API 返回的内容。

源码与路线图

作者:luongnp。欢迎提交功能需求——如果希望添加工具(议题看板、版本发布、通过 Dependabot API 获取依赖项漏洞等),请在 Actor 页面上提交议题。

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。