mcpField
G
gpp

gpp

本地服务
mahabubul470.github.io版本控制29 周前更新

关于 gpp

gpp 是面向人员与 Agent 频繁修改代码的版本控制系统,可持续记录变更,并将加密项目知识和有证据支持的信念关联到历史记录,以定位失效信念对应的提交。

主要功能

  1. 01持续捕获文件变更
  2. 02按意图和来源提升变更集
  3. 03加密且版本化的项目知识图谱
  4. 04追溯信念失效对应的提交
  5. 05语义差异比较并识别重命名与移动
  6. 06管理 Agent 策略、信誉和成本

适用场景

  1. 01保留提交之间由 Agent 产生的修改
  2. 02检查代码库笔记是否过时
  3. 03根据作者和成本记录审查变更
  4. 04通过 P2P 交换项目历史与知识

MCP 相关

gpp 内置 MCP 服务,客户端可查询知识图谱、提议带证据的信念和变更集,并报告成本。信念提议需要人工批准。

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。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库
安装包
cargogpp-cli0.2.2

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

gpp(git++)

CI License: MIT Rust 2024

AI Agent 持续修改代码,却会丢失两次提交之间的工作;它们记录的代码库笔记(CLAUDE.md、记忆库、知识文件)也会随着代码演进而悄然过时。gpp 是为这种现实打造的版本控制系统:它实时捕获每次变更,以明确的意图和来源信息提升精选变更集,并将项目知识托管在仓库自身的历史记录中——因此,当某次提交使你对代码的认知失效时,gpp 能指出那次提交。

gpp 演示

(录制内容由 scripts/demo.sh 生成——确定、可复现,无模拟内容。)

30 秒试用

cargo install gpp-cli

gpp init --graphex
echo "fn main() {}" > main.rs
gpp timeline                     # captured already — no staging, no commit
gpp promote -m "first cut" --intent feature
gpp diff HEAD                    # semantic diff: renames/moves are one op

还有其他 VCS 都做不到的部分——记录你对代码的认知,并让历史记录来监督它:

gpp belief add --claim "token expiry is 24h" --evidence src/auth.rs:7-7
# ...weeks of commits later...
gpp belief bisect "token expiry is 24h"
# INVALIDATED  cs:fhcpef7c  "raise token expiry to 7 days"
#  -     7 | pub const EXPIRY_HOURS: u64 = 24;
#  +     7 | pub const EXPIRY_HOURS: u64 = 168;

确定性处理——通过差异交集和 blob 哈希完成,不调用大模型或网络。(作为参考:如果要求判断已存储的记忆是否已失效,最先进的大模型在 STALE 基准测试中也只能达到 55.2% 的准确率——而这里是查询历史记录,不是做判断。)已在五个仓库、四种语言的真实历史记录上验证——axum 0.6→0.7、flask 1.1→2.0、clap 3→4、zod 3→4、go-redis 8→9——其中每条失效认知都能通过二分定位到已固定并记录的责任提交,而对照组认知则保持有效:完整矩阵请参见 demos/belief-bisect/。

它有何不同

  • 持续捕获。 高频时间线会记录每次文件变更(SQLite WAL、带防抖的监听器);精选变更集可从中通过明确的意图、作者类型(人类/Agent)和成本记录进行提升。提交之间的工作不会丢失。
  • Graphex:版本化、加密的项目知识。 架构、惯例、决策和认知存储在仓库内的加密知识图谱中,按每个 Agent 的信任级别分层授权,每次读取都会审计,并根据其依托的历史记录检查是否过时。
  • Agent 治理。 一流的 Agent 身份与信誉评分、在捕获/提升/同步时强制执行的合规即代码策略、异常检测,以及按变更集归属的令牌/成本统计。

其他一切——通过 Noise 进行 P2P 同步、重放、审查/RBAC、中继节点、TUI——都是底层平台:请参见 docs/ARCHITECTURE.md。

Git 是基础,不是竞争对手。 桥接工具(gpp git-import / git-export / git-bridge)可以往返转换真实的 Git 提交,因此 GitHub 和现有工作流仍可正常使用——gpp 的知识、来源信息和治理层与之并行运行。上面的 axum 演示完全基于通过此桥接工具导入的历史记录运行。

连接 Claude Code(或任何 MCP 客户端)

gpp 附带 MCP 服务;Agent 可以查询知识图谱(每条认知都包含新鲜度信息——锚点、此后发生的提交,以及使其过时的变更集)、撰写以证据为锚点的自身认知(通过 propose_belief 提出,经过人工批准后再由历史记录监督)、提议变更集并报告成本。在仓库根目录的 .mcp.json 中添加以下内容:

{
  "mcpServers": {
    "gpp": { "command": "gpp", "args": ["mcp-server", "--stdio"] }
  }
}

完整的客户端设置说明(Claude Desktop、通用 stdio)和公开的工具列表:docs/MCP.md。

状态

路线图的全部 9 个阶段(0–8)均已实现。 有关各阶段的交付内容和已记录的偏差,请参阅 docs/ROADMAP.md;有关按优先级排列的待办事项,请参阅 docs/TODO.md;有关持续更新的工程日志,请参阅 docs/WORKLOG.md。

验证日期:2026-08-23:工作区测试 184 项全部通过,cargo clippy 和 cargo fmt 均无问题,整个工作区构建成功。没有剩余的空壳 crate——每个 crate 都有可运行的实现。CI 中会测量覆盖率 (cargo llvm-cov;基线为行覆盖率 65.7%,正在提升)。

测试深度仍然参差不齐:基础层覆盖良好 (gpp-core、gpp-graphex、gpp-diff、gpp-tui 的行覆盖率均 ≥ 80%;CLI 则为策略执行、成本报告、审查者分配和信念二分查找提供了端到端测试套件),但若干集成 crate 仍停留在 冒烟测试级别(gpp-sdk、gpp-notify、gpp-rbac、gpp-replay)。 此处的“已实现”意为已构建并通过对应里程碑的测试,而非已在所有方面彻底加固。 弥合这一差距是 docs/TODO.md 中的首要事项。

完整分层表

层Crate已实现的内容
存储gpp-core内容寻址存储(BLAKE3 + zstd)、Blob/Tree、原始校验帧传输
时间线gpp-timelineSQLite(WAL)捕获、.gppignore、防抖监视器、裁剪
历史记录gpp-historyChangeset/Intent/Author、分支引用、提升、DAG 遍历
差异gpp-diff行级差异 + tree-sitter 语义差异(Rust/Python/TS/Go)、重命名/移动检测
Git 桥接gpp-git-bridgegit-import/git-export/git-bridge、SQLite 哈希映射
Graphexgpp-graphex加密知识图谱(age + AES-GCM)、按层级门控的投影、查询、生命周期、审计、信念 + 过时状态引擎
SDK / MCPgpp-sdkAgentSession;gpp mcp-server --stdio(JSON-RPC MCP)
信任gpp-trust信誉评分、状态转换、覆盖、事件
策略gpp-policy.policy TOML 规则,在 promote 时执行(阻止)+ 在 timeline 时执行(警告)+ 在 sync 时执行(阻止),内置模板
成本gpp-cost每个 changeset 的 token/$ 记录、预算、效率、Agent 自行报告
异常gpp-anomaly范围/突发/大小检测、处置工作流
同步gpp-syncNoise_XX P2P;对象/引用/策略/graphex;保留分叉
回放gpp-replay可复现的环境快照 + 漂移差异
审查/RBAC/通知gpp-review gpp-rbac gpp-notify审查生命周期、角色 + 分支保护、事件/收件箱/HMAC Webhook
远程gpp-remote创建 GitHub/GitLab/Bitbucket PR、增强描述内容、导入 CI/审查信息
中继gpp-relay常驻同步中心二进制文件 + 健康检查端点 + Dockerfile
客户端gpp-cli gpp-tui gpp-deps完整 CLI、ratatui TUI(gpp ui)、依赖情报(gpp deps + OSV)

此外:extensions/{gh-gpp,vscode-gpp,neovim-gpp}、GitHub Actions + GitLab CI 模板、deploy/ Docker 镜像、packaging/ Homebrew。

已记录的后续事项(已列入 ROADMAP/TODO,并非悄然跳过):依赖项的注册表/许可证 API、原生 PyO3/napi 绑定、向外同步平台审查结果、apt/dpkg 软件包。

安装 / 构建

cargo install gpp-cli                    # the `gpp` binary (crates.io)
cargo install gpp-relay                  # relay node (optional)

# or from a clone
cargo build --release
cargo test --workspace
cargo bench -p gpp-core -p gpp-diff      # criterion perf suite

Linux、macOS(ARM + Intel)和 Windows 的预构建二进制文件可在每个发布版本中获取; cargo install --git https://github.com/mahabubul470/gpp gpp-cli 会跟踪尚未发布的开发版本。

更多尝试

# Governance
gpp policy template secrets-scan
gpp trust show
gpp audit --include-cost --include-graphex

# Decentralized: sync two repos over Noise
gpp sync serve 127.0.0.1:9473             # on peer A
gpp sync add a 127.0.0.1:9473 && gpp sync # on peer B

# GitHub-compatible
gpp remote setup --platform github --repository acme/webapp
gpp remote pr-create --base main

项目背景请参阅 CLAUDE.md;完整规范(架构、数据模型、CLI、协议、路线图)请参阅 docs/; 用户指南和教程请参阅 docs/book/。

许可证

MIT

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。