🧠 MCP Code Assistant

🧠 基于 MCP 的 AI 代码分析工具

一款基于 Model Context Protocol（MCP） 构建的 AI 开发者工具，可让大模型 Agent 通过结构化的 MCP 工具调用与代码库交互、分析和调试代码——扫描项目结构、提取代码元素，并检测 Python 反模式。

---

🌟 概述

基于 MCP 的 AI 代码分析工具搭建起大模型 Agent 与真实代码库之间的桥梁。它将项目结构、文件内容、类/函数映射和 Bug 检测功能作为结构化的 MCP 兼容工具调用开放，使 AI Agent（Claude、GPT-4 等）无需手动注入上下文，即可推理并浏览代码库。

主要功能：

• 🔗 MCP 工具集成：将代码库操作作为结构化工具开放，供大模型 Agent 使用
• 🔍 项目扫描：映射整个项目结构，并识别所有代码文件
• 🧠 代码分析：从 Python 文件中提取类、函数、导入项和全局变量
• 🔎 模式搜索：使用正则表达式在整个代码库中搜索指定模式
• 🐛 Bug 检测：识别常见的 Python Bug 和反模式
• 📁 文件管理：以编程方式更新文件内容

---

📋 要求

Python 3.6 或更高版本——无需外部库（仅使用 Python 标准库）

---

🔧 安装

git clone https://github.com/kiranimmadi2/MCP-Server.git
cd MCP-Server

---

📚 使用方法

命令行界面

python mcp.py /path/to/your/project [options]

选项	描述
--scan	扫描项目目录
--structure	打印项目结构
--analyze <file>	分析指定的 Python 文件
--search <regex>	在代码中搜索正则表达式模式
--bugs	查找 Python 文件中的潜在 Bug

示例

# Scan and show structure
python mcp.py /path/to/project --scan --structure

# Analyze a file
python mcp.py /path/to/project --analyze path/to/file.py

# Find bugs
python mcp.py /path/to/project --bugs

---

🧩 作为 Python 库 / MCP 工具后端使用

from mcp import MCP

mcp = MCP("/path/to/your/project")
mcp.scan_project()
mcp.print_structure()

# Structured output for LLM consumption
analysis = mcp.analyze_python_file("path/to/file.py")
results = mcp.search_code(r"class\s+[A-Z][a-zA-Z0-9_]*")
bugs = mcp.find_bugs()

---

🛣️ 路线图

• 完整的 MCP 服务模式，支持 JSON-RPC 工具注册
• 大模型 Agent 集成示例（Claude + LangChain）
• 支持 JavaScript 和 TypeScript
• 代码复杂度评分

---

📄 许可证

MIT 许可证——详情请参阅 LICENSE 文件。

使用纯 Python 构建。专为 AI 原生开发工作流而设计。