Neurodev Mcp

✨ 功能

📦 安装

快速安装

```bash

# Clone the repository
git clone https://github.com/ravikant1918/neurodev-mcp.git
cd neurodev-mcp

# Create virtual environment (recommended)
python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\\Scripts\\activate

# Install the package
pip install -e .
\`\`\`

### **Verify Installation**

\`\`\`bash
# Run tests (should show 15/15 passing)
python test_installation.py

# Test the server
python -m neurodev_mcp.server
\`\`\`

<details>
<summary><b>📁 Project Structure</b> (click to expand)</summary>

\`\`\`
neurodev-mcp/
├─ neurodev_mcp/              # 📦 Main package
│   ├─ __init__.py            # Package exports
│   ├─ server.py              # MCP server entry point
│   ├─ analyzers/             # 🔍 Code analysis
│   │   ├─ __init__.py
│   │   └─ code_analyzer.py   # Multi-tool static analysis
│   ├─ generators/            # 🧪 Test generation
│   │   ├─ __init__.py
│   │   └─ test_generator.py  # AST-based test creation
│   └─ executors/             # ▶️ Test execution
│       ├─ __init__.py
│       └─ test_executor.py   # Test running & formatting
├─ pyproject.toml             # Project configuration
├─ README.md                  # This file
├─ test_installation.py       # Installation validator
├─ examples.py                # Usage examples
└─ requirements.txt           # Dependencies

🚀 快速入门

步骤 1：配置 MCP 客户端

{
  "mcpServers": {
    "neurodev-mcp": {
      "command": "/absolute/path/to/neurodev-mcp/.venv/bin/python",
      "args": ["-m", "neurodev_mcp.server"]
    }
  }
}

{
  "neurodev-mcp": {
    "command": "python",
    "args": ["-m", "neurodev_mcp.server"]
  }
}

# Using the module
python -m neurodev_mcp.server

# Or as a command (if installed)
neurodev-mcp

步骤 2：重启客户端

重启 Claude Desktop 或重新加载 VSCode，以加载服务。

步骤 3：开始使用！🎉

尝试向 AI 助手发送以下指令：

• “检查这段 Python 代码是否存在问题”
• “为此函数生成单元测试”
• “运行这些测试并生成覆盖率报告”
• “将这段代码格式化为符合 PEP8 规范”

🌐 传输选项

NeuroDev MCP 支持多种传输协议，以适用于不同场景：

STDIO（默认）- 本地 CLI

适用于使用 Claude Desktop 或 Cline 等 MCP 客户端进行本地开发：

# Default STDIO transport
neurodev-mcp

# Or explicitly specify STDIO
neurodev-mcp --transport stdio

配置（Claude Desktop）：

{
  "mcpServers": {
    "neurodev-mcp": {
      "command": "neurodev-mcp",
      "args": ["--transport", "stdio"]
    }
  }
}

SSE（服务器发送事件）- Web 集成

适用于基于 Web 的集成和 HTTP 流式传输：

# Run with SSE on default port (8000)
neurodev-mcp --transport sse

# Custom host and port
neurodev-mcp --transport sse --host 0.0.0.0 --port 3000

端点：

• SSE 流： http://localhost:8000/sse
• 消息： http://localhost:8000/messages (POST)

Web 客户端示例：

const sse = new EventSource('http://localhost:8000/sse');

sse.onmessage = (event) => {
  const data = JSON.parse(event.data);
  console.log('Received:', data);
};

// Send message
fetch('http://localhost:8000/messages', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    method: 'tools/call',
    params: {
      name: 'code_review',
      arguments: { code: 'def test(): pass', analyzers: ['pylint'] }
    }
  })
});

传输方式对比

🛠️ 可用工具

1. code_review

🔍 使用多种静态分析工具进行全面代码分析

输入：

{
  "code": "def calculate(x):\n    return x * 2",
  "analyzers": ["pylint", "flake8", "mypy", "bandit", "radon", "ast"]
}

输出：

• 各分析器的详细问题报告
• 安全漏洞
• 复杂度指标
• 代码质量评分
• 逐行建议

2. generate_tests

🧪 使用 AST 分析智能生成 pytest 测试

输入：

{
  "code": "def add(a: int, b: int) -> int:\n    return a + b",
  "module_name": "calculator",
  "save": false
}

输出：

• 完整的 pytest 测试套件
• 多种测试用例（正常路径、边界情况、异常）
• 类型验证测试
• 可直接运行的测试代码

3. run_tests

▶️ 运行 pytest 测试并生成覆盖率报告

输入：

{
  "test_code": "def test_add():\n    assert add(1, 2) == 3",
  "source_code": "def add(a, b):\n    return a + b",
  "timeout": 30
}

输出：

• 通过/失败状态
• 覆盖率百分比
• 行覆盖率详情
• 执行时间
• 详细的 stdout/stderr

4. format_code

🎨 将 Python 代码自动格式化为符合 PEP8 标准的样式

输入：

{
  "code": "def   messy(  x,y  ):\n        return x+y",
  "line_length": 88
}

输出：

• 格式优美的代码
• 符合 PEP8 标准
• 风格一致
• 变更检测

💡 使用示例

示例 1：完整的代码审查工作流

You: "Review this code for issues and security problems"

[paste code]

AI: [Uses code_review tool]
    → Finds 3 style issues
    → Detects 1 security vulnerability
    → Suggests complexity improvements
    
You: "Fix those issues and show me the updated code"

AI: [Provides fixed code with explanations]

示例 2：生成并运行测试

You: "Generate tests for this function and run them"

def divide(a: float, b: float) -> float:
    if b == 0:
        raise ValueError("Cannot divide by zero")
    return a / b

AI: [Uses generate_tests tool]
    → Creates 5 test cases
    → Includes edge cases (zero, negative numbers)
    → Tests exception handling
    
    [Uses run_tests tool]
    → 5/5 tests passing ✓
    → 100% code coverage
    → All edge cases handled

示例 3：代码格式化

You: "Format this messy code"

def   calculate(  x,y,z  ):
        result=x+y+z
        if result>10:
                    return   True
        return False

AI: [Uses format_code tool]
    → Applies black formatting
    → Returns clean, PEP8-compliant code

def calculate(x, y, z):
    result = x + y + z
    if result > 10:
        return True
    return False

📋 依赖要求

Python： 3.8 或更高版本

🧪 开发

运行测试

# Run installation tests
python test_installation.py

# Run examples
python examples.py

# Run pytest (if you add tests)
pytest

作为库使用

from neurodev_mcp import CodeAnalyzer, TestGenerator, TestExecutor
import asyncio

# Analyze code
code = "def hello(): print('world')"
result = asyncio.run(CodeAnalyzer.analyze_ast(code))

# Generate tests
tests = TestGenerator.generate_tests(code, "mymodule")

# Run tests
output = TestExecutor.run_tests(test_code, source_code)

❓ 故障排查

# Reinstall the package
pip install -e .

# Verify installation
python -c "from neurodev_mcp import CodeAnalyzer; print('✓ OK')"

# Run installation tests
python test_installation.py

🤝 参与贡献

欢迎贡献！参与方式如下：

1. Fork 此仓库
2. 创建功能分支：git checkout -b feature/amazing-feature
3. 进行修改
4. 运行测试：python test_installation.py
5. 提交：git commit -m 'Add amazing feature'
6. 推送：git push origin feature/amazing-feature
7. 发起 Pull Request

未来改进

• 添加更多分析器（pydocstyle、vulture）
• 缓存结果以提升性能
• 支持配置文件
• Web 仪表板
• 支持多种语言
• CI/CD 流水线

📄 许可证

本项目采用 MIT License 授权，详情请参阅 LICENSE 文件。

🙏 致谢

• 基于 Model Context Protocol 构建
• 由 pylint、flake8、mypy、bandit、radon 提供支持
• 使用 pytest 进行测试
• 使用 black 进行格式化

📞 支持

• 📖 文档：你正在阅读本文档！
• 🐛 问题：GitHub Issues
• 💬 讨论：GitHub Discussions
• 📧 电子邮件：[email protected]