mcpField
L
Local Coding Agent

Local Coding Agent

本地服务
github.com/pvnc228开发工具111 周前更新

关于 Local Coding Agent

Local Coding Agent 让云端编码 Agent 通过 MCP、Agent Skill 或命令行,将聚焦任务交给本机模型。它限制可修改文件范围,并要求检查通过后才能应用补丁;检查失败时会回滚并验证状态。

主要功能

  1. 01将聚焦任务委派给本地模型
  2. 02将变更限制在允许的文件内
  3. 03应用补丁前要求检查通过
  4. 04回滚失败变更并验证状态
  5. 05支持 MCP、Agent Skill、命令行和桌面应用

适用场景

  1. 01将窄范围编码任务交给云端 Agent 处理
  2. 02应用前审查本地模型提出的变更
  3. 03从脚本或 CI 运行经过检查的编码任务

MCP 相关

通过 MCP 服务向兼容的编码环境提供任务委派及相关本地 Agent 能力。可用 `local-agent init-mcp` 初始化服务,或用 `local-agent serve-mcp` 启动。

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": {
"pvnc228-local-coding-agent": {
"command": "uvx",
"args": [
"local-coding-agent"
]
}
}
}
启动命令uvx local-coding-agent

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
pypilocal-coding-agent1.1.1

工具

1

收录的工具列表 · 更新于 1 周前

参数类型必填说明
taskobject是
request_idstring是
model_profileany否
workspace_refstring是

详细介绍

Local Coding Agent

用于将编码任务从云端 Agent 委派给本机模型的本地执行与安全层。

CI Version Python License

什么是 Local Coding Agent?

Local Coding Agent 让云端编码 Agent 可以将范围明确的任务委派给本地模型,同时不向该模型开放对代码库的不受限访问权限。通过 MCP、可复用的 Agent Skill 或 local-agent CLI,连接 Codex、Claude Code、Cursor、Windsurf、Cline、OpenCode、Antigravity 或其他兼容的运行环境。云端 Agent 仍负责整体任务;Local Coding Agent 则提供受控的本地执行路径。

调用方 Agent 会发送明确的目标、工作区、允许访问的文件列表和检查项。本地模型会返回一份供审核的提案。本地模型负责提出方案;控制器负责验证。只有在确认声明的文件范围未被越界、补丁通过静态分析,并由真实的外部测试运行器确认配置的检查项通过后,才会报告变更已应用。如果应用后的检查失败,变更会被回滚,并依据记录的文件摘要验证回滚结果。本地模型无法在工作区中不受限制地执行 shell 命令或写入文件。

如果你需要 Windows 界面来进行本地聊天、选择模型、管理会话、查看任务状态和审核变更,请使用 Desktop Harness。终端、脚本、CI 或直接集成编码运行环境时,请使用 CLI。两者使用相同的控制器和安全规则。

Git 和交付流程由你掌控。Local Coding Agent 不会创建提交、推送分支、发布版本,也不会自行下载模型。

安全门禁会拒绝的情况

apply_proposal、local-agent apply 和桌面应用中的应用操作均由同一个安全门禁控制:

  • 如果补丁涉及声明范围之外的文件,则会在修改工作区前被拒绝(error.kind: patch_outside_scope)。
  • 如果没有针对性检查项,则拒绝应用——没有外部验证依据,就不应用(error.kind: apply_requires_checks)。
  • 如果补丁未通过应用后的检查,则会回滚;结果为 "rejected",且 error.kind 为 post_apply_check_failed。
  • 如果无法依据记录的基线确认回滚结果,则会报告 workspace_modified: true、workspace_state: "unknown",风险类型为 rollback_failed——绝不会将其报告为已干净恢复。

选择下载内容

当前公开版本:v1.1.1

如果你要用于终端工作流、脚本、CI 或与其他 AI 编码环境集成,请选择 CLI 版本。它提供 local-agent 命令、MCP 服务、Agent Skill、诊断工具、会话、模型工具和任务委派功能。

下载 CLI wheel 或 CLI 源码归档。Windows 用户可以下载 Desktop Harness 安装程序,并使用 SHA256SUMS.txt 验证已发布的文件。

v1.1.1 版本包含 CLI 归档文件和 Windows Desktop Harness 安装程序。本地推理始终在本地进行;请求实时模型响应前,请安装 Ollama 或运行兼容的本地模型服务。

桌面端 Harness

打开 Harness,选择一个工作区,选取一个本地模型,然后开始工作。桌面应用将完整的本地编码工作流整合到一个专注的界面中:

  • 交互式聊天,用于提问、获取解释和处理日常编码工作。
  • 聊天、构建、规划和自动模式,适用于不同类型的请求。
  • 委派任务,将范围明确的编码更改交给本地模型处理。
  • 工作区会话,方便你返回之前的对话和任务。
  • 模型发现、模型配置、上下文设置、硬件遥测和诊断。
  • 当本地后端已就绪、不可用或需要关注时,显示清晰的状态消息。
  • 应用更改前,可检查代码更改并运行检查。

下面的截图展示了应用加载 qwen2.5-coder:7b,并针对所选工作区返回真实响应。

与本地模型进行交互式聊天并收到响应 已加载的本地模型和 Harness 响应

CLI 安装

要求:

  • Python 3.10 或更高版本。
  • Git 位于 PATH 中,以便执行工作区操作。
  • Ollama 或兼容 OpenAI 的本地模型服务,用于实时推理。

安装 CLI 包:

pipx install local-coding-agent

或者从检出目录安装:

git clone https://github.com/pvnc228/local-coding-agent.git
cd local-coding-agent
python -m pip install -e .

检查安装情况:

local-agent doctor
local-agent test-run --mock

当输出将由其他工具使用时,在支持的命令中添加 --json。

连接其他 AI 编码 Agent

Local Coding Agent 可通过 MCP 或 Agent Skill 向其他 AI 编码环境提供其能力:

local-agent init-mcp --auto --write
local-agent init-skill --write

当客户端需要明确的命令时,手动启动 MCP 服务:

local-agent serve-mcp --workspace . --enable-tasks

客户端配置示例请参阅 docs/MCP_INTEGRATION.md,可复用的 Agent Skill 请参阅 skills/local-coding-agent/SKILL.md。

典型的编码请求

  1. 选择一个工作区和本地模型。
  2. 提出问题或描述你希望进行的更改。
  3. 在应用中检查建议的代码更改。
  4. 运行相关检查,确认无误后应用更改。

应用让工作流一目了然:你可以查看正在更改的内容、正在运行的检查,以及本地后端是否可用。提交、标签、推送和发布仍由你掌控。

CLI 命令

命令用途
local-agent delegate将范围明确的编码任务交给本地模型。
local-agent decompose将较大的请求拆分为较小的编码任务。
local-agent apply应用经过审查的更改并运行检查。
local-agent chat运行提示词或持久聊天会话。
local-agent sessions列出或检查已保存的会话。
local-agent profiles检查已配置的模型配置。
local-agent memory检查模型内存和 VRAM 设置。
local-agent calibrate根据 VRAM 预算计算安全的工作进程范围。
local-agent benchmark运行本地编码基准测试。
local-agent doctor诊断 Python、Git、Ollama、RAM、VRAM 和模型。
local-agent monitor提供本地指标仪表板。
local-agent test-run --mock运行确定性的本地工作流检查。

示例:

local-agent chat "Explain what context_manager.py does"
local-agent chat --repl --session-id refactor-session
local-agent delegate --task task.json --model qwen2.5-coder:7b --json
local-agent apply --patch-file patch.diff --workspace . --file src/foo.py --check "pytest tests/"
local-agent monitor --port 8765

打开 http://127.0.0.1:8765/dashboard,查看队列负载、延迟、每秒令牌数和更改记录。

CLI 还提供一些预览功能界面,它们不属于稳定契约,可能会随时更改,恕不另行通知:ui/app、lsp、serve-acp、skeletonize、lint-patch、scan-models、spill-read 和 grep。稳定且经过测试的命令集为上表中的命令,以及 desktop、chat、serve-mcp、init-mcp 和 init-skill。

实测结果与局限性

已发布的数据来自一个包含 20 项任务的测试套件,因此应将其视为参考,而非定论:

  • 在该测试套件中,qwen3.8-27b-q4 的正确率为 100.0%,95% Wilson 置信区间为 [83.9%, 100.0%];qwen3-8b-q6k 的正确率为 90.0%,置信区间为 [69.9%, 97.2%]。区间较宽是因为样本量较小,并非舍入误差。
  • 在此测试框架中,小模型可以处理单文件任务;跨文件协作(能力阶梯中的第 3 级)则需要宿主 Agent 先将任务分解为原子化任务包。
  • 结果取决于模型和硬件。在依据任何数据前,请先使用 local-agent benchmark 复现结果。

请参阅 docs/BENCHMARK.md,了解方法和完整数据表。

本地模型

模型配置文件描述提供商、模型、上下文窗口、生成限制和保持运行行为。Harness 可以发现已安装的 Ollama 模型和本地 GGUF 文件,而 CLI 会向脚本和集成提供相同的信息。

local-agent profiles list --json
local-agent memory status --json

文档

许可证

Local Coding Agent 根据 MIT License 发布。

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。