使用说明

DevPilot MCP：智能开发者工作流MCP服务器

一个基于人工智能的模型上下文协议（MCP）服务器，旨在通过智能代码审查、自动化文档生成、错误检测、复杂度分析和测试生成来增强软件开发工作流程。它集成了 Qwen2.5 以及使用其他Hugging Face模型为开发过程提供高质量的人工智能辅助。

关键特性

MCP 工具

代码审查自动化 – 基于AI的拉取请求分析，提供可操作的反馈
错误检测 – 识别漏洞、逻辑问题和常见的反模式
文档生成 – 自动生成结构化的技术文档
复杂性分析 – 评估代码复杂度并建议重构方案
测试生成 – 使用首选的测试框架生成单元测试

MCP资源公司

Git仓库与项目健康状况分析
代码质量指标与见解
可选地与问题跟踪系统集成

所使用的AI模型

Qwen2.5 – 高级代码理解和生成能力
CodeBERT – 代码嵌入生成
FLAN-T5 – 自然语言生成与摘要

项目结构

devpilot-mcp/
├── src/
│   ├── server.py          # Core MCP server
│   ├── config.py          # Configuration and environment settings
│   ├── tools.py           # MCP tool implementations
│   ├── resources.py       # Resource definitions
│   └── models.py          # AI model integration logic
├── tests/
│   ├── test_server.py
│   ├── test_model.py
│   └── test_tools.py
├── demo.py                # Example runner for local testing
├── requirements.txt
├── pyproject.toml
├── .env.example
└── README.md

快速入门

先决条件

Python 3.10 或更高版本
Git（注：Git是一个分布式版本控制系统，常用于代码管理和协作开发）
（可选）用于扩展速率限制的 Hugging Face API 令牌

安装

git clone https://github.com/amannpy/devpilot-mcp.git
cd devpilot-mcp
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate
pip install -r requirements.txt
cp .env.example .env

然后编辑 .env 并根据需要设置您的配置值。

运行服务器

python src/server.py

要试用演示脚本：

python demo.py

使用示例

示例1：代码审查

{
  "tool": "review_pull_request",
  "arguments": {
    "pr_content": "def calculate(a, b): return a + b",
    "language": "python"
  }
}

示例2：错误检测

{
  "tool": "detect_bugs",
  "arguments": {
    "code_content": "query = 'SELECT * FROM users WHERE id = ' + user_id",
    "severity_filter": "critical"
  }
}

示例3：复杂度分析

{
  "tool": "analyze_complexity",
  "arguments": {
    "code_content": "def f():\n    for i in range(10):\n        if i % 2 == 0:\n            print(i)"
  }
}

配置

环境变量

示例 .env：

HUGGINGFACE_API_TOKEN=hf_xxxxxxxxxxxxxx
LOG_LEVEL=INFO
MCP_SERVER_NAME=intelligent-dev-workflow
MAX_FILE_SIZE=100000
MAX_COMPLEXITY_SCORE=10.0

高级设置

编辑 src/config.py 进行定制：

模型路径和API
缓存策略和过期时间
日志记录和详细程度
复杂性阈值

测试

运行所有测试用例：

pytest -v

包含以下内容：

pytest --cov=src --cov-report=html

单个测试文件：

pytest tests/test_server.py -v

使用 mypy 进行类型检查：

mypy src/ --ignore-missing-imports

使用 ruff 进行代码检查：

ruff check
ruff check --fix  # Auto-fix issues

MCP集成

MCP客户端的示例配置：

{
  "mcpServers": {
    "intelligent-dev-workflow": {
      "command": "python",
      "args": ["src/server.py"],
      "env": {
        "HUGGINGFACE_API_TOKEN": "your_token_here"
      }
    }
  }
}

可用工具

工具名称	描述	输入参数
`review_pull_request`	AI 代码审查	`pr_content`， `language`
`generate_documentation`	创建文档	`code_content`， `doc_style`
`detect_bugs`	检测漏洞	`code_content`， `severity_filter`
`analyze_complexity`	分析复杂性	`code_content`
`generate_tests`	生成单元测试	`code_content`， `test_framework`

性能与设计

缓存具有可配置TTL的内存缓存
异步处理使用 asyncio 实现非阻塞异步 I/O
速率限制API使用自适应限速
记录日志结构化JSON和控制台日志记录选项

发展指南

遵循PEP 8编码规范
全程使用类型提示（与mypy兼容）
包括所有核心模块的单元测试
文档齐全的模块化架构

贡献：

git checkout -b feature/your-feature
git commit -m "Add new feature"
git push origin feature/your-feature

然后提交一个拉取请求。

许可证

根据MIT许可证授权。

联系

GitHub Issues（GitHub问题）：打开一个问题（或议题）
讨论：加入讨论
电子邮件aman.kumar.cse2611@gmail.com（这个邮箱地址本身在中文语境下无需翻译，但若要说明其含义，可以表述为：“这是邮箱地址 aman.kumar.cse2611@gmail.com”）

路线图

[ ] GitHub Actions CI/CD 功能增强
[ ] VS Code与JetBrains插件集成
[ ] 实时网页仪表盘
[ ] 扩展多语言模型支持
[ ] SaaS 部署模板

专为寻求将人工智能智能融入其工作流程的现代开发者而开发。