使用说明

ACE MCP Server

Agentic Context Engineering - Self-improving AI context framework

Version: 1.0.0 | License: MIT

🎯 概述

ACE MCP Server是一个智能开发助手，可以从您的编码模式中学习，并自动增强您的开发工作流程。它通过模型上下文协议（MCP）与Cursor AI无缝集成，提供上下文代码生成、智能分析和自我改进建议。

✨ 主要特点

🤖 智能代码生成 -具有自动提示增强的上下文感知代码生成
🧠 智能代码分析 -深度代码分析，并提供可操作的改进建议
📚 自我提升剧本 -从开发工作中积累知识和模式
🔧 多种LLM支持 -与OpenAI、Anthropic Claude、DeepSeek、Google Gemini、Mistral和LM Studio合作
🐳 Docker就绪 -用于本地和生产部署的完整容器化解决方案
🔒 缺省巩固安全 -承载令牌认证和综合安全措施

🚀 ACE的独特之处

ACE不仅生成代码学习根据您的开发模式和改善随着时间的推移：

生成情境发展轨迹
反映关于提取见解和模式的代码
助理牧师 将知识转化为自我提升的剧本
增强积累智慧的未来互动

📚 文档

🚀 入门指南

安装指南 -完整的设置说明
项目概述 -详细项目介绍
快速开始 -快速运行ACE

⚙️ 设置和配置

光标AI设置 -基本MCP集成
增强的自动设置 -智能汽车增强功能
LLM提供商 -配置不同的AI提供商

🚀 部署

生产部署 -部署到生产服务器
完整部署指南 -完整的Docker部署指南

📖 项目文件

项目状态 -当前发展状况
建筑 -技术架构细节
GitHub设置 -存储库初始化

⚡ 快速开始

1.克隆和设置

git clone https://github.com/Angry-Robot-Deals/ace-mcp.git
cd ace-mcp
cp .env.example .env
# Edit .env with your configuration

2.Docker开发

# Start development environment
docker-compose -f docker-compose.dev.yml up -d

# View logs
docker-compose -f docker-compose.dev.yml logs -f

# Stop environment  
docker-compose -f docker-compose.dev.yml down

3.配置MCP客户端

选择安装环境：

光标AI -推荐用于AI驱动的代码编辑
克劳德桌面版 -适用于Anthropic的Claude Desktop应用程序
帆板运动 -适用于Windsurf IDE
独立/CLI -作为独立服务器运行

另请参阅详细的设置说明：

基本光标AI设置 -使用基本ACE工具初始化MCP服务器
增强的自动设置 -自动增强提示并调用适当的ACE方法

4.使用ACE命令

# Smart code generation
@ace_smart_generate create a REST API endpoint

# Intelligent code analysis  
@ace_smart_reflect [your code here]

# Context-aware assistance
@ace_context_aware optimize database queries domain:database

# Automatic prompt enhancement
@ace_enhance_prompt create secure authentication focus_area:security

# View current playbook
@ace_playbook

5.查看播放手册

ACE剧本存储了您在开发工作中积累的知识和模式。使用以下方式查看：

选项1：通过API端点（JSON）

curl -H 'Authorization: Bearer YOUR_TOKEN' \
  http://localhost:34301/api/playbook | python3 -m json.tool

选项2：使用提供的脚本

./view-playbook.sh

选项3：通过Cursor AI中的MCP工具

@ace_playbook

选项4：通过仪表板

http://localhost:34300

该剧本包含：

模式 -从工作中学到的代码模式和惯例
最佳实践 -随着时间的推移积累的开发最佳实践
洞察 -从代码反思中提取的关键见解

🛠️ 发展

先决条件

Node.js 18+
Docker&Docker编写
TypeScript

地方发展

# Install dependencies
npm install

# Run tests
npm test

# Build project
npm run build

# Start development server
npm run dev

测试MCP方法

测试套件通过MCP协议验证所有4种MCP方法：

ace_smart_generate -具有自动增强功能的代码生成
ace_smart_reflect -代码分析及建议
ace_context_aware -情境辅助
ace_enhance_prompt -快速增强

所有测试均验证：

✅ 正确的响应结构
✅ 必填字段存在
✅ 错误处理
✅ 工具可用性

局部测试

# Using npm script (recommended)
npm run test:mcp

# Or directly
node test-server.mjs

Docker测试

# Build and start the container
docker-compose up -d ace-server

# Run tests inside the container using npm script
npm run test:mcp:docker

# Or directly
docker exec ace-mcp-server node test-server.mjs

# Or using direct Docker build
docker run --rm -it \
  -v $(pwd)/test-server.mjs:/app/test-server.mjs:ro \
  ace-mcp-server:latest \
  node test-server.mjs

注：测试套件会自动检测它是在Docker中运行还是在本地运行，并相应地调整服务器路径。

Docker管理

使用Docker Compose（推荐）

# Development environment
docker-compose -f docker-compose.dev.yml up -d

# Production environment  
docker-compose up -d

# View service logs
docker-compose logs ace-server
docker-compose logs ace-dashboard

# Rebuild services
docker-compose build --no-cache

直接Docker构建（替代方案）

如果你更喜欢直接构建和运行Docker镜像，而不需要 docker-compose:

# Build the Docker image
docker build -t ace-mcp-server:latest .

# Run the container
docker run -d \
  --name ace-mcp-server \
  -p 34301:34301 \
  -e LLM_PROVIDER=deepseek \
  -e DEEPSEEK_API_KEY=your-api-key \
  -e ACE_SERVER_PORT=34301 \
  -e API_BEARER_TOKEN=your-secure-token \
  -v ace_contexts:/app/contexts \
  -v ace_logs:/app/logs \
  ace-mcp-server:latest

# View logs
docker logs -f ace-mcp-server

# Stop the container
docker stop ace-mcp-server

# Remove the container
docker rm ace-mcp-server

注：使用直接Docker构建时，您需要：

手动创建命名卷： docker volume create ace_contexts 和 docker volume create ace_logs
通过以下方式设置所有必需的环境变量 -e 标志或使用 --env-file .env
如果需要连接到其他服务，请配置网络

🔧 配置

LLM提供商和模型

ACE支持6家不同型号的LLM提供商：

支持的提供商

深度求索 （推荐）⭐
- 供应商： deepseek
- 默认型号： deepseek-chat （V3.2-Exp）
- 嵌入模型： deepseek-embedding
- 最适合：ACE框架性能，经济高效
- 定价：0.28/1M输入，0.42/1M输出代币
- 上下文：128K令牌，最大输出：32K（推理机模式）
- 环境变量：
```
LLM_PROVIDER=deepseek
DEEPSEEK_API_KEY=sk-your-deepseek-api-key
DEEPSEEK_MODEL=deepseek-chat
DEEPSEEK_EMBEDDING_MODEL=deepseek-embedding
```
开放人工智能
- 供应商： openai
- 模型： gpt-4o, gpt-4, gpt-3.5-turbo
- 嵌入模型： text-embedding-3-small, text-embedding-3-large
- 环境变量：
```
LLM_PROVIDER=openai
OPENAI_API_KEY=sk-your-openai-api-key
OPENAI_MODEL=gpt-4o
OPENAI_EMBEDDING_MODEL=text-embedding-3-small
```
安thropic克劳德
- 供应商： anthropic
- 模型： claude-3-5-sonnet-20241022, claude-3-opus, claude-3-sonnet, claude-3-haiku
- 环境变量：
```
LLM_PROVIDER=anthropic
ANTHROPIC_API_KEY=sk-ant-your-api-key
ANTHROPIC_MODEL=claude-3-5-sonnet-20241022
```
谷歌双子座
- 供应商： gemini
- 模型： gemini-1.5-pro, gemini-1.5-flash, gemini-pro
- 环境变量：
```
LLM_PROVIDER=gemini
GOOGLE_API_KEY=your-google-api-key
GOOGLE_MODEL=gemini-1.5-pro
```
米斯特拉尔
- 供应商： mistral
- 模型： mistral-large-latest, mistral-medium-latest, mistral-small-latest
- 环境变量：
```
LLM_PROVIDER=mistral
MISTRAL_API_KEY=your-mistral-api-key
MISTRAL_MODEL=mistral-large-latest
```
LM工作室 （本地/自托管）
- 供应商： lmstudio
- 模型：任何与OpenAI API格式兼容的本地模型
- 环境变量：
```
LLM_PROVIDER=lmstudio
LMSTUDIO_BASE_URL=http://localhost:1234/v1
LMSTUDIO_MODEL=local-model
```

环境变量

复制 .env.example 到 .env 并配置：

# LLM Provider Selection (required)
# Options: 'deepseek', 'openai', 'anthropic', 'gemini', 'mistral', 'lmstudio'
LLM_PROVIDER=deepseek

# Provider-specific API keys and models (see above for details)
DEEPSEEK_API_KEY=sk-your-deepseek-api-key
DEEPSEEK_MODEL=deepseek-chat

# Server Configuration
ACE_SERVER_PORT=34301
DASHBOARD_PORT=34300
API_BEARER_TOKEN=your-secure-token

# Docker Configuration
COMPOSE_PROJECT_NAME=ace-mcp
DOCKER_BUILDKIT=1

有关完整的配置选项，请参阅 .env.example 文件。

安装和配置

光标AI

全局配置（所有用户和项目）-推荐

macOS/Linux：

创建或编辑全局MCP配置文件：

mkdir -p ~/Library/Application\ Support/Cursor/User/globalStorage
nano ~/Library/Application\ Support/Cursor/User/globalStorage/mcp.json

添加以下配置：

{
  "mcpServers": {
    "ace-context-engineering": {
      "command": "node",
      "args": ["/absolute/path/to/ace-mcp-server/dist/index.js"],
      "env": {
        "LLM_PROVIDER": "deepseek",
        "DEEPSEEK_API_KEY": "your-deepseek-api-key-here",
        "API_BEARER_TOKEN": "your-secure-bearer-token-here",
        "ACE_LOG_LEVEL": "info",
        "ACE_CONTEXT_DIR": "./contexts"
      }
    }
  }
}

窗户：

{
  "mcpServers": {
    "ace-context-engineering": {
      "command": "node",
      "args": ["C:\\path\\to\\ace-mcp-server\\dist\\index.js"],
      "env": {
        "LLM_PROVIDER": "deepseek",
        "DEEPSEEK_API_KEY": "your-deepseek-api-key-here",
        "API_BEARER_TOKEN": "your-secure-bearer-token-here"
      }
    }
  }
}

Linux：

mkdir -p ~/.config/Cursor/User/globalStorage
nano ~/.config/Cursor/User/globalStorage/mcp.json

项目特定配置

创建 .cursor/mcp.json 在项目根目录中：

{
  "mcpServers": {
    "ace-context-engineering": {
      "command": "node",
      "args": ["./ace-mcp-server/dist/index.js"],
      "env": {
        "LLM_PROVIDER": "deepseek",
        "DEEPSEEK_API_KEY": "your-api-key",
        "API_BEARER_TOKEN": "your-token"
      }
    }
  }
}

重新启动游标AI 以应用更改。

克劳德桌面版

安装

macOS：

~/Library/Application Support/Claude/claude_desktop_config.json

窗户：

%APPDATA%\Claude\claude_desktop_config.json

Linux：

~/.config/Claude/claude_desktop_config.json

配置

创建或编辑配置文件：

macOS/Linux：

mkdir -p ~/Library/Application\ Support/Claude  # macOS
# or
mkdir -p ~/.config/Claude  # Linux

nano ~/Library/Application\ Support/Claude/claude_desktop_config.json  # macOS
# or
nano ~/.config/Claude/claude_desktop_config.json  # Linux

窗户：

New-Item -ItemType Directory -Force -Path "$env:APPDATA\Claude"
notepad "$env:APPDATA\Claude\claude_desktop_config.json"

添加ACE配置：

{
  "mcpServers": {
    "ace-context-engineering": {
      "command": "node",
      "args": ["/absolute/path/to/ace-mcp-server/dist/index.js"],
      "env": {
        "LLM_PROVIDER": "deepseek",
        "DEEPSEEK_API_KEY": "your-deepseek-api-key-here",
        "API_BEARER_TOKEN": "your-secure-bearer-token-here",
        "ACE_LOG_LEVEL": "info"
      }
    }
  }
}

重新启动克劳德桌面 以应用更改。

帆板运动

安装

macOS：

~/Library/Application Support/Windsurf/User/globalStorage/mcp.json

窗户：

%APPDATA%\Windsurf\User\globalStorage\mcp.json

Linux：

~/.config/Windsurf/User/globalStorage/mcp.json

配置

打开风帆设置 → MCP服务器
添加ACE配置：

{
  "mcpServers": {
    "ace-context-engineering": {
      "command": "node",
      "args": ["/absolute/path/to/ace-mcp-server/dist/index.js"],
      "env": {
        "LLM_PROVIDER": "deepseek",
        "DEEPSEEK_API_KEY": "your-api-key",
        "API_BEARER_TOKEN": "your-token"
      }
    }
  }
}

重新启动Windsurf 以应用更改。

独立/CLI

作为独立服务器运行

您可以将ACE MCP服务器作为独立服务器运行：

# Using compiled JavaScript
node /path/to/ace-mcp-server/dist/index.js

# Using tsx (development)
npx tsx /path/to/ace-mcp-server/src/index.ts

使用Docker

# Build and run
docker build -t ace-mcp-server:latest .
docker run -d \
  --name ace-mcp-server \
  -p 34301:34301 \
  -e LLM_PROVIDER=deepseek \
  -e DEEPSEEK_API_KEY=your-api-key \
  -e API_BEARER_TOKEN=your-token \
  ace-mcp-server:latest

程序化使用

import { spawn } from 'child_process';
import { Client } from '@modelcontextprotocol/sdk/client/index.js';
import { StdioClientTransport } from '@modelcontextprotocol/sdk/client/stdio.js';

// Start ACE server
const transport = new StdioClientTransport({
  command: 'node',
  args: ['/path/to/ace-mcp-server/dist/index.js'],
  env: {
    LLM_PROVIDER: 'deepseek',
    DEEPSEEK_API_KEY: 'your-api-key',
    API_BEARER_TOKEN: 'your-token'
  }
});

const client = new Client({
  name: 'my-app',
  version: '1.0.0'
}, {
  capabilities: {}
});

// Connect to server
await client.connect(transport);

// List available tools
const tools = await client.listTools();
console.log('Available tools:', tools.tools.map(t => t.name));

// Call a tool
const result = await client.callTool({
  name: 'ace_smart_generate',
  arguments: {
    prompt: 'Create a REST API endpoint for user authentication'
  }
});

console.log('Generated code:', result.content);

可用的MCP工具

ACE MCP服务器提供 4个综合工具:

ace_smart_generate -利用ACE洞察自动生成增强代码
- 参数： prompt （必填）， context （可选）， auto_enhance （可选，默认值：true）
- 利用积累的剧本知识来增强代码生成
ace_smart_reflect -自动分析代码并提出改进建议
- 参数： code （必填）， auto_suggest （可选，默认值：true）
- 根据最佳实践提供可操作的改进建议
ace_context_aware -获取与上下文相关的建议
- 参数： query （必填）， domain （可选）
- 提供特定领域的帮助（web、api、数据库、前端、后端等）
ace_enhance_prompt -利用剧本知识增强提示
- 参数： prompt （必填）， focus_area （可选）
- 使用积累的知识自动改进提示

🤝 贡献

阅读文档 -从以下内容开始项目概述
遵循最佳实践 -回顾开发指南
提交PR - 遵循我们的贡献指南

📄 许可证

此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。

🔗 链接

ACE MCP服务器-让AI开发更智能，一次一个交互。 🚀

使用说明

ACE MCP Server

🎯 概述

✨ 主要特点

🚀 ACE的独特之处

📚 文档

🚀 入门指南

⚙️ 设置和配置

🚀 部署

📖 项目文件

⚡ 快速开始

1.克隆和设置

2.Docker开发

3.配置MCP客户端

4.使用ACE命令

5.查看播放手册

🛠️ 发展

先决条件

地方发展

测试MCP方法

局部测试

Docker测试

Docker管理

使用Docker Compose（推荐）

直接Docker构建（替代方案）

🔧 配置

LLM提供商和模型

支持的提供商

环境变量

安装和配置

光标AI

全局配置（所有用户和项目）-推荐

项目特定配置

克劳德桌面版

安装

配置

帆板运动

安装

配置

独立/CLI

作为独立服务器运行

使用Docker

程序化使用

可用的MCP工具

🤝 贡献

📄 许可证

🔗 链接

相关 MCP

Unity MCP AI游戏开发工具

MATLAB代码执行与生成服务

Claude代码MCP服务器

Python代码执行器

Ionic开发工具服务器

LLM代码生成服务