AI导哈

AI开发指南服务器

一个基于MCP协议的服务器，为AI代理提供专业的开发指南、编码标准和最佳实践，通过AI编排层智能选择和交付相关文档。

  • by anip1805-dotcom
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 anip1805-dotcom/MCPCodeAI

使用说明

人工智能开发指南MCP服务器

MCP（模型上下文协议）服务器，为AI代理提供专业开发指南、编码标准和最佳实践。服务器使用由Anthropic Claude提供支持的AI编排层，根据传入的代理请求智能地选择和交付正确的文档。

特性

  • 专业编码规则：编写生产质量代码的综合标准
  • 发展技能：解决问题、调试、测试等的最佳实践
  • AI转向说明：AI代理的上下文感知指南
  • AI编排：使用Claude进行智能文档选择
  • MCP协议：AI代理通信的标准协议
  • CI/CD管道：GitLab CI/CD，具有自动化测试和部署功能
  • 令牌优化：监控和优化令牌使用情况（约60%压缩）
  • 反馈收集：跟踪使用模式和性能指标
  • 压缩缓存：使用gzip压缩实现高效交付（减少59.7%）

建筑

服务器实现模型上下文协议，并提供：

  1. 资源：可通过MCP资源URI访问的文档文件
  2. 工具检索指南的四种主要工具：
    • get_coding_rules：专业编码标准
    • get_development_skills：发展最佳做法
    • get_steering_instructions：AI代理指导
    • get_custom_guidance：人工智能策划的针对特定情境的建议

安装

先决条件

  • Python 3.11+
  • 无烟煤API键（可选，但对于 get_custom_guidance 工具）

设置

  1. 克隆此存储库

  2. 安装依赖项：

    pip install -r requirements.txt

    或使用紫外线：

    uv sync

  3. （可选） 为AI驱动的自定义指南设置您的Anthropic API键：

    export ANTHROPIC_API_KEY="your-api-key-here"

    备注：服务器在没有API密钥的情况下工作，但 get_custom_guidance 该工具将返回一条优雅的错误消息，将用户引导到其他三个工具。静态文档工具(get_coding_rules, get_development_skills, get_steering_instructions)在没有任何API密钥的情况下完全工作。

用法

运行MCP服务器

python main.py

该服务器作为MCP stdio服务器运行，通过标准输入/输出进行通信。

MCP客户端配置

要将此服务器与MCP客户端（如Claude Desktop）一起使用，请将其添加到MCP配置中：

{
  "mcpServers": {
    "ai-dev-guidelines": {
      "command": "python",
      "args": ["/path/to/this/repo/main.py"],
      "env": {
        "ANTHROPIC_API_KEY": "your-api-key"
      }
    }
  }
}

可用工具

1.get_coding_rules

获得编写生产质量代码的专业编码规则和标准。

# No parameters required
result = await session.call_tool("get_coding_rules", {})

2.获取开发技能

获得开发技能、最佳实践和专业技术。

# No parameters required
result = await session.call_tool("get_development_skills", {})

3.获取跟踪指令

获取AI代理指导说明，以进行上下文感知开发。

# No parameters required
result = await session.call_tool("get_steering_instructions", {})

4.get_custom_guidance

获取针对您特定开发环境量身定制的人工智能指导。

# Requires query parameter
result = await session.call_tool("get_custom_guidance", {
    "query": "How do I implement secure authentication in a Python web app?",
    "context": "Building a Flask application with user login"  # optional
})

可用资源

服务器公开了三个文档资源：

  • guidelines://rules -专业编码规则
  • guidelines://skills -发展技能与实践
  • guidelines://steering -AI转向说明

配置

编辑 config.yaml 自定义：

  • 服务器名称和版本
  • 文档文件路径
  • AI模型设置（模型、max_tokens、温度）
  • 工具说明

文档

服务器中包含三个主要文档文件 docs/ 目录：

  • rules.md：专业编码标准、安全实践、测试要求
  • 技能.md：从调试到API设计的开发技能
  • 转向.md：用于有效代码生成的AI代理指导

您可以自定义这些文档以符合您组织的标准。

项目结构

.
├── main.py                    # Entry point
├── config.yaml                # Configuration
├── src/
│   ├── mcp_server.py         # Main MCP server implementation
│   ├── ai_orchestrator.py    # AI-powered context selector
│   └── utils/
│       ├── config.py          # Configuration management
│       └── document_loader.py # Documentation file loader
├── docs/
│   ├── rules.md              # Coding rules
│   ├── skills.md             # Development skills
│   └── steering.md           # AI steering
└── README.md

运作原理

  1. 代理请求：AI代理调用其中一个MCP工具
  2. 文档加载：服务器从markdown文件加载相关文档
  3. AI编排 （用于自定义指导）：Claude分析查询并选择相关内容
  4. 回应：服务器返回有针对性的、可操作的指导

发展

运行测试

pytest

添加新文档

  1. 在中创建或编辑markdown文件 docs/
  2. 更新 config.yaml 引用新文件
  3. 重新启动服务器

自定义AI行为

在中编辑系统提示 src/ai_orchestrator.py 改变人工智能选择和呈现文档的方式。

环境变量

  • ANTHROPIC_API_KEY：AI编排功能所需

许可证

麻省理工学院

贡献

欢迎投稿！请随时提交拉取请求或未决问题。

支持

对于问题或疑问，请打开GitHub问题。

相关 MCP