代码库文本转换MCP服务器

带有AI任务生成的Repo-to-Text MCP服务器（Shotgun模式）

代码库、LLM和实现之间的终极桥梁

一个强大的MCP（模型上下文协议）服务器，通过人工智能分析、智能过滤和 Gemini驱动的实施任务生成。与Shotgun类似，但更好——它为Cursor、Windsurf和Claude Desktop生成完整的实现指令。

🚀 为什么这比其他一切都好

✨ 主要特点

• 🧠 AI驱动的分析 -Claude分析你的项目并提出最佳排除方案
• 🎯 多种输出格式 -XML（最适合LLM）、Shotgun（兼容游标）、Markdown
• 📊 令牌估计 -确切地知道你在不同LLM中使用了多少上下文
• 🔄 智能分块 -自动拆分大型仓库以适应不同的模型限制
• 🛠 补丁应用程序 -将LLM响应应用于您的代码库，并确保其安全运行
• 🎨 项目类型感知 -检测语言/框架并相应地进行优化
• ⚡ 快速燃烧 -高效的文件处理和智能过滤

🎯 非常适合Gemini 2.5 Pro

此MCP服务器针对Gemini 2.5 Pro进行了优化 200万令牌上下文:

• Gemini喜欢的干净XML格式
• 智能预处理，最大限度地利用上下文
• 令牌估计，知道您使用的上下文小于可用上下文的5%
• 处理其他工具无法处理的大量代码库

📦 安装

先决条件

• Python 3.7+
• Claude Desktop（用于MCP集成）
• Gemini 2.5 Pro访问权限（用于任务生成功能）

快速安装

# Clone the repository
git clone https://github.com/YOUR_USERNAME/repo-to-text-mcp-server.git
cd repo-to-text-mcp-server

# Install dependencies
pip install -r requirements.txt

# Run installation script
chmod +x install.sh
./install.sh

手动安装

1. 安装Python依赖项：

   复制

   pip install pyyaml pathspec mcp
   

2. 配置Claude桌面： 添加到您的Claude Desktop配置文件(~/.claude/config.json):

   复制

   {
     "mcpServers": {
       "repo-to-text": {
         "command": "python",
         "args": ["/path/to/repo_to_text_mcp_server.py"]
       }
     }
   }
   

3. 重新启动克劳德桌面

🚀 快速开始

1.分析你的项目

Analyze my project at /path/to/my/code

通过人工智能建议获得有关代码库的全面见解。

2.生成LLM就绪上下文

Generate repo context for /path/to/my/code in XML format

创建干净、结构化的文本，非常适合任何LLM。

3.生成实施计划（新增！）

Generate implementation plan for /path/to/my/code with requirements: "Add user authentication"

获取完整的Gemini提示以生成实现指令。

4.解析AI响应

Parse this Gemini response for Cursor: [paste response]

将AI输出转换为IDE特定的实现步骤。

🛠 可用工具

🎯 新增：Shotgun样式实现生成

此MCP服务器现在包括受Shotgun启发的强大任务生成功能，但更好：

完整的工作流程

1. 描述您的要求

   复制

   "I need to add user authentication with JWT tokens to my Express app"
   

2. 制定实施计划

   复制

   Use generate_implementation_plan for /path/to/project with requirements: "Add JWT authentication..."
   

3. 获取Gemini优化提示

   • 自动分析整个代码库
   • 为Gemini 2.5 Pro创建全面提示
   • 包括项目背景、结构和要求

4. 解析双子座的反应

   复制

   Parse this Gemini response for Cursor IDE...
   

5. 获取IDE特定指令

   • 光标/风帆：分步实施指南
   • 克劳德桌面：按优先事项对任务进行细分
   • 通用的：任何工具的结构化JSON

示例：向Express应用程序添加身份验证

重要提示：此工具为Gemini 2.5 Pro生成提示。您需要：

1. 从该工具复制生成的提示
2. 将其粘贴到Gemini 2.5 Pro中（通过web界面或API）
3. 复制Gemini的回复
4. 使用 parse_gemini_response 将其转换为IDE指令的工具

# Step 1: Analyze the project
"Analyze my Express project at /Users/me/myapp"

# Step 2: Generate implementation tasks
"Generate implementation tasks for /Users/me/myapp with requirements: 
Add JWT-based authentication with:
- User registration and login endpoints
- Password hashing with bcrypt
- JWT token generation and validation
- Protected route middleware
- User profile endpoint"

# Step 3: Copy prompt to Gemini 2.5 Pro
# (The tool provides a complete prompt)

# Step 4: Parse Gemini's response
"Parse this Gemini response for Cursor:
[Paste Gemini's response here]"

# Result: Complete implementation directives!

光标输出示例

# 🎯 CURSOR IMPLEMENTATION DIRECTIVES

## 📋 TASK OVERVIEW
Implement JWT authentication system for Express application...

## 🏗️ ARCHITECTURE CHANGES
- Add auth middleware directory
- Create user model with Mongoose
- Add authentication routes
- Implement JWT utility functions

## 📝 IMPLEMENTATION STEPS

### Step 1: Install Dependencies
```bash
npm install jsonwebtoken bcrypt express-validator

步骤2：创建用户模型

创建 models/User.js:

const mongoose = require('mongoose');
const bcrypt = require('bcrypt');

const userSchema = new mongoose.Schema({
  email: { type: String, required: true, unique: true },
  password: { type: String, required: true },
  // ... complete implementation
});

步骤3：创建身份验证中间件

[…详细的实施步骤…]

## 📝 Output Formats

### XML Format (Recommended)
Clean, structured format that works perfectly with all modern LLMs:
```xml
<repo-to-text>
Directory: myproject
<directory_structure>
├── src/
│   └── main.py
└── README.md
</directory_structure>
<content full_path="src/main.py">
def hello():
    print("Hello World")
</content>
</repo-to-text>

Shotgun格式（光标兼容）

与Cursor、Windsurf和复制粘贴工作流兼容：

*#*#*src/main.py*#*#*begin*#*#*
def hello():
    print("Hello World")
*#*#*end*#*#*

Markdown格式

非常适合文档和人类阅读：

# Repository: myproject
## File Contents
### src/main.py
```python
def hello():
    print("Hello World")

## 🎯 Usage Examples

### Basic Workflow

1.先分析

“在/Users/my/myapp上分析我的React项目”

2.生成上下文

“生成不包括node_modules和测试文件的repo上下文”

3.与您最喜欢的LLM一起使用

→ 粘贴到Gemini 2.5 Pro，获得大量补丁

→ 应用回代码库

### Advanced Usage

自定义排除

“为/path/to/code生成repo上下文，不包括['*.test.js'、'docs/、'examples/]]”

生成前预览

“预览/path/到/my/large/project中包含的文件”

令牌优化

“为Claude 3.5 Sonnet压缩此回购上下文”

应用LLM补丁

“先用模拟运行将此补丁应用于/path/to/code”

## ⚙️ Configuration

Create `.repo-to-text-settings.yaml` in your project root for custom settings:

```yaml
gitignore-import-and-ignore: true

ignore-tree-and-content:
  - "node_modules/"
  - "__pycache__/"
  - "*.log"
  - "dist/"
  - "build/"

ignore-content-only:
  - "package-lock.json"
  - "yarn.lock"
  - "README.md"

force-include:
  - "Dockerfile"
  - "package.json"
  - "requirements.txt"

🎛 智能默认值

服务器自动排除常见噪音：

• 依赖项: node_modules/, venv/, __pycache__/
• 构建工件: dist/, build/, target/
• 版本控制: .git/, .svn/
• IDE文件: .vscode/, .idea/
• 媒体文件: *.png, *.jpg, *.mp4
• 档案: *.zip, *.tar.gz

包括重要文件：

• 配置文件: package.json, requirements.txt, Dockerfile
• 文档: README.md, LICENSE

🚀 完美的工作流程

Gemini 2.5 Pro工作流程（推荐）

1. 分析 → 克劳德了解你的项目
2. 生成XML → Gemini 2M上下文的完美格式
3. 粘贴和提示 → 获取大量连贯的补丁
4. 安全使用 → 先进行试运行，然后涂抹

光标/风帆工作流程

1. 生成Shotgun格式 → 兼容的分隔符
2. 粘贴到IDE → 直接积分法
3. 获取不同的响应 → 通过IDE工具应用

多LLM工作流

1. 估算代币 → 知道什么适合哪里
2. 智能填充 → 拆分为较小的型号
3. 使用最佳模型 → 通往最佳LLM的途径

🔧 故障排除

🤝 贡献

欢迎投稿！请阅读我们的投稿指南：

1. 分叉存储库
2. 创建要素分支
3. 进行更改
4. 如果适用，添加测试
5. 提交拉取请求

📊 演出

• 快速燃烧：在毫秒内处理1000多个文件
• 内存效率高：流式传输大文件，不将所有文件加载到内存中
• 智能缓存：重复使用分析结果
• 处理大量回购：包含10k+文件的Git存储库

🌟 明星历史

📄 许可证

MIT许可证-请参阅 许可证 文件以获取详细信息。

🙏 致谢

• 灵感来自 霰弹枪 和 回购到文本
• 为 模型上下文协议
• 优化为 双子座2.5 Pro的大型上下文窗口
• 克劳德的智力增强了

🔗 相关项目

• 霰弹枪代码 -桌面GUI方法
• 回购到文本 -CLI工具
• git2gpt -简单转换器
• 主控程序 -模型上下文协议

利用人工智能将整个代码库转换为LLM就绪的上下文。非常适合Gemini 2.5 Pro的大型上下文窗口，但适用于任何LLM。

⭐ 如果此仓库能帮助您更快地构建更好的软件，请将其标记为星号！#repo到文本mcp服务器