AI导哈

C++ MCP服务器

一个高性能的MCP服务器，用于动态编译、运行、调试和分析C++代码，适用于竞争编程平台、AI驱动开发工具和教育平台。

  • by CassiopeiaCode
  • Python
  • 本地部署
  • 3 星标
  • 更新于
在 GitHub 查看 CassiopeiaCode/Polyglot-CPP

使用说明

Polyglot CPP:C++MCP服务器

英语 | 简体中文

一个功能强大、高性能的MCP（模型驱动的联合编程协议）服务器，旨在动态编译、运行、调试和分析C++代码。作为不断发展的MCP生态系统的重要组成部分，该工具非常适合竞争性编程平台、人工智能驱动的开发工具、教育平台和快速C++原型。

🌟 为什么是这个项目？

模型上下文协议（MCP）正在彻底改变人工智能模型与外部工具的交互方式。虽然生态系统正在迅速扩展，但存在一个关键的差距：一个用于C++语言的专用、功能齐全的MCP服务器，这是性能关键计算的基石之一。

polyglot-cpp 是为了填补这一空白而建造的。它不仅仅是另一个在线编译器；它是一个现成的、API驱动的桥，将C++的强大功能（包括调试和分析）连接到任何MCP-兼容的人工智能助手或工作流程。它的创建是因为GitHub上的公共MCP生态系统中缺少具有此特定功能集的工具。

✨ 主要特点

  • 🚀 在飞行编译：使用编译C++代码 clang++ 启用了基本标志。
  • 🏃‍♂️ 超时控制执行：以10秒的执行超时运行编译后的代码，以防止无限循环和进程失控。
  • 🐞 集成内存调试：自动启用AddressSanitizer(-fsanitize=address)捕获常见的内存错误，如分段错误和缓冲区溢出，并提供详细的报告。
  • ⏱️ 性能分析：使用生成简洁的绩效报告 gprof 以识别热点和函数调用时间。
  • 💾 持久性伪影：编译后的程序将存储24小时，允许在不重新编译的情况下重复执行。
  • 🔌 简单API：使用三个简单的工具，通过MCP协议展示一个干净直观的API。

🛠️ 先决条件

在开始之前，请确保您的系统上安装了以下内容：

  • Python 3.9+
  • clang++ 编译器
  • gprof （通常是binutils的一部分）

这些工具必须在您的系统中可用 PATH.

⚙️ 安装

  1. 克隆存储库：

    git clone https://github.com/CassiopeiaCode/Polyglot-CPP.git
cd Polyglot-CPP

  2. 安装依赖项： 此项目使用 uv 用于包管理。

    pip install uv
uv pip install -r requirements.txt 
# If you don't have a requirements.txt, you can install from pyproject.toml
# uv pip install .

    （注意：您可能需要创建一个 requirements.txt 从 pyproject.toml 或直接安装依赖项）。

🚀 运行服务器

要启动MCP服务器，请运行 main.py:

python main.py

服务器将在上启动并可访问 0.0.0.0:53482 使用SSE传输。

🌐 MCP生态系统

此服务器由以下组件构建 FastMCP，用于 模型上下文协议（MCP）.MCP是一个开放标准，旨在成为“AI的USB-C端口”，允许语言模型与外部工具和数据源无缝连接。

通过符合MCP， polyglot-cpp 任何兼容MCP的客户端或AI助手都可以立即发现和使用它，使其成为这个不断发展的生态系统中有价值的即插即用的补充。

📚 API/工具

服务器通过MCP协议提供三个主要工具。

1. create_program

编译C++代码并返回 file_id 对于已编译的二进制文件。

  • 描述：接受C++代码作为字符串，使用分析和地址清理标志对其进行编译，并存储二进制文件。
  • 参数:
    • content （string，必填）：要编译的C++源代码。
  • 退货:
    • success （布尔值）： true 如果编译成功， false 否则。
    • file_id （string）：编译程序的唯一ID。
    • error （字符串，可选）：如果编译失败，则显示编译错误消息。

2. run_program

使用其 file_id.

  • 描述：运行已编译的程序。您可以为差异化提供标准输入和预期输出。
  • 参数:
    • file_id （string，必填）：要运行的程序的ID。
    • custom_input （string，可选）：传递给程序的标准输入。
    • expected_output （string，可选）：要比较的预期标准输出。
  • 退货:
    • success （布尔值）： true 如果执行成功。
    • stdout （string）：程序的标准输出。
    • stderr （string）：程序的标准错误。
    • diff （string，可选）：实际输出和预期输出之间的统一差异。
    • run_time （float）：执行时间（秒）。
    • profiling_report （string）：一份简明的报告 gprof.

3. create_and_run_program

一个方便的工具，可以在一个步骤中编译和运行代码。

  • 描述联合 create_program 和 run_program.
  • 参数：与 create_program 和 run_program 结合。
  • 退货：一个包含创建和执行结果的组合JSON对象。

🤝 贡献

欢迎投稿！如果您对新功能、错误修复或改进有想法，请打开问题或提交拉取请求。

  1. 分叉项目
  2. 创建功能分支(git checkout -b feature/AmazingFeature)
  3. 提交您的更改(git commit -m 'Add some AmazingFeature')
  4. 推到分支机构(git push origin feature/AmazingFeature)
  5. 打开拉取请求

📄 许可证

该项目在MIT许可证下分发。看 LICENSE 文件以获取更多信息。

相关 MCP