使用说明
代码审查mcp
MCP服务器 AI驱动的代码审查 使用 文学硕士 以及与OpenAI兼容的LLM代理。从Cursor（或任何MCP客户端）使用它来查看工作区中的文件并获取内联建议。
目的
此回购提供了 模型上下文协议（MCP） 服务器：
- 查看代码文件 通过LLM（通过您的代理）和 写内联评论 包括建议、错误提示、安全/性能说明和样式改进。
- 列出工作区文件 这样客户就可以发现要查看的内容。
服务器在容器中运行（或在本地使用UV），将项目挂载为工作区，并公开两个工具： review_code_file 和 list_workspace_files它被设计为与Cursor的MCP集成以及作为与OpenAI兼容的API公开的任何LLM后端（例如LiteLLM代理、OpenAI、Azure等）一起工作。
将其用作MCP（例如在游标中）
1.配置环境
复制示例env并设置LLM代理和项目路径：
cp env.example .env
# Edit .env: LLM_BASE_URL, LLM_API_KEY, LLM_MODEL, PROJECT_DIR
所需变量：
| 变量 | 描述 |
|---|---|
LLM_BASE_URL |
OpenAI兼容的代理基础URL（例如。 https://your-proxy.example.com/v1) |
LLM_API_KEY |
代理的API密钥 |
LLM_MODEL |
型号名称（例如。 gpt-4, claude-3-sonnet，或您的代理的型号id） |
PROJECT_DIR |
要查看的项目的绝对路径（用于Docker挂载） |
2.构建Docker镜像
./setup.sh
# or: docker compose build
3.将服务器添加到Cursor的MCP配置中
在光标中： 设置→ MCP （或编辑MCP配置文件，例如。 ~/.cursor/mcp.json 或项目级配置）。添加这样的服务器条目，用您自己的占位符值替换占位符值：
{
"mcpServers": {
"code-review": {
"command": "docker",
"args": [
"run",
"--rm",
"-i",
"-e", "LLM_BASE_URL=https://your-llm-proxy.example.com",
"-e", "LLM_API_KEY=your_llm_proxy_api_key_here",
"-e", "LLM_MODEL=gpt-4",
"-v", "/absolute/path/to/your/project:/workspace:rw",
"code-review-mcp:latest"
],
"description": "AI-powered code review via LLM proxy",
"disabled": false
}
}
}
重要提示：
-v /path/to/your/project:/workspace:rw必须指向您要查看的回购；服务器在以下位置读取和写入文件/workspace.LLM_*env变量args覆盖任何违约；使用与您的.env（或者如果将图像默认值烘焙到图像中，则省略并依赖它们）。
保存后，Cursor将列出 代码审查 MCP服务器及其工具。然后，您可以要求AI“审查” src/main.py“or”列出文件 src”;它将呼叫 review_code_file 和 list_workspace_files 根据需要。
4.（可选）不使用Docker运行（本地）
安装 紫外线 并直接运行服务器：
uv sync
export LLM_BASE_URL=... LLM_API_KEY=... LLM_MODEL=...
export WORKSPACE_DIR=/path/to/your/project # or PROJECT_DIR for consistency with .env
uv run python src/server.py
对于Cursor，您可以将MCP指向此过程（例如，通过设置env并运行的包装器脚本 uv run python src/server.py)而不是 docker run 上面的命令。
MCP工具
| 工具 | 说明 |
|---|---|
| review_code_file | 查看工作区中的文件，并添加带有建议和改进的内联注释。选项： file_path （必填）， review_depth (quick / standard / thorough), focus_areas （例如。 "security, performance"). |
| list_workspace_files | 列出工作区（或子目录）下的文件。选项： directory （默认值 ".").忽略 .git, node_modules, __pycache__, .venv, venv. |
设置参考
- 环境： 看
env.example对于所有变量。永远不要泄露真正的秘密；使用.env（gitignored）或env变量。 - Docker：
./setup.sh检查Docker/Compose，创建.env如果需要，并构建code-review-mcp:latest那么docker compose up运行服务器（stdio MCP）。 - 本地开发人员：
uv sync && uv run python src/server.py（确保LLM_*和WORKSPACE_DIR已设置）。
有关游标MCP的更多信息，请参阅 光标MCP文档.
