AI导哈

开发者智能MCP服务器

agent-intel-mcp是一个基于OpenAI的开发者智能MCP服务器，用于扫描GitHub仓库、提取可重用的代理工程模式、聚类分析并与本地代码库进行比较，提出安全的AGENTS.md改进建议。

  • by danieloza
  • TypeScript
  • 本地部署
  • 更新于
在 GitHub 查看 danieloza/agent-intel-mcp

使用说明

特工英特尔mcp

agent-intel-mcp 是一个基于OpenAI的开发者智能MCP服务器。它扫描高信号GitHub存储库，提取可重用的代理工程模式，对其进行聚类，将其与本地代码库进行比较，并提出安全的 AGENTS.md 改进。

这个版本超越了瘦MVP：

  • 使用约定和间隙检测进行深度本地代码库扫描
  • 开放人工智能 Responses API 用于建议综合
  • 基于启发式回退的模式聚类的OpenAI嵌入
  • 带工具、资源和提示的MCP stdio服务器
  • GitHub存储库扫描与相关性评分
  • AGENTS.md 补丁预览生成
  • SQLite支持的本地内存，用于扫描、集群、建议和仪表板历史记录
  • CI、发布和部署脚手架，以实现项目组合就绪交付

这个项目证明了什么

  • 超越聊天包装器的OpenAI集成
  • 代理客户端的MCP服务器设计
  • 在一个工作流中进行GitHub挖掘和本地仓库分析
  • 安全补丁生成而不是盲库突变
  • 带有测试、CI和发布脚手架的TypeScript开发人员工具

演示预览

建筑

+---------------------------------------------------------------+
| agent-intel-mcp                                               |
|                                                               |
|  MCP Server (stdio)                                           |
|  |- Tools: scan, extract, cluster, analyze, suggest, patch    |
|  |- Resources: scans, patterns, clusters, local profile, patch|
|  `- Prompts: summary, AGENTS rewrite                          |
|                                                               |
|  Core Engine                                                  |
|  |- GithubScanner          -> Octokit search + README fetch   |
|  |- PatternExtractor       -> heuristic pattern mining        |
|  |- PatternClusterer       -> embeddings / cosine clustering  |
|  |- LocalRepoProfiler      -> codebase conventions + gaps     |
|  |- OpenAiSuggestionEngine -> Responses API / heuristic mode  |
|  |- PatchBuilder           -> non-destructive AGENTS diff     |
|  `- SqliteStore            -> scans, patterns, clusters       |
+---------------------------------------------------------------+

更多细节： docs/ARCHITECTURE.md 案例研究： docs/CASE_STUDY.md

工具

  • scan_github_repos
  • extract_patterns
  • cluster_patterns
  • analyze_local_repo
  • generate_suggestions
  • generate_agents_patch

快速开始

npm install
cp .env.example .env
npm run build
npm test
npm run demo:seed
npm run demo

打开 http://localhost:4321.

与一起跑步 .env

创建本地 .env 在项目根目录中：

OPENAI_API_KEY=sk-...
GITHUB_TOKEN=ghp_...
LOCAL_REPO_PATH=C:\Users\syfsy\projekty\agent-intel-mcp

然后运行：

npm install
npm run build
npm run demo

使用 .env 当你想要真正的OpenAI支持的建议或不同的本地存储库目标时。

对另一个Repo运行演示

PowerShell示例：

$env:LOCAL_REPO_PATH="C:\Users\syfsy\projekty\some-other-repo"
npm run demo

或者把这条路放进去 .env:

LOCAL_REPO_PATH=C:\Users\syfsy\projekty\some-other-repo

此模式有哪些变化：

  • 本地堆栈分析点位于另一个仓库
  • 检测到的差距和惯例来自其他回购
  • 生成的 AGENTS.md 补丁是为其他仓库量身定制的

以MCP服务器身份连接

先构建：

npm install
npm run build

然后将其添加到MCP客户端配置中：

{
  "mcpServers": {
    "agent-intel": {
      "command": "node",
      "args": ["C:/Users/syfsy/projekty/agent-intel-mcp/dist/index.js"],
      "env": {
        "OPENAI_API_KEY": "sk-...",
        "GITHUB_TOKEN": "ghp_...",
        "LOCAL_REPO_PATH": "C:/Users/syfsy/projekty/agent-intel-mcp"
      }
    }
  }
}

重启后，MCP客户端将看到以下工具：

  • scan_github_repos
  • extract_patterns
  • cluster_patterns
  • analyze_local_repo
  • generate_suggestions
  • generate_agents_patch

环境

变量 默认值 描述
OPENAI_API_KEY unset 启用模型支持的建议和嵌入
OPENAI_MODEL gpt-5-mini 用于建议生成的OpenAI模型
OPENAI_EMBEDDING_MODEL text-embedding-3-small 用于模式聚类的模型
GITHUB_TOKEN unset 提高GitHub API限制和私人组织访问权限
CLUSTER_SIMILARITY_THRESHOLD 0.82 基于嵌入的聚类的余弦阈值
LOCAL_REPO_PATH process.cwd() 针对AGENTS.md建议分析存储库
AGENT_INTEL_DATA_DIR .agent-intel SQLite和缓存输出

演示用户体验

  • 本地仪表板服务于 http://localhost:4321
  • 真正的管道触发：新扫描、聚类、局部差距分析、补丁预览和历史图表
  • 通过种子投资组合状态 npm run demo:seed
  • 建议使用安全补丁预览 AGENTS.md 在采用之前可审查的变更
  • 前端文件： public/index.html, public/styles.css, public/app.js

释放准备就绪

部署预览

该仓库附带了Docker和Render脚手架：

推荐路径：

  1. 将仓库推送到GitHub。
  2. 从仓库创建Render web服务。
  3. 添加 OPENAI_API_KEY 和 GITHUB_TOKEN 如果你想要实时模型支持的扫描。
  4. 使用 /healthz 作为健康检查。
  5. 部署并打开生成的公共URL作为投资组合预览。

为什么选择OpenAI

此实现使用OpenAI Responses API 用于建议合成和用于语义聚类的嵌入API。当前的官方文档还描述了工具驱动的工作流和远程MCP支持： 使用工具 和 开发人员快速入门.

相关 MCP