使用说明

🤖 GitHub MCP代理

一个强大的AI驱动的GitHub资源管理器溪流, 硝酸银，以及 模型上下文协议（MCP）。此应用程序允许您使用自然语言与任何GitHub存储库聊天，以发现错误、分析拉取请求和跟踪开发活动。

Chat with your codebase: Ask questions and get real-time insights.

这不仅仅是一个GitHub搜索工具；这是一个 AI 代理 了解软件开发的背景。您可以简单地问： “登录模块中最关键的错误是什么？” 或 “总结开发分支最近的变化。” 人工智能分析存储库数据，并提供人类可读的合成。

问题： 探索大型代码库是耗时的。发现“数据库的一个问题”通常涉及无休止的滚动和关键字猜测。
解决方案： 我们需要一种方法，将大型语言模型（LLM）的推理能力应用于GitHub等实时动态数据源，而不会产生幻觉。
建筑： 我们选择了 模型上下文协议（MCP） 因为它允许我们将“大脑”（Python/Gemini）与“工具”（Node.js/GitHub API）解耦。这使得系统模块化、安全且可扩展。

用户输入： 您在Streamlit UI中提出了一个问题。
代理推理： 这 硝酸银 框架将您的查询发送到 谷歌双子座1.5 Flash法学硕士决定哪个它需要的数据来回答你。
工具执行（MCP）：
- Python应用程序连接到标准化的 MCP服务器 （通过Node.js在本地运行）。
- 此服务器安全地处理GitHub API通信。
合成： 原始数据（JSON）被发送回Gemini，Gemini解释技术细节并生成清晰的Markdown格式的答案。

The agent analyzes code, issues, and PRs to provide structured, synthesized answers.

此项目演示了“混合运行时”架构：

前端（Python）： Streamlit管理UI和异步事件循环。
大脑（云）： Google Gemini 1.5 Flash提供高速推理和摘要。
大桥（MCP）： 一种将Python客户端连接到Node.js服务器的标准化协议。
工具（Node.js）： 这 @modelcontextprotocol/server-github 作为一个子流程运行，处理对GitHub的身份验证和API调用。

自然语言查询：问以下问题 “显示最新的Bug” 而不是手动过滤问题。
深度存储库分析:
- 问题：按标签、状态或内容筛选。
- 拉取请求：查找需要审查的PR或最近合并的代码。
- 活动：总结承诺趋势和贡献者健康状况。
安全：您的GitHub Token仅用于会话，不会持久存储。
交叉平台的：适用于Windows、macOS和Linux（Streamlit Cloud就绪）。

MIT许可证。