AI导哈

开发工具箱MCP

一个基于Model-Context-Protocol (MCP)框架的可扩展、AI驱动的开发工具箱，提供代码分析和Docker管理工具，适用于MCP兼容的AI代理。

  • by FerroLx
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 FerroLx/development-toolbox-mcp

使用说明

开发工具箱 MCP

一个基于模型-上下文-协议（MCP）框架构建的可扩展、AI驱动的开发工具箱。此仓库提供了一个即开即用的服务器，配备了代码分析和Docker管理工具，旨在被任何兼容MCP的AI代理调用。

这个项目也是我们关于构建高级MCP（多通道处理器/模块化计算平台，具体根据上下文确定）教程系列的官方源代码。

✨ 特点/功能

  • 代码分析执行代码检查（或代码规范检查）使用 ruff 以及进行静态类型检查 mypy。
  • Docker 控制直接从您的代理中列出并停止运行中的 Docker 容器。
  • 教程项目此仓库包含了“构建AI开发协作者”教程系列第一部分的完整代码。

🚀 开始入门

要从源代码运行服务器，请按照以下步骤操作。这是使用工具和遵循教程时的推荐设置。

  1. 先决条件:

    • Python 3.10 或更高版本
    • uv (使用以下方式安装： pip install uv)
    • Docker Desktop（必须运行，以便Docker工具正常工作）

  2. 克隆仓库：

    git clone https://github.com/FerroLx/development-toolbox-mcp
cd development-toolbox-mcp

  3. 安装依赖项： 这个命令会安装所有依赖项并使 dev-toolbox 脚本可用。

    uv pip install -e .

  4. 运行服务器： 现在你可以使用以下方式运行服务器 uv run。

    uv run dev-toolbox

    服务器将在 http://localhost:9654.

  5. 连接您的代理MCP服务器现已运行。请在您的MCP客户端（例如Cursor、Claude Code或MCP Inspector）中使用以下URL：

    • 代码分析服务器： http://localhost:9654/code
    • Docker 控制服务器: http://localhost:9654/docker

🎓 教程系列

这个仓库是构建一个高级、基于人工智能的开发助手系列教程的起点。

  • 阅读第一部分：您的第一个MCP服务器 - 本教程将引导您从零开始构建此存储库中的确切代码。

未来的教程将在此基础上增加更多高级功能，如有状态会话、实时日志流和外部API集成。

🤝 贡献

欢迎贡献！如果您有新工具的想法或改进意见，请提交一个问题或拉取请求。

📄 许可证

此项目采用MIT许可证授权。详情请参见LICENSE文件。

相关 MCP