AI导哈

多智能体代码助手系统

基于自研C++ MCP Server的多智能体代码助手系统，支持代码编写、审查、测试及复杂度分析等功能，适用于软件开发效率提升。

  • by Jasper-aa64
  • C++
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 JMaaa32/MCP-Server-Agent-Coding-

使用说明

MCP Coding Agent

基于自研 C++ MCP Server 的多 Agent 代码助手系统。

架构

Python Agent（LangGraph）  →  HTTP JSON-RPC  →  C++ MCP Server（13 个工具）
  Coder → Reviewer → Tester                      沙箱执行 / 代码搜索 / 复杂度分析 ...
  • LLM：API（DeepSeek / OpenAI 等）+ Ollama 本地模型，可灵活切换
  • 编排：LangGraph 状态图，条件路由，最多 3 轮迭代
  • 工具：read/write_file、execute_code、run_tests、code_search、git_diff、analyze_code 等 13 个
  • 安全：命令白名单 + 引号感知危险符号过滤 + 路径沙箱
  • 数据：自动收集轨迹，导出 SFT / DPO 训练数据

快速开始

1. 编译 MCP Server

cmake -B build && cmake --build build -j4

2. 启动 Server

./build/src/mcp_server --config config/server.json --port 8089

3. 安装 Python 依赖

pip install -r agent/requirements.txt

4. 配置 DeepSeek API Key

export DEEPSEEK_API_KEY=your_key_here

5. 运行 Agent

# 单次任务
python3 agent/main.py "在 workspace/ 下创建 is_palindrome 函数，写单测，确保通过"

# 持续对话
python3 agent/main.py --chat

# 开启 SSE 实时监控（浏览器访问 http://localhost:8765）
python3 agent/main.py --chat --sse

目录结构

agent/          Python Agent 层（LangGraph 编排）
src/            C++ MCP Server 源码
workspace/      Agent 文件沙箱
trajectories/   轨迹数据输出
docs/plan/      项目文档（规划 / 排错 / 面试准备）
config/         Server 配置

相关 MCP