使用说明
MCP服务器
一组模型上下文协议(MCP)服务器,它们协同工作,实现自主的人工智能驱动开发。
服务器
🏗️ 建筑师MCP
AI开发工作流程的项目规划和团队编排
- 项目初始化和规划
- Sprint和任务管理
- 团队生成(后端、前端、测试等)
- 与IdeaRalph集成以验证想法
- 与Mind集成,实现持久记忆
- 与Spawner整合技能
cd architect-mcp
pip install -e .
python -m architect_mcp.server
⚡ 执行器MCP
AI生成代码的通用部署层
- 执行者_建筑:构建项目(npm、yarn、cargo、go、make)
- 执行者测试:运行测试(jest、vitest、pytest、cargo测试、go测试)
- 执行者_部署:部署到Vercel、Railway、Fly.io
- 执行者监视器:检查部署状态、日志、列出部署
- executor_rollback:回滚到以前的部署
- executor_logs:获取部署日志
- 执行者状态:获取执行状态
cd executor-mcp
npm install
npm run build
node dist/index.js
建筑
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ IdeaRalph │ │ Mind │ │ Spawner │
│ (Validate) │ │ (Memory) │ │ (Skills) │
└──────┬──────┘ └──────┬──────┘ └──────┬──────┘
│ │ │
└───────────────────┼───────────────────┘
│
┌──────▼──────┐
│ Architect │
│ (Plan) │
└──────┬──────┘
│
┌──────▼──────┐
│ Executor │
│ (Deploy) │
└─────────────┘
Claude桌面配置
增添 ~/.config/claude/claude_desktop_config.json:
{
"mcpServers": {
"architect": {
"command": "python",
"args": ["-m", "architect_mcp.server"],
"cwd": "/path/to/MCP_Servers/architect-mcp"
},
"executor": {
"command": "node",
"args": ["/path/to/MCP_Servers/executor-mcp/dist/index.js"]
}
}
}
环境变量
执行器MCP
# Deployment platforms
VERCEL_TOKEN=xxx
RAILWAY_TOKEN=xxx
FLY_API_TOKEN=xxx
# Database (optional)
SUPABASE_URL=xxx
SUPABASE_ANON_KEY=xxx
许可证
麻省理工学院
