使用说明

🧠 NeuroDev MCP服务器

智能代码分析、测试生成和执行

一个强大的模型上下文协议（MCP）服务器，通过AI驱动的代码审查、智能测试生成和全面的测试执行来增强Python开发工作流程。

特性 • 安装 • 快速开始 • 工具 • 例子

✨ 特性

🔍 代码审查

6强大的分析仪
- pylint -代码质量和PEP8
- flake8 -风格强制
- mypy -类型检查
- bandit -安全扫描
- radon -复杂性度量
- AST -海关检查
实时问题检测
安全漏洞扫描
复杂性和可维护性得分

🧪 测试生成

智能AST分析
- 自动生成pytest测试
- 快乐之路覆盖
- 边缘案例处理
- 异常测试
- 型式验证试验
支持函数和类
类型提示感知

▶️ 测试执行

综合测试
- 孤立的环境
- 覆盖率报告
- 逐行分析
- 超时保护
详细的通过/失败结果
性能指标

🎨 代码格式化

自动格式化
- black -观点化风格
- autopep8 -PEP8合规性
可配置的线路长度
一致的代码风格
一个命令格式化

📦 安装

快速安装

```bash

# Clone the repository
git clone https://github.com/ravikant1918/neurodev-mcp.git
cd neurodev-mcp

# Create virtual environment (recommended)
python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\\Scripts\\activate

# Install the package
pip install -e .
\`\`\`

### **Verify Installation**

\`\`\`bash
# Run tests (should show 15/15 passing)
python test_installation.py

# Test the server
python -m neurodev_mcp.server
\`\`\`

<details>
<summary><b>📁 Project Structure</b> (click to expand)</summary>

\`\`\`
neurodev-mcp/
├─ neurodev_mcp/              # 📦 Main package
│   ├─ __init__.py            # Package exports
│   ├─ server.py              # MCP server entry point
│   ├─ analyzers/             # 🔍 Code analysis
│   │   ├─ __init__.py
│   │   └─ code_analyzer.py   # Multi-tool static analysis
│   ├─ generators/            # 🧪 Test generation
│   │   ├─ __init__.py
│   │   └─ test_generator.py  # AST-based test creation
│   └─ executors/             # ▶️ Test execution
│       ├─ __init__.py
│       └─ test_executor.py   # Test running & formatting
├─ pyproject.toml             # Project configuration
├─ README.md                  # This file
├─ test_installation.py       # Installation validator
├─ examples.py                # Usage examples
└─ requirements.txt           # Dependencies

🚀 快速开始

步骤1：配置MCP客户端

🖥️ Claude Desktop

编辑 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "neurodev-mcp": {
      "command": "/absolute/path/to/neurodev-mcp/.venv/bin/python",
      "args": ["-m", "neurodev_mcp.server"]
    }
  }
}

💡 提示： 替换 /absolute/path/to/neurodev-mcp 与你的实际路径

🔧 Cline (VSCode)

添加到MCP设置中：

{
  "neurodev-mcp": {
    "command": "python",
    "args": ["-m", "neurodev_mcp.server"]
  }
}

🐍 Standalone Usage

直接运行服务器：

# Using the module
python -m neurodev_mcp.server

# Or as a command (if installed)
neurodev-mcp

步骤2：重新启动客户端

重新启动Claude Desktop或重新加载VSCode以加载服务器。

第三步：开始使用！ 🎉

使用您的AI助手尝试以下命令：

“检查此Python代码是否存在问题”
“为此功能生成单元测试”
“以覆盖率运行这些测试”
“将此代码格式化为PEP8标准”

🌐 运输选项

NeuroDev MCP支持不同用例的多种传输协议：

STDIO（默认）-本地CLI

非常适合与Claude Desktop或Cline等MCP客户进行本地开发：

# Default STDIO transport
neurodev-mcp

# Or explicitly specify STDIO
neurodev-mcp --transport stdio

配置（克劳德桌面）：

{
  "mcpServers": {
    "neurodev-mcp": {
      "command": "neurodev-mcp",
      "args": ["--transport", "stdio"]
    }
  }
}

SSE（服务器发送事件）-Web集成

对于基于web的集成和HTTP流：

# Run with SSE on default port (8000)
neurodev-mcp --transport sse

# Custom host and port
neurodev-mcp --transport sse --host 0.0.0.0 --port 3000

终点：

SSE流： http://localhost:8000/sse
信息： http://localhost:8000/messages （职位）

Web客户端示例：

const sse = new EventSource('http://localhost:8000/sse');

sse.onmessage = (event) => {
  const data = JSON.parse(event.data);
  console.log('Received:', data);
};

// Send message
fetch('http://localhost:8000/messages', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    method: 'tools/call',
    params: {
      name: 'code_review',
      arguments: { code: 'def test(): pass', analyzers: ['pylint'] }
    }
  })
});

运输比较

运输	用例	最适合
工作室	本地CLI客户端	Claude Desktop、Cline、本地开发
上海证券交易所	Web集成	浏览器应用程序、webhooks、远程客户端

🛠️ 可用工具

1. `code_review`

🔍 使用多种静态分析工具进行全面的代码分析

输入：

{
  "code": "def calculate(x):\n    return x * 2",
  "analyzers": ["pylint", "flake8", "mypy", "bandit", "radon", "ast"]
}

输出：

每个分析器的详细问题报告
安全漏洞
复杂性度量
代码质量分数
逐行建议

2. `generate_tests`

🧪 使用AST分析生成智能pytest测试

输入：

{
  "code": "def add(a: int, b: int) -> int:\n    return a + b",
  "module_name": "calculator",
  "save": false
}

输出：

完整的pytest测试套件
多个测试用例（快乐路径、边缘用例、异常）
型式验证试验
准备运行测试代码

3. `run_tests`

▶️ 使用覆盖率报告执行pytest测试

输入：

{
  "test_code": "def test_add():\n    assert add(1, 2) == 3",
  "source_code": "def add(a, b):\n    return a + b",
  "timeout": 30
}

输出：

通过/失败状态
覆盖率
线路覆盖详细信息
执行时间
详细的stdout/stderr

4. `format_code`

🎨 将Python代码自动格式化为PEP8标准

输入：

{
  "code": "def   messy(  x,y  ):\n        return x+y",
  "line_length": 88
}

输出：

格式优美的代码
符合PEP8标准
风格一致
变化检测

💡 用法示例

示例1：完成代码审查工作流

You: "Review this code for issues and security problems"

[paste code]

AI: [Uses code_review tool]
    → Finds 3 style issues
    → Detects 1 security vulnerability
    → Suggests complexity improvements
    
You: "Fix those issues and show me the updated code"

AI: [Provides fixed code with explanations]

示例2：测试生成和执行

You: "Generate tests for this function and run them"

def divide(a: float, b: float) -> float:
    if b == 0:
        raise ValueError("Cannot divide by zero")
    return a / b

AI: [Uses generate_tests tool]
    → Creates 5 test cases
    → Includes edge cases (zero, negative numbers)
    → Tests exception handling
    
    [Uses run_tests tool]
    → 5/5 tests passing ✓
    → 100% code coverage
    → All edge cases handled

示例3：代码格式

You: "Format this messy code"

def   calculate(  x,y,z  ):
        result=x+y+z
        if result>10:
                    return   True
        return False

AI: [Uses format_code tool]
    → Applies black formatting
    → Returns clean, PEP8-compliant code

def calculate(x, y, z):
    result = x + y + z
    if result > 10:
        return True
    return False

📋 需求

包装	版本	用途
`mcp`	≥0.9.0	模型上下文协议SDK
`pylint`	≥3.0.0	代码质量分析
`flake8`	≥7.0.0	样式检查
`mypy`	≥1.7.0	静态类型检查
`bandit`	≥1.7.5	安全扫描
`radon`	≥6.0.1	复杂性度量
`black`	≥23.12.0	代码格式化
`autopep8`	≥2.0.4	PEP8格式化
`pytest`	≥7.4.3	测试框架
`pytest-cov`	≥4.1.0	覆盖率报告
`pytest-timeout`	≥2.2.0	测试超时

python 3.8或更高

🧪 发展

运行测试

# Run installation tests
python test_installation.py

# Run examples
python examples.py

# Run pytest (if you add tests)
pytest

用作图书馆

from neurodev_mcp import CodeAnalyzer, TestGenerator, TestExecutor
import asyncio

# Analyze code
code = "def hello(): print('world')"
result = asyncio.run(CodeAnalyzer.analyze_ast(code))

# Generate tests
tests = TestGenerator.generate_tests(code, "mymodule")

# Run tests
output = TestExecutor.run_tests(test_code, source_code)

❓ 故障排除

Server not appearing in MCP client?

✅ 检查配置中的路径是否为 绝对的
✅ 确保Python可执行文件路径正确
✅ 重新启动克劳德桌面或VSCode 完全
✅ 检查服务器日志是否有错误

Import or module errors?

# Reinstall the package
pip install -e .

# Verify installation
python -c "from neurodev_mcp import CodeAnalyzer; print('✓ OK')"

# Run installation tests
python test_installation.py

Tests failing?

✅ 确保已安装Python 3.8+
✅ 激活虚拟环境： source .venv/bin/activate
✅ 重新安装依赖关系： pip install -e .
✅ 运行： python test_installation.py 诊断

Performance issues?

一些分析器（pylint、mypy）在处理大文件时可能会很慢
使用特定分析仪： "analyzers": ["flake8", "ast"]
增加大型测试套件的超时时间
考虑缓存结果（未来功能）

🤝 贡献

欢迎投稿！方法如下：

分叉存储库
创建要素分支： git checkout -b feature/amazing-feature
进行更改
运行测试： python test_installation.py
承诺： git commit -m 'Add amazing feature'
推： git push origin feature/amazing-feature
打开拉取请求

未来的增强功能

[]附加分析器（pydocstyle、秃鹫）
[]结果缓存以提高性能
[]配置文件支持
[]Web仪表板
[]多语言支持
[]CI/CD管道

📄 许可证

此项目根据MIT许可证获得许可-请参阅许可证文件以获取详细信息。

🙏 致谢

与模型上下文协议
由...驱动皮林, 薄片8, 米皮, 强盗, 氡
测试与 pytest
格式化为黑色

📞 支持

📖 文档：你在读！
🐛 问题: GitHub问题
💬 讨论: GitHub讨论
📧 电子邮件: team@neurodev.io

准备好加速你的Python开发了！ 🚀

由以下材料制成❤️ NeuroDev团队

⭐ GitHub上的明星 • 🐛 报告Bug • ✨ 请求功能

使用说明

🧠 NeuroDev MCP服务器

智能代码分析、测试生成和执行

✨ 特性

🔍 代码审查

🧪 测试生成

▶️ 测试执行

🎨 代码格式化

📦 安装

快速安装

🚀 快速开始

步骤1：配置MCP客户端

步骤2：重新启动客户端

第三步：开始使用！ 🎉

🌐 运输选项

STDIO（默认）-本地CLI

SSE（服务器发送事件）-Web集成

运输比较

🛠️ 可用工具

1. code_review

2. generate_tests

3. run_tests

4. format_code

💡 用法示例

示例1：完成代码审查工作流

示例2：测试生成和执行

示例3：代码格式

📋 需求

🧪 发展

运行测试

用作图书馆

❓ 故障排除

🤝 贡献

未来的增强功能

📄 许可证

🙏 致谢

📞 支持

准备好加速你的Python开发了！ 🚀

相关 MCP

代码索引分析工具

代码分析服务器

GitHub仓库解析工具

VSCode MCP桥接工具

语言服务协议MCP

上下文管理服务

1. `code_review`

2. `generate_tests`

3. `run_tests`

4. `format_code`