MCP Neurolora

🚀 MCP 神经元服务器

一个智能的 MCP 服务器，提供使用 OpenAI API 进行代码分析、代码收集和文档生成的工具，助力开发者更高效地处理代码相关任务。

🚀 快速开始

安装指南

不用担心没有安装任何依赖！只需按照以下步骤操作，或者让您的助手协助完成安装。

第一步：安装 Node.js

• macOS
  1. 若尚未安装 Homebrew，使用以下命令进行安装：

  /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
  

  2. 安装 Node.js：

  brew install node
  

• Windows
  1. 下载并安装包含 npm 的 Node.js LTS 版本： Node.js 下载页面
  2. 安装完成后，验证版本：

  node -v
  npm -v
  

• Linux 根据您的发行版，使用适当的包管理器进行安装：
  • Debian/Ubuntu：

  sudo apt update && sudo apt install nodejs npm
  

  • Fedora：

  sudo dnf install nodejs npm
  

  • Arch-based：

  sudo pacman -S nodejs npm
  

第二步：安装 uv 和 uvx

使用 npm 进行全局安装：

npm install -g uv uvx

第三步：配置 MCP 服务器

1. 打开终端，运行以下命令创建配置文件：

uv init

2. 按照提示完成初始化设置。

🛠️ 配置 MCP 服务器

编辑您的 MCP 设置文件（通常位于 ~/.config/line/[profile name]/mcp.json），并添加以下内容：

{
  "servers": {
    "neuro-server": {
      "sourcePath": "~/Projects",
      "aiModel": "gpt-3.5-turbo",
      "apiKey": "your_openai_api_key"
    }
  }
}

✨ 主要特性

基座服务器

• analyze_code：使用 OpenAI API 分析代码并提供详细反馈。
• collect_code：收集指定目录中的所有代码到一个 markdown 文件中。
• install_base_servers：安装并管理基座服务器。

💻 使用示例

analyze_code

分析代码并生成改进建议。

参数：

• codePath（必需）：要分析的代码文件或目录路径

示例用法：

{
  "codePath": "/path/to/your/code.ts"
}

该工具将：

1. 使用 OpenAI API 分析您的代码。
2. 生成包含以下内容的详细反馈：
   • 问题和建议
   • 最佳实践违规
   • 影响分析
   • 修复步骤

collect_code

从目录中收集所有代码到一个 markdown 文件中，带语法高亮和导航。

参数：

• directory（必需）：要收集代码的目录路径
• outputPath（可选）：输出文件的保存路径
• ignorePatterns（可选）：与 .gitignore 类似的忽略模式数组

示例用法：

{
  "directory": "/path/to/project/src",
  "outputPath": "/path/to/project/src/FULL_CODE_SRC_2024-12-20.md",
  "ignorePatterns": ["*.log", "temp/", "__pycache__", "*.pyc", ".git"]
}

install_base_servers

将基座服务器安装到您的配置文件中。

参数：

• configPath（必需）：MCP 设置文件的路径

示例用法：

{
  "configPath": "/path/to/cline_mcp_settings.json"
}

📄 许可证

本项目采用 MIT 许可证，欢迎在您的项目中使用！

👤 作者

Aindreyway

• GitHub: @aindreyway

⭐️ 支持

如果这个项目对您有帮助，请给它一个星！