Yellhorn MCP

一个提供 Gemini 2.5 Pro 和 OpenAI 功能的模型上下文协议 (MCP) 服务器，用于软件开发任务中利用整个代码库上下文提示 Claude Code。这种模式非常适合定义由代码助手（如 Claude Code 或其他与 MCP 兼容的编码代理）执行的工作，并通过全面检查结果确保其符合原始要求。

功能

• 创建工作计划：根据提示生成详细的实施计划，考虑整个代码库，并将其作为 GitHub 问题发布，同时以 MCP 资源形式暴露给编码代理
• 评估代码差异：提供一个工具来评估 Git 差异与GitHub 问题中的工作计划是否一致，并在背景中创建子问题
• 获取资源：实现标准的 MCP 资源 API，以提供对工作计划的访问
• 开发信息：包括安装、配置、使用说明和测试指令

安装

# 安装生产依赖
pip install .

# 安装开发依赖
pip install -e ".[dev]"

配置

编辑配置文件：

# MCP配置示例
[mcp]
name = "Yellhorn-MCP"
version = "0.2.1"
description = "Yellhorn Model Context Protocol Server"
author = "your_name_here"
author_email = "your_email_here"
url = "https://github.com/your_account/yellhorn-mcp"

[server]
host = "localhost"
port = 8080
workers = 4

使用说明

工具

• 创建工作计划

  # 创建新工作计划
  mcp create-resource yellhorn-mcp --name "项目名称" --description "项目描述"
  
  # 更新现有工作计划
  mcp update-resource yellhorn-mcp 123 --description "更新后的描述"
  

• 评估代码差异

  # 异步触发评估
  mcp judge-resource yellhorn-mcp 123 main HEAD
  
  # 查看评估结果
  mcp get-resource-judgment yellhorn-mcp 123
  

资源访问

Yellhorn MCP 实现了标准的 MCP 资源 API：

# 列出所有工作计划
mcp list-resources yellhorn-mcp

# 获取特定工作计划
mcp get-resource yellhorn-mcp 123

开发

# 安装开发依赖
pip install -e ".[dev]"

# 运行测试
pytest

# 生成覆盖率报告
pytest --cov=yellhorn_mcp --cov-report term-missing

CI/CD

项目使用 GitHub Actions 实现持续集成和交付：

• 测试：在拉动请求和推送到主分支时自动运行

  • 使用 flake8 进行代码检查
  • 使用 black 检查代码格式
  • 使用 pytest 执行测试

• 发布：当带有版本标签的提交后自动部署到 PyPI

  • 标签必须与 pyproject.toml 中的版本匹配（例如 v0.2.2）
  • 需要存储在 GitHub 仓库秘密中的 PyPI API令牌 (PYPI_API_TOKEN)

发布新版本

1. 更新 pyproject.toml 和 yellhorn_mcp/__init__.py 中的版本
2. 更新 CHANGELOG.md 添加变更日志
3. 提交更改：git commit -m "Bump version to X.Y.Z"
4. 打标签：git tag vX.Y.Z
5. 推送更改和标签：git push && git push --tags

参考文档

• 使用指南：请参阅 USAGE.md
• 变更日志：查看 CHANGELOG.md

许可证

MIT