🚀 MCP 服务器：Aider 的人工智能模型接口

本项目是一个完整的 MCP（Modular Component Protocol）服务器实现，专为 Aider 的人工智能模型打造。它具备两大核心功能，一是作为 AI 编码工具，可借助指定的 AI 模型对文件进行智能修改并返回变更结果；二是作为模型列表工具，能列出所有支持的 AI 模型。

🚀 快速开始

本项目是一个完整的 MCP（Modular Component Protocol）服务器实现，专为 Aider 的人工智能模型设计。它提供两个核心功能，分别是允许通过指定的 AI 模型对文件进行智能修改并返回变更结果的 AI 编码工具，以及列出支持的所有 AI 模型的模型列表工具。

✨ 主要特性

• MCP 兼容性：完全遵循 MCP 协议，确保与客户端和控制台的良好交互。
• 可扩展插件架构：原子层设计使得添加新功能或修改现有功能变得简单直接。
• 高度可靠：所有组件均经过严格测试，确保服务器的稳定性和可用性。

📦 安装指南

项目结构

.
├── ai_docs                   # AI 相关文档目录
│   ├── just-prompt-example-mcp-server.xml
│   └── programmable-aider-documentation.md
├── pyproject.toml            # 项目元数据与依赖管理
├── README.md                 # 项目说明文件
├── specs                     # 规范性文档
│   └── init-aider-mcp-exp.md
├── src                       # 源代码目录
│   └── aider_mcp_server      # 主要服务器代码包
│       ├── __init__.py       # 包初始化文件
│       ├── __main__.py       # 服务器启动入口点
│       ├── atoms             # 核心、可复用组件（纯函数）
│       │   ├── __init__.py
│       │   ├── data_types.py # Pydantic 模型定义数据结构
│       │   ├── logging.py    # 自定义日志设置
│       │   ├── tools         # 各个工具的具体实现
│       │   │   ├── __init__.py
│       │   │   ├── aider_ai_code.py # AI 编码工具逻辑
│       │   │   └── aider_list_models.py # 模型列表工具逻辑
│       │   └── utils.py      # 工具函数与常量（如默认模型）
│       ├── server.py         # MCP 服务器逻辑，注册工具、处理请求等
│       └── tests             # 单元测试与集成测试
│           ├── __init__.py
│           └── atoms         # 测试原子层组件
│               ├── __init__.py
│               ├── test_logging.py # 测试日志功能
│               └── tools     # 测试工具逻辑
│                   ├── __init__.py
│                   ├── test_aider_ai_code.py # 测试 AI 编码工具
│                   └── test_aider_list_models.py # 测试模型列表工具

安装步骤

1. 克隆仓库：

   git clone [your-repository-url]
   cd aider-mcp-server
   

2. 安装依赖：

   pip install -r requirements.txt
   

3. 启动服务器：

   python -m aider_mcp_server.__main__ --editor-model <model-name>
   

📚 详细文档

核心组件

1. server.py

• 初始化：加载配置文件，设置日志记录。
• 注册工具：从 atoms/tools 加载所有可用工具。
• 处理请求：解析客户端请求，路由到对应工具逻辑，并按 MCP 协议返回结果。

2. __main__.py

• 提供命令行接口（CLI），解析启动参数如 --editor-model，并初始化服务器组件。

工具实现

AI 编码工具

功能

• 接收文件路径和修改指令。
• 使用指定 AI 模型生成修改内容。
• 返回变更结果与原始文件对比信息。

示例请求

{
  "name": "aider_ai_code",
  "parameters": {
    "file_path": "src/file.py",
    "change_description": "Add logging statements",
    "model_name": "openai/gpt-4"
  }
}

返回结果

{
  "success": true,
  "diff": "--- a/src/file.py\n+++ b/src/file.py\n@@ -1,5 +1,6 @@\n import sys\n+import logging\n \n def main():
     print(\"Hello World!\")
+    logging.info(\"Started the program.\")
 }

模型列表工具

功能

• 根据子字符串过滤支持的 AI 模型。
• 返回匹配模型列表。

示例请求

{
  "name": "aider_list_models",
  "parameters": {
    "query": "gpt"
  }
}

返回结果

[
  "openai/gpt-3.5-turbo",
  "anthropic/claude-2",
  "google/palm-1"
]

日志系统

级别划分

• DEBUG：详细调试信息。
• INFO：常规操作日志。
• WARNING：潜在问题警告。
• ERROR：严重错误记录。
• CRITICAL：系统崩溃等关键事件。

输出格式

[asctime] - [levelname] - [filename] - [message]

测试框架

单元测试

确保每个工具和组件的行为符合预期。

集成测试

验证整体服务器功能的正确性，包括不同工具之间的交互与协作。

扩展说明

新工具开发

1. 在 atoms/tools 目录下创建新工具类。
2. 实现 Tool 接口，并在 server.py 注册。

新模型支持

1. 添加新的 AI 模型适配器。
2. 更新 aider_list_models 工具的模型列表。

🔧 技术细节

项目特点

• 模块化：各个组件独立开发，便于维护和扩展。
• 可插拔：支持动态加载新功能，无需修改主程序。
• 高可用性：严格测试确保服务器稳定运行。

使用场景

开发者

• 快速集成 AI 功能到开发环境中。
• 灵活选择不同的 AI 模型进行实验和比较。

企业级应用

• 整合到 CI/CD 流水线，自动执行代码审查和优化。
• 集成到内部工具链中，提升开发效率。