MCP Github Repo Creator

🚀 MCP GitHub倉庫創建器

MCP（Model Context Protocol，模型上下文協議）服務器，為GitHub Copilot等AI應用提供工具，用於分析倉庫並自動創建GitHub倉庫。

🚀 快速開始

本項目提供了一個MCP服務器，可幫助AI應用分析本地git倉庫並創建GitHub倉庫。以下是使用前的準備步驟和啟動方法：

1. 克隆倉庫：

git clone https://github.com/flickleafy/mcp-github-repo-creator.git
cd mcp-github-repo-creator

2. 運行設置腳本：

bash setup.sh

此腳本將完成以下操作：

• 創建Python虛擬環境。
• 安裝MCP SDK和依賴項。
• 完成項目的初始化設置。

3. 啟動MCP服務器：

# 激活虛擬環境
source venv/bin/activate

# 啟動MCP服務器
python server.py

✨ 主要特性

• 倉庫分析：自動分析本地git倉庫以提取元數據，支持傳統和AI兩種分析方法。
• GitHub集成：可創建配置完善的私有GitHub倉庫。
• 主題管理：根據項目分析結果自動添加相關主題。
• MCP兼容：可與任何支持MCP的AI客戶端（如Copilot、Claude等）協同工作。
• 自動化設置：實現從分析到創建GitHub倉庫的完整工作流程。

📦 安裝指南

克隆倉庫

git clone https://github.com/flickleafy/mcp-github-repo-creator.git
cd mcp-github-repo-creator

運行設置腳本

bash setup.sh

此腳本會創建Python虛擬環境，安裝MCP SDK和依賴項，並完成項目的初始化設置。

💻 使用示例

作為MCP服務器使用（推薦）

服務器為AI應用提供了以下工具：

1. get_repo_analysis_instructions：獲取倉庫分析的詳細說明。
2. analyze_and_generate_metadata_file：分析倉庫並生成元數據。
3. create_github_repo_from_metadata：根據元數據JSON創建GitHub倉庫。
4. create_github_repository：使用現有的元數據文件創建倉庫。
5. full_repository_setup：完成完整的工作流程：分析 → 創建 → 連接。

啟動MCP服務器

# 激活虛擬環境
source venv/bin/activate

# 啟動MCP服務器
python server.py

服務器使用stdio傳輸協議，兼容以下MCP客戶端：

• GitHub Copilot
• Claude Desktop
• VS Code擴展
• 自定義MCP客戶端

MCP客戶端集成

將MCP客戶端配置為連接到本服務器：

{
  "name": "github-repo-creator",
  "command": "python",
  "args": ["server.py"],
  "cwd": "/path/to/mcp-github-repo-creator"
}

手動使用（備選）

你也可以直接使用底層功能：

# 激活虛擬環境
source venv/bin/activate

# 交互模式
python create_github_repo.py

# 直接創建倉庫
python create_github_repo.py --create

# 僅管理主題
python create_github_repo.py --manage-topics

📚 詳細文檔

工作流程

1. 分析：AI分析你的倉庫結構、README文件、依賴項和代碼。
2. 元數據生成：創建包含倉庫詳細信息的github_repo_metadata.json文件。
3. 倉庫創建：使用GitHub CLI創建私有倉庫。
4. 配置：設置主題、啟用功能並連接本地倉庫。
5. 推送：將本地代碼推送到新的GitHub倉庫。

詳細工作流類型

MCP服務器支持三種主要的工作流方式：

🤝 交互式Copilot工作流（推薦）

這種方式讓Copilot擁有更多控制權，並允許用戶進行自定義設置：

1. 請求分析說明：要求Copilot分析倉庫。
   • Copilot使用get_repo_analysis_instructions獲取詳細的分析說明。
   • 分析你的倉庫結構、README文件和代碼。
2. 生成元數據：Copilot創建元數據JSON。
   • 根據分析結果，Copilot生成倉庫元數據。
   • 你可以在繼續操作之前查看和修改元數據。
3. 創建倉庫：Copilot創建GitHub倉庫。
   • 使用生成的元數據調用create_github_repo_from_metadata。
   • 創建倉庫、推送代碼並配置設置。

示例對話：

"請分析這個倉庫併為其創建一個GitHub倉庫。我想在你創建倉庫之前查看元數據。"

⚡ 全自動化工作流

適用於無需交互的完全自動化場景：

1. 單命令設置：使用full_repository_setup工具。
   • 自動分析倉庫。
   • 生成元數據文件。
   • 創建GitHub倉庫。
   • 連接並推送代碼。
   • 一步完成所有操作。

示例對話：

"使用全自動化方式在GitHub上設置這個項目。"

🛠️ 手動/分步工作流

適用於需要對每個步驟進行精細控制的場景：

1. 生成元數據文件：使用analyze_and_generate_metadata_file。
2. 查看/編輯 生成的github_repo_metadata.json文件。
3. 創建倉庫：使用create_github_repository。

示例對話：

"首先，為這個倉庫生成一個元數據文件。我想在創建GitHub倉庫之前查看它。"

與Copilot的使用示例

配置完成後，你可以使用以下自然語言命令與Copilot交互：

分析倉庫

"分析這個倉庫並告訴我將為GitHub生成哪些元數據。"

生成元數據文件

"為這個倉庫生成一個github_repo_metadata.json文件。"

創建GitHub倉庫

"為這個本地項目創建一個GitHub倉庫。首先分析它，生成元數據，然後創建GitHub倉庫並連接所有內容。"

完整設置

"在GitHub上設置整個項目 - 分析代碼，創建適當的元數據，並創建倉庫。"

分步示例

"請為這個項目創建一個GitHub倉庫。分析代碼，生成適當的元數據，並在GitHub上設置倉庫。"

Copilot將執行以下操作：

• 分析你的項目結構和代碼。
• 檢測編程語言和框架。
• 生成主題和描述。
• 創建github_repo_metadata.json文件。
• 創建GitHub倉庫。
• 將本地倉庫連接到GitHub。
• 推送你的代碼。

Copilot集成與安裝

Copilot集成的先決條件

1. GitHub Copilot訂閱（個人版、商業版或企業版）。
2. 安裝了GitHub Copilot擴展的VS Code。
3. 已安裝並認證的GitHub CLI (gh)。

方法1：VS Code Copilot集成（推薦）

1. 安裝GitHub CLI：

# macOS
brew install gh

# Ubuntu/Debian
sudo apt install gh

# Windows（使用winget）
winget install GitHub.cli

2. 認證GitHub CLI：

gh auth login

3. 克隆並設置本MCP服務器：

git clone https://github.com/flickleafy/mcp-github-repo-creator.git
cd mcp-github-repo-creator
bash setup.sh

4. 配置VS Code設置（添加到你的VS Code settings.json）：

{
  "github.copilot.enable": {
    "*": true,
    "mcp": true
  },
  "mcp.servers": {
    "github-repo-creator": {
      "command": "python",
      "args": ["server.py"],
      "cwd": "/full/path/to/mcp-github-repo-creator",
      "env": {
        "PATH": "/full/path/to/mcp-github-repo-creator/venv/bin:${env:PATH}"
      }
    }
  }
}

方法2：Claude Desktop集成

1. 從claude.ai安裝Claude Desktop。
2. 配置Claude Desktop（編輯~/.config/claude-desktop/config.json）：

{
  "mcpServers": {
    "github-repo-creator": {
      "command": "python",
      "args": ["/full/path/to/mcp-github-repo-creator/server.py"],
      "env": {
        "PATH": "/full/path/to/mcp-github-repo-creator/venv/bin"
      }
    }
  }
}

3. 重啟Claude Desktop並開始使用命令。

自動安裝腳本

通過運行以下命令創建一個簡單的安裝腳本：

# 下載並運行自動安裝器
curl -sSL https://raw.githubusercontent.com/flickleafy/mcp-github-repo-creator/main/install-copilot.sh | bash

或者在你的項目中手動創建安裝腳本：

# 創建安裝腳本
cat > install-copilot.sh << 'EOF'
#!/bin/bash
echo "🚀 正在為Copilot安裝MCP GitHub倉庫創建器..."

# 檢查依賴項
command -v python3 >/dev/null 2>&1 || { echo "❌ 需要安裝Python 3，但未找到。"; exit 1; }
command -v git >/dev/null 2>&1 || { echo "❌ 需要安裝Git，但未找到。"; exit 1; }

# 如果未安裝GitHub CLI，則進行安裝
if ! command -v gh &> /dev/null; then
    echo "📦 正在安裝GitHub CLI..."
    if [[ "$OSTYPE" == "darwin"* ]]; then
        brew install gh
    elif [[ "$OSTYPE" == "linux-gnu"* ]]; then
        sudo apt update && sudo apt install gh
    else
        echo "⚠️ 請手動安裝GitHub CLI：https://cli.github.com/"
        exit 1
    fi
fi

# 克隆倉庫
INSTALL_DIR="$HOME/.mcp-servers/github-repo-creator"
echo "📁 正在安裝到 $INSTALL_DIR..."
mkdir -p "$HOME/.mcp-servers"
git clone https://github.com/flickleafy/mcp-github-repo-creator.git "$INSTALL_DIR"

# 設置虛擬環境
cd "$INSTALL_DIR"
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

# 創建VS Code配置
VSCODE_CONFIG="$HOME/.config/Code/User/settings.json"
echo "⚙️ 正在添加VS Code配置..."
# 將MCP服務器配置添加到VS Code設置中

echo "✅ 安裝完成！"
echo "🔧 下一步操作："
echo "1. 使用GitHub進行認證：gh auth login"
echo "2. 重啟VS Code"
echo "3. 開始使用帶有MCP命令的Copilot！"
EOF

chmod +x install-copilot.sh

測試集成

1. 在VS Code中打開一個git倉庫。
2. 與Copilot開始對話並嘗試以下命令：

"使用MCP GitHub倉庫創建器分析這個倉庫併為其創建一個GitHub倉庫。"

3. Copilot應該會回覆倉庫分析結果並提供創建GitHub倉庫的選項。

要求

• Python 3.8及以上版本。
• 本地Git倉庫。
• 已安裝並認證的GitHub CLI (gh)。
• 用於調用GitHub API的互聯網連接。

GitHub CLI設置

安裝並認證GitHub CLI：

# 安裝GitHub CLI（請參閱https://cli.github.com/）
# macOS
brew install gh

# Ubuntu/Debian
sudo apt install gh

# 認證
gh auth login

MCP集成

本服務器實現了模型上下文協議規範，使其與各種AI應用兼容：

可用工具

• 倉庫分析：自動提取項目元數據。
• GitHub倉庫創建：創建配置完善的倉庫。
• 主題管理：根據分析結果添加相關主題。
• 完整工作流程：實現端到端的倉庫設置。

支持的傳輸協議

• stdio（默認）：用於直接集成的標準輸入/輸出。
• 與FastMCP框架兼容，便於部署。

項目結構

mcp-github-repo-creator/
├── server.py                    # 使用FastMCP的主MCP服務器
├── core/
│   ├── repository_analyzer.py  # 倉庫分析邏輯
│   └── templates.py            # 消息和指令的字符串模板
├── create_github_repo.py       # 舊版獨立腳本
├── demo.py                     # 演示MCP客戶端
├── requirements.txt            # 包括MCP SDK的依賴項
├── setup.sh                   # 環境設置腳本
├── pyproject.toml             # 可選的項目元數據
├── .gitignore                 # Git忽略規則
└── README.md                  # 本文件

核心模塊

• server.py：向AI客戶端提供工具的主MCP服務器。
• core/repository_analyzer.py：包含RepositoryAnalyzer類，用於分析倉庫結構並生成元數據。
• core/templates.py：用於存儲所有長字符串消息和指令的模板函數。
• create_github_repo.py：舊版獨立腳本（可直接使用）。
• demo.py：展示如何與MCP服務器交互的示例客戶端。

示例元數據結構

服務器生成的元數據格式如下：

{
  "repository_name": "my-awesome-project",
  "description": "🚀 用於自動創建GitHub倉庫的強大工具",
  "topics": ["python", "automation", "github", "mcp", "ai-tools"],
  "created_date": "2025-01-01",
  "project_type": "CLI工具",
  "primary_language": "Python", 
  "license": "GPL-3.0",
  "features": [
    "命令行界面",
    "GitHub集成",
    "自動分析"
  ]
}

支持的項目類型

MCP服務器可自動檢測並正確分類各種項目類型：

• AI/ML項目：檢測TensorFlow、PyTorch、scikit-learn、Transformers、Langchain。
• Web應用：React、Vue、Angular、Svelte、Flask、Django、FastAPI、Express、Next.js。
• CLI工具：命令行應用程序和實用工具。
• API：RESTful服務、GraphQL和微服務。
• 移動應用：React Native、Flutter、Ionic。
• 桌面應用：Electron、Tauri、PyQt、Tkinter。
• 庫：軟件包、框架和SDK。
• 遊戲開發：Unity、Godot、Pygame。
• DevOps工具：Docker、Kubernetes、Terraform配置。
• 數據科學：Jupyter筆記本、數據分析項目。

語言檢測

自動檢測並支持多種編程語言： 主要語言：Python、JavaScript、TypeScript、Java、C++、C#、Go、Rust、PHP、Ruby、Swift、Kotlin、Scala、R、Shell/Bash。 Web技術：HTML、CSS、Vue、React (JSX/TSX)、Svelte、SCSS/Sass、Less。 專業語言：SQL、YAML、TOML、JSON、Dockerfile、Makefile。 分析器通過檢查文件擴展名、依賴項和項目結構來準確確定主要語言和技術棧。

安全與隱私

• 安全認證：使用GitHub CLI進行安全的基於令牌的認證。
• 默認私有：默認創建私有倉庫以確保安全。
• 無數據存儲：元數據文件中不存儲敏感數據。
• 本地處理：倉庫分析在本地機器上進行。
• 遵循GitHub最佳實踐：遵循GitHub的安全建議。
• 最小權限令牌：通過GitHub CLI使用最小必要權限的令牌。

限制

• 需要GitHub CLI：必須安裝並認證GitHub CLI。
• 需要Git倉庫：必須在有提交記錄的Git倉庫中運行。
• 僅支持私有倉庫：默認創建私有倉庫（創建後可手動更改）。
• 受GitHub API限制：受GitHub API速率限制的影響。
• 主題限制：僅支持符合GitHub主題要求的倉庫（最多20個主題）。
• 網絡依賴：調用GitHub API需要互聯網連接。

錯誤處理

MCP服務器提供了全面的錯誤處理機制，針對常見問題給出清晰的錯誤信息：

倉庫錯誤

• 缺少Git倉庫：提供初始化Git倉庫的明確說明。
• 無提交記錄：指導用戶進行初始提交。
• 有未跟蹤文件：提示用戶添加並提交文件。

認證錯誤

• 未找到GitHub CLI：提供安裝說明。
• 未認證：提供認證設置指導。
• 令牌過期：提供重新認證的步驟。

GitHub API錯誤

• 倉庫名稱衝突：提供替代名稱建議。
• 權限問題：提供故障排除步驟。
• 速率限制：建議等待時間。

故障排除

常見問題及解決方案

"Not a git repository"錯誤

# 初始化Git倉庫
git init

# 添加文件並進行初始提交
git add .
git commit -m "Initial commit"

"GitHub CLI not authenticated"錯誤

# 檢查認證狀態
gh auth status

# 如果需要，重新認證
gh auth login

"Permission denied"錯誤

解決方案：

• 檢查GitHub CLI認證狀態：gh auth status。
• 確保你有在賬戶中創建倉庫的權限。
• 驗證你的GitHub令牌具有適當的權限範圍。
• 對於組織倉庫，檢查組織權限。

"Repository name already exists"錯誤

解決方案：

• 選擇不同的倉庫名稱。
• 檢查你的GitHub賬戶中是否已存在該倉庫。
• 使用錯誤消息中建議的替代名稱。
• 添加後綴或前綴以使名稱唯一。

"GitHub API rate limit exceeded"錯誤

解決方案：

• 等待速率限制重置（通常為1小時）。
• 使用認證請求（確保已完成gh auth login）。
• 對於高頻率使用場景，考慮遵循GitHub API速率限制的最佳實踐。

"Invalid metadata format"錯誤

解決方案：

• 檢查生成的github_repo_metadata.json文件是否存在語法錯誤。
• 確保所有必需字段都存在。
• 使用JSON驗證器驗證JSON格式。
• 重新運行元數據生成工具。

"Network connectivity issues"錯誤

解決方案：

• 檢查互聯網連接。
• 驗證是否可以訪問GitHub.com。
• 檢查防火牆或代理設置。
• 在網絡問題解決後重試。

🤝 貢獻

1. 如果你喜歡這個項目，請給倉庫點個⭐。
2. 創建一個功能分支，進行修改並提交拉取請求。
3. 確保你的代碼遵循項目的編碼標準。
4. 為新功能或錯誤修復添加測試。
5. 根據需要更新文檔。

📄 許可證

本項目採用GNU通用公共許可證v3.0，詳情請參閱LICENSE文件。

🔗 鏈接

• 模型上下文協議
• MCP Python SDK
• GitHub CLI

使用模型上下文協議精心打造 ❤️