MCP Neurolora

🚀 MCP 神經元服務器

一個智能的 MCP 服務器，提供使用 OpenAI API 進行代碼分析、代碼收集和文檔生成的工具，助力開發者更高效地處理代碼相關任務。

🚀 快速開始

安裝指南

不用擔心沒有安裝任何依賴！只需按照以下步驟操作，或者讓您的助手協助完成安裝。

第一步：安裝 Node.js

• macOS
  1. 若尚未安裝 Homebrew，使用以下命令進行安裝：

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

  2. 安裝 Node.js：

  brew install node
  

• Windows
  1. 下載並安裝包含 npm 的 Node.js LTS 版本： Node.js 下載頁面
  2. 安裝完成後，驗證版本：

  node -v
  npm -v
  

• Linux 根據您的發行版，使用適當的包管理器進行安裝：
  • 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：安裝 uv 和 uvx

使用 npm 進行全局安裝：

npm install -g uv uvx

第三步：配置 MCP 服務器

1. 打開終端，運行以下命令創建配置文件：

uv init

2. 按照提示完成初始化設置。

🛠️ 配置 MCP 服務器

編輯您的 MCP 設置文件（通常位於 ~/.config/line/[profile name]/mcp.json），並添加以下內容：

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

✨ 主要特性

基座服務器

• analyze_code：使用 OpenAI API 分析代碼並提供詳細反饋。
• collect_code：收集指定目錄中的所有代碼到一個 markdown 文件中。
• install_base_servers：安裝並管理基座服務器。

💻 使用示例

analyze_code

分析代碼並生成改進建議。

參數：

• codePath（必需）：要分析的代碼文件或目錄路徑

示例用法：

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

該工具將：

1. 使用 OpenAI API 分析您的代碼。
2. 生成包含以下內容的詳細反饋：
   • 問題和建議
   • 最佳實踐違規
   • 影響分析
   • 修復步驟

collect_code

從目錄中收集所有代碼到一個 markdown 文件中，帶語法高亮和導航。

參數：

• directory（必需）：要收集代碼的目錄路徑
• outputPath（可選）：輸出文件的保存路徑
• ignorePatterns（可選）：與 .gitignore 類似的忽略模式數組

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

將基座服務器安裝到您的配置文件中。

參數：

• configPath（必需）：MCP 設置文件的路徑

示例用法：

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

📄 許可證

本項目採用 MIT 許可證，歡迎在您的項目中使用！

👤 作者

Aindreyway

• GitHub: @aindreyway

⭐️ 支持

如果這個項目對您有幫助，請給它一個星！