项目简介

AI Development Monitor 是一个全面的系统，用于监控和评估 AI 代码助手（如 GitHub Copilot）的代码建议，旨在检测潜在的幻觉、递归行为和其他问题。本仓库包含系统的后端组件，实现了一个基于 Model Context Protocol (MCP) 的服务器，用于与客户端（如 VS Code 扩展）进行结构化通信，并集成大型语言模型 (LLM) 进行代码评估和测试生成。

主要功能点

结构化通信 (MCP): 作为核心通信网关，接收和处理来自客户端的结构化消息（如代码建议、继续请求、TDD请求）。
代码建议评估: 利用集成的 LLM 分析代码建议，评估其幻觉风险、递归风险、与任务的对齐程度，并提供问题检测和改进建议。
TDD 工作流支持: 根据代码和任务描述，自动生成不同迭代阶段的单元测试代码，辅助实现测试驱动开发。
实时日志可视化: 提供一个独立的 Web 界面，实时显示 MCP 服务器的通信日志，便于监控和调试。
LLM 集成: 与 Ollama 等本地或远程 LLM 服务集成，执行代码分析和测试生成任务。

安装步骤

克隆仓库:

git clone https://github.com/ebarczynski/ai-development-monitor.git
cd ai-development-monitor

设置 Python 环境 (后端):

python -m venv venv
source venv/bin/activate
pip install -r requirements.txt

设置 Node.js 环境 (VS Code 扩展 - 客户端):

cd vscode-extension
npm install
vsce package
# 安装生成的 .vsix 文件到 VS Code
# 例如: code --install-extension ai-development-monitor-X.Y.Z.vsix

确保 Ollama 正在运行: 该服务器依赖 Ollama 提供 LLM 功能。请确保 Ollama 已安装并在后台运行，通常在 'http://localhost:11434' 上可用。

服务器配置 (供 MCP 客户端使用)

MCP 客户端需要知道如何启动和连接到此服务器。以下是典型的 MCP 客户端所需的 JSON 格式配置信息：

// 示例 MCP 客户端配置
{
  "server_name": "AI Development Monitor MCP Server",
  "command": "python", // 执行服务器脚本的命令
  "args": [
    "src/mcp_server.py", // 服务器脚本路径，位于项目根目录下的src文件夹中
    "--port", "5001",     // 服务器监听端口 (默认 5001)
    "--host", "0.0.0.0"   // 服务器绑定地址 (默认 0.0.0.0 允许外部连接)
    // 根据需要添加其他启动参数
  ],
  "url": "ws://localhost:5001/ws", // 客户端连接的 WebSocket URL
  "protocol": "mcp", // 指明协议类型为MCP
  "enabled": true // 是否启用该服务器
}

请注意，'command' 和 'args' 需要根据您的实际环境和项目文件结构进行调整。上面的示例假设您在项目根目录执行此命令。'url' 中的主机名和端口应与 MCP 服务器实际运行的地址和端口匹配。

基本使用方法

启动 MCP 服务器: 在项目根目录执行以下脚本。

./start_mcp_server.sh

（可选）启动 Web 界面服务器: 在项目根目录执行以下脚本，用于查看实时日志。
```
./start_web_server.sh
```
启动后访问 'http://localhost:5002' 查看日志。
使用 VS Code 扩展: 打开配置好的 VS Code 扩展，它将作为 MCP 客户端连接到 MCP 服务器，并开始监控和评估 GitHub Copilot 等 AI 助手的建议。

关键词

项目简介

主要功能点

安装步骤

服务器配置 (供 MCP 客户端使用)

基本使用方法

信息