本项目是一个Model Context Protocol (MCP) 服务器，它将OpenAI的Codex命令行接口（Codex CLI）封装起来，使得基于MCP协议的LLM客户端能够通过标准化的方式访问和利用Codex的代码分析能力。

主要功能点：

Codex CLI封装： 提供一个MCP工具，允许LLM调用外部的Codex CLI执行代码分析和处理任务。
代码仓库集成： 支持通过指定Git仓库URL来访问代码，并在仓库内的特定文件夹中执行Codex命令。
MCP核心实现： 实现了MCP协议的核心功能，包括注册和执行工具 (Tools)，以及基础的资源 (Resources) 和提示模板 (Prompts) 能力。
多种传输协议： 支持Stdio和SSE等MCP标准传输方式。

安装步骤：

克隆仓库：

git clone https://github.com/teabranch/agentic-developer-mcp.git
cd agentic-developer-mcp

安装Python依赖：
```
pip install -e .
```
安装Codex CLI： 确保你已经安装了Node.js (建议使用Node 22)，然后全局安装Codex CLI。
```
npm install -g @openai/codex
```
（注意：使用Codex CLI可能需要OpenAI账号和API密钥配置，请参考OpenAI官方文档。）

服务器配置 (供MCP客户端参考)：

MCP客户端需要配置如何启动并连接到此服务器。以下是配置概念说明：

服务器名称 (server name): 例如 "Codex CLI MCP Wrapper"
启动命令 (command): 'python' (指定Python解释器路径)
启动参数 (args):
- 对于Stdio传输（默认）：'["-m", "mcp_server"]'
- 对于SSE传输（假设端口8000）：'["-m", "mcp_server", "--transport", "sse", "--port", "8000"]'

基本使用方法：

安装并配置完成后，可以通过配置好的MCP客户端连接到服务器。LLM客户端可以通过调用服务器提供的MCP工具来执行任务。

例如，调用'clone_and_write_prompt'工具（对应README中的'run_codex'功能）来分析一个代码仓库：

客户端构建一个调用此工具的MCP请求，包含以下参数：
- 'repository' (字符串, 必需)：Git仓库的URL。
- 'request' (字符串, 必需)：传递给Codex的请求或Prompt。
- 'folder' (字符串, 可选)：在仓库中操作的子文件夹路径，默认为根目录 '/'。
服务器接收请求后，会执行克隆仓库、读取特定文件（'.agent/system.md', '.agent/agent.json'）并调用本地的Codex CLI来处理请求，最后将Codex的输出返回给客户端。

此外，客户端也可以访问服务器定义的资源（如'echo://static', 'echo://{text}'）和提示模板（如'echo'）。

关键词