关键词

AI代码助手本地大模型集成软件开发工具代码分析安全审计

项目简介

Houtini LM是一个基于Model Context Protocol (MCP) 构建的服务器端应用，旨在为大型语言模型（LLM）客户端（如Claude Desktop）提供本地AI能力。它通过与LM Studio等本地大模型推理引擎集成，提供无需API成本的上下文增强、代码分析、安全审计、内容生成等服务。该项目采用插件化架构，内置了全面的安全防护，并支持智能提示管理，是提升本地AI开发效率和能力的重要工具。

主要功能点

  • 本地大模型集成： 通过与LM Studio无缝集成，提供本地化的AI分析和生成服务，极大降低了对外部API的依赖和成本。
  • 上下文增强： 将代码分析、文档生成、测试用例生成等常规开发任务卸载到本地LLM执行，从而为LLM客户端（如Claude）保留宝贵的上下文窗口，用于更复杂的战略性思考和决策。
  • 丰富的工具集： 作为一个MCP服务器，Houtini LM提供多种工具（Plugins），包括：
    • 代码分析： 'analyze_single_file'（单文件分析）、'analyze_dependencies'（依赖分析）、'analyze_code_quality'（代码质量）、'security_audit'（安全审计）、'trace_execution_path'（执行路径追踪）等。
    • 内容生成： 'generate_unit_tests'（单元测试）、'generate_project_documentation'（项目文档）、'suggest_refactoring'（重构建议）、'generate_wordpress_plugin'（WordPress插件）等。
    • 趣味生成： 'css_art_generator'（CSS艺术）、'create_text_adventure'（文字冒险游戏）、'arcade_game'（街机游戏）等。
    • 系统工具： 'health_check'（健康检查）、'list_functions'（列出所有功能）、'resolve_path'（路径解析）等。
  • 全面的安全防护： 内置了强大的安全模块，能够有效防范提示注入、路径遍历、XSS、敏感信息泄露等各类安全威胁，确保本地AI操作的安全可靠。
  • 智能提示管理： 采用三阶段提示架构和动态上下文窗口管理，优化了长文本的处理能力，确保大模型在处理复杂任务时能够获得最佳的上下文信息。
  • 插件化架构： 核心功能通过插件实现，方便用户根据自身需求扩展或自定义AI功能，增加了系统的灵活性和可维护性。

安装步骤

由于该仓库是Node.js项目，且Readme中提到下载'lm.zip'，实际使用时，此MCP服务器很可能作为某个桌面应用的一部分发布。以下是基于源代码的通用安装和启动方式，但如果作为已发布的桌面应用，则只需按照该应用的指引进行安装。

  1. 准备运行环境：

    • Node.js： 确保您的计算机上已安装Node.js（推荐LTS版本）。
    • LM Studio： 下载并运行LM Studio应用程序，并加载您希望使用的本地大模型。确保LM Studio在配置的URL（默认为'ws://localhost:1234'）上正常运行。

  2. 获取项目代码：

    • 通过Git克隆仓库：'git clone https://github.com/vrund038/lm.git'
    • 进入项目目录：'cd lm'

  3. 安装依赖：

    • 运行'npm install'安装所有项目依赖。

  4. 编译项目：

    • 运行'npm run build'编译TypeScript源代码。编译后的JavaScript文件将在'dist'目录中生成。

  5. 配置环境变量：

    • 安全配置： MCP服务器需要明确指定允许访问的文件系统目录，以防止未授权的文件访问。在启动服务器的环境中，设置 'LLM_MCP_ALLOWED_DIRS' 环境变量。例如，在Windows上，您可以将其设置为： 'LLM_MCP_ALLOWED_DIRS="C:\\Users\\YourName\\Projects,D:\\Code"' 或者在Linux/macOS上： 'LLM_MCP_ALLOWED_DIRS="/home/yourname/projects,/mnt/data"' 请确保使用双反斜杠（'\\'）在Windows路径中转义，并用逗号分隔多个路径。

服务器配置（供MCP客户端参考）

MCP服务器通常由MCP客户端（如Claude Desktop）按需启动。以下是MCP客户端配置此Houtini LM服务器时可能需要的信息结构。您无需直接编辑或运行这些命令，通常由Claude Desktop或其他集成环境自动管理，或在高级设置中配置。

  • 服务器名称（name）： 'houtini-lm' （服务器在MCP客户端中的显示名称）
  • 启动命令（command）： 对应启动Houtini LM服务器的可执行文件或脚本。
    • 例如，如果系统环境中安装了'lm'命令行工具，它可能是'lm'。
    • 如果直接从源代码运行，它可能指向Node.js可执行文件，例如 'node'。
  • 启动参数（args）： 传递给启动命令的参数。
    • 例如，如果'command'是'node'，则'args'中将包含服务器主脚本的路径，如 '["dist/index.js"]'。
  • 环境变量（env）：
    • 'LLM_MCP_ALLOWED_DIRS': 用于指定Houtini LM服务器可以安全访问的文件系统目录。这是重要的安全设置，必须正确配置。例如： 
      {
  "LLM_MCP_ALLOWED_DIRS": "C:\\\\Users\\\\YourName\\\\Projects,D:\\\\Code"
}
      （请根据您的实际需求和操作系统调整路径）
  • 传输协议（transport）： 默认为 'stdio'，通过标准输入输出与客户端通信。

基本使用方法

  1. 启动LM Studio并加载模型： 确保LM Studio应用已在您的计算机上运行，并且已加载一个或多个大模型，以便Houtini LM服务器可以与其通信。

  2. 配置MCP客户端： 在您使用的LLM客户端（如Claude Desktop）中，进入MCP服务器配置界面。

    • 添加一个新的MCP服务器。
    • 将服务器名称设置为 'houtini-lm'。
    • 根据您的安装方式和操作系统配置正确的 'command' 和 'args'（如上所述）。
    • 配置 'LLM_MCP_ALLOWED_DIRS' 环境变量以授权文件访问。

  3. 在LLM对话中调用工具： 在您的LLM客户端与大模型的对话中，通过 'houtini-lm:tool_name' 的格式调用Houtini LM提供的工具。

    • 示例1：检查LM Studio连接状态 
      houtini-lm:health_check {"detailed": true}
    • 示例2：分析单个代码文件 假设您在'C:\MyProject\src\main.js'有一个JavaScript文件，内容为： 
      // C:\MyProject\src\main.js
function add(a, b) {
    return a + b;
}
console.log(add(1, 2));
      您可以在LLM对话中调用： 
      houtini-lm:analyze_single_file {"filePath": "C:\\\\MyProject\\\\src\\\\main.js", "analysisType": "quality", "language": "javascript"}
    • 示例3：生成单元测试 
      houtini-lm:generate_unit_tests {"filePath": "C:\\\\MyProject\\\\src\\\\utils.js", "language": "javascript", "testFramework": "jest", "coverageTarget": "comprehensive"}

通过这种方式，Houtini LM将充当Claude的本地智能助手，在本地LM Studio上执行复杂任务，并将结构化结果返回给Claude，极大地提升了AI辅助开发的效率和能力。

信息

分类

开发者工具

访问项目