项目简介

MCP as a Judge 是一个基于 Model Context Protocol (MCP) 的智能服务器，旨在作为 AI 编程助手和大型语言模型 (LLM) 之间的验证层。它通过 AI 驱动的评估和必要时的人工介入，帮助开发者确保代码质量、遵循最佳实践，并增强人机协作。该服务器运行在您的本地机器上，确保代码和数据隐私。

主要功能点

智能代码评估: 利用 AI 分析代码，检查软件工程最佳实践、安全漏洞、性能和可维护性。
全面规划审查: 评估编码计划、系统设计和研究深度，确保方案与用户需求一致，避免重复造轮子。
用户驱动决策: 当 AI 编程助手遇到障碍或需求不明确时，通过交互式提示让用户参与关键决策，避免 AI 擅自猜测。
智能工作流引导: 自动推荐下一步应使用的工具和步骤，引导 AI 助手遵循结构化的开发流程，确保每个开发任务都遵循最佳实践。

安装步骤

MCP as a Judge 服务器可以通过 Docker 或 'uv' 工具进行安装。

使用 Docker (推荐)

安装 Docker Desktop: 确保您的系统已安装 Docker Desktop。
无需手动安装: 在配置 MCP 客户端时，当 MCP 客户端启动 MCP as a Judge 服务器时，它将自动拉取最新镜像。

使用 uv 工具

安装 uv: 确保您的系统已安装 'uv'（一个快速的 Python 包安装和管理工具）。如果未安装，请按照 'uv' 官方文档进行安装。
安装 MCP as a Judge: 打开终端并运行以下命令：
```
uv tool install mcp-as-a-judge
```
'uv' 会自动将服务器安装到您的环境中。

服务器配置 (MCP 客户端视角)

MCP as a Judge 服务器是为 MCP 客户端（如 Visual Studio Code 中的 GitHub Copilot 插件）提供服务的。您需要在您的 MCP 客户端中配置 MCP as a Judge 服务器的启动信息。

以下是您可以在 MCP 客户端（例如 Visual Studio Code）的 MCP 配置文件中添加的示例配置（通常是 JSON 格式）。请根据您使用的 MCP 客户端类型和偏好的启动方式进行调整：

{
  "mcpServers": {
    "mcp-as-a-judge": {
      // 如果使用 Docker 启动
      "command": "docker",
      "args": ["run", "--rm", "-i", "--pull=always", "ghcr.io/othervibes/mcp-as-a-judge:latest"],
      
      // 如果使用 uv 工具启动 (任选其一)
      // "command": "uv",
      // "args": ["tool", "run", "mcp-as-a-judge"],
      
      "env": {
        // 可选: LLM_API_KEY
        // 如果您的 MCP 客户端（例如 GitHub Copilot + VS Code）不支持 MCP 采样功能，
        // 您可以提供一个 LLM API 密钥作为备用方案，支持 OpenAI, Anthropic, Google 等。
        // GitHub Copilot + VS Code 通常不需要此密钥。
        // "LLM_API_KEY": "您的OpenAI-或-Anthropic-或-其他-LLM-API密钥",
        
        // 可选: LLM_MODEL_NAME
        // 如果未指定，服务器将使用检测到的 LLM 提供商的默认模型。
        // "LLM_MODEL_NAME": "gpt-4o-mini" // 示例模型名称
      }
    }
  }
}

重要提示: GitHub Copilot 在 Visual Studio Code 中已全面支持 MCP 采样和推断功能，因此通常不需要配置 'LLM_API_KEY'。其他 AI 助手可能需要配置 API 密钥作为备用方案。

基本使用方法

配置完成后，当您在 MCP 客户端（如 GitHub Copilot）中使用 AI 编程助手时，MCP as a Judge 服务器将自动在后台运行，并与您的 AI 助手协作：

自动化工作流: AI 编程助手会智能地调用 MCP as a Judge 的工具来引导开发流程。例如，AI 会调用 'build_workflow' 来规划任务，然后调用 'judge_coding_plan' 审查您的设计和研究，并在代码编写后调用 'judge_code_change' 进行代码质量和安全检查。
人机协作: 如果 AI 助手遇到不明确的需求（通过 'raise_missing_requirements' 工具）或无法解决的障碍（通过 'raise_obstacle' 工具），它会通过 MCP 客户端向您发出提示，请求您的介入和决策。您可以通过简单的交互提供所需的澄清或选择解决方案。

通过这种方式，MCP as a Judge 确保您与 AI 助手之间的协作更加高效、透明，并产出更高质量的软件。

关键词