项目简介

'mcp-code-mode' 是一个先进的MCP服务器实现，专注于通过“Code Mode”模式优化大型语言模型（LLM）的代码生成任务。它不直接向LLM暴露大量工具，而是提供一个单一的 'execute' 工具，允许LLM在安全的沙盒环境中编写和运行TypeScript代码。这个沙盒环境预集成了文件系统操作、高质量代码案例（BestCase）管理、动态指南加载以及项目元数据分析等功能。其核心优势在于能将LLM的token使用量降低高达98%，并通过AI代码分析和设计系统/工具库智能感知来提升生成代码的质量和一致性。

主要功能点

Code Mode 标准合规: 采用单一 'execute' 工具模式，LLM直接编写TypeScript代码，并通过沙盒安全执行。
AI 代码分析与质量评估: 利用Ollama LLM进行GPU加速的代码分析，自动评估代码质量并进行多维度评分（结构、API连接、设计系统、错误处理、类型使用、状态管理、性能、实用性）。
BestCase 管理: 自动保存和加载高质量代码模式（BestCase），支持按8个维度进行细粒度搜索，帮助LLM学习最佳实践。
智能环境感知: 自动检测项目使用的UI框架（如Element Plus, Vuetify）、工具库（如VueUse, Lodash）及API类型（如gRPC, OpenAPI），确保LLM生成的代码与项目风格一致。
本地包系统: AI自动分析并注册组织内部的私有设计系统和工具库，支持Git URL、node_modules和本地路径。
自动项目上下文: 'execute' 工具的每次调用都会自动在响应中包含项目元数据，为LLM提供实时、精确的上下文信息，避免重复分析。
动态指南加载: 基于元数据搜索和优先级合并机制，为LLM提供最相关的编码指南和最佳实践，有效减少不必要的token消耗。
安全沙盒执行: 使用vm2沙盒技术隔离代码执行环境，确保LLM生成和执行的代码不会对宿主系统造成危害。
Docker 部署: 提供GPU支持的Docker部署方案，包含Ollama LLM、MCP服务器、本地包分析器和定时任务调度器。

安装步骤

安装 Node.js 和 Yarn: 确保您的系统安装了 Node.js（推荐 20.0.0 及以上版本）和 Yarn 包管理器。

克隆仓库:

git clone https://github.com/TaeGyumKim/mcp-code-mode.git

进入项目目录:
```
cd mcp-code-mode
```
安装依赖:
```
yarn install
```

构建所有包:

yarn workspaces foreach -A run build

（这将把 TypeScript 代码编译成 JavaScript。）

（可选）项目扫描:
```
yarn scan:advanced
```
（首次运行建议执行此步骤，扫描项目生成 BestCase，需确保 Ollama 服务可用。）
运行 MCP 服务器 (本地):
```
npx tsx mcp-stdio-server.ts
```
（这将在本地启动一个通过标准 I/O (stdio) 通信的 MCP 服务器。）

使用 Docker 部署（推荐生产环境）:

确保已安装 Docker 和 Docker Compose。

如果您的机器有 NVIDIA GPU：

docker-compose up -d --build

如果只有 CPU：

docker-compose -f docker-compose.cpu.yml up -d --build

（这将启动 Ollama LLM、MCP Code Mode 服务器、本地包分析器和定时调度器。）

服务器配置 (适用于MCP客户端，例如VS Code Copilot)

MCP客户端需要配置与此服务器建立连接。以下是一个 JSON 格式的配置示例及参数说明。用户只需将此配置添加到其MCP客户端的设置中，无需理解代码。

{
  "mcpServers": {
    "mcp-code-mode-server": {
      "type": "stdio",
      "command": "docker",
      "args": [
        "exec",
        "-i",
        "mcp-code-mode-server",
        "node",
        "/app/mcp-stdio-server.js"
      ],
      "name": "MCP Code Mode Server",
      "description": "基于Anthropic Code Mode模式的MCP服务器，支持在沙盒中执行TypeScript代码进行高级AI辅助编程。"
    }
  }
}

'mcp-code-mode-server': 服务器的唯一标识符（名称），您可以自定义。
'type': 'stdio' 表示通过标准 I/O 进行通信。
'command': 启动 MCP 服务器的命令。这里配置为 'docker'，表示通过 Docker 容器执行服务器。
'args': 传递给 'command' 的参数列表。
- 'exec': Docker 命令，用于在运行中的容器中执行命令。
- '-i': 保持 stdin 打开，即使没有附加。
- 'mcp-code-mode-server': Docker Compose 文件中定义的 MCP 服务器容器的服务名称。
- 'node': 在容器内部执行的命令，用于运行 Node.js 脚本。
- '/app/mcp-stdio-server.js': MCP 服务器脚本在 Docker 容器内部的路径。
'name': 服务器的显示名称，方便在客户端界面识别。
'description': 服务器的简要描述。

基本使用方法

一旦 MCP 服务器启动并成功配置到您的 MCP 客户端（例如 VS Code Copilot/Claude），您就可以在聊天界面中与 LLM 交互。由于采用了“Code Mode”模式，LLM 将主要通过 'execute' 工具来完成任务。

请求 LLM 分析项目: 在聊天中输入“分析当前项目并提出改进建议”。
LLM 执行 'execute' 工具: LLM 将在后台调用 'execute' 工具，并在沙盒中运行 TypeScript 代码来执行 'metadata.createAnalyzer'、'filesystem.searchFiles' 等 API，以提取项目元数据。
LLM 检索 BestCase 和指南: LLM 可能会再次调用 'execute' 工具，通过 'bestcase.search' 和 'guides.search' 等 API，根据项目上下文找到相关的最佳实践代码和编码指南。
LLM 生成代码: LLM 根据收集到的上下文信息、最佳实践和指南，生成符合项目风格的高质量代码。例如，它可能会利用 'metadata.getComponentForDesignSystem' 来确保使用正确的 UI 组件。
审查和应用: 您可以审查 LLM 生成的代码，并将其应用到您的项目中。

关键词

项目简介

主要功能点

安装步骤

服务器配置 (适用于MCP客户端，例如VS Code Copilot)

基本使用方法

信息