项目简介

'mcp-sage' 是一个 MCP (Model Context Protocol) 服务器，旨在为大型语言模型 (LLM) 客户端提供代码分析和评审工具。它通过 Gemini 2.5 Pro 模型，结合项目文件上下文，为开发者提供代码的第二意见和专家级的代码审查建议。

主要功能点

第二意见 (second-opinion) 工具: 允许用户向 Gemini 模型发送提示 (prompt) 和文件路径列表，获取关于代码的解释、功能说明等第二意见。服务器会将指定的文件内容打包成 XML 格式作为上下文，确保模型能够理解代码的语境。
专家评审 (expert-review) 工具: 提供代码审查功能，用户可以提供代码修改的指令和文件路径，服务器会将文件内容作为上下文发送给 Gemini 模型，并指示模型以 'SEARCH/REPLACE' 代码块格式返回代码修改建议，方便用户快速应用评审结果。
上下文处理: 能够递归地读取目录下的所有文件，并将文件内容以结构化的 XML 格式打包，作为 Gemini 模型的上下文输入，支持处理大型代码库。
Token 限制处理: 在调用 Gemini 模型前，服务器会检查组合后的提示和上下文是否超过 Gemini 的 Token 限制 (1M tokens)，避免因超限导致请求失败。
详细日志: 通过 MCP 协议的日志功能提供详细的监控信息，包括 Token 使用量、文件数量、请求处理时间以及错误信息，帮助用户了解工具的运行状态和资源消耗。

安装步骤

克隆仓库

git clone https://github.com/jalehman/mcp-sage.git
cd mcp-sage

安装依赖 确保已安装 Node.js (v18 或更高版本) 和 npm。
```
npm install
```
构建项目
```
npm run build
```
配置环境变量 设置 Google Gemini API 密钥到环境变量 'GEMINI_API_KEY'。你需要在 Google AI Studio 获取 API 密钥。
```
export GEMINI_API_KEY=你的Gemini_API_KEY
```

服务器配置

MCP 客户端需要配置服务器的启动命令才能连接 'mcp-sage' 服务器。以下是配置示例，请根据你的实际安装路径进行调整。

{
  "servers": [
    {
      "name": "mcp-sage",  // 服务器名称，可以自定义
      "command": "node",   // 启动服务器的命令，这里使用 node
      "args": [            // 启动命令的参数
        "/path/to/mcp-sage/dist/index.js" // mcp-sage 服务器入口文件路径，请替换为实际路径
      ],
      "env": {             // 环境变量配置
        "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY" // 建议在客户端配置中留空，而在运行环境中设置
      }
    }
  ]
}

请注意： '/path/to/mcp-sage' 需要替换为 'mcp-sage' 仓库在你的文件系统中的实际路径。强烈建议将 'GEMINI_API_KEY' 环境变量在运行服务器的环境中设置，而不是直接写在客户端的配置文件中，以提高安全性。

基本使用方法

启动 MCP 服务器 根据你的 MCP 客户端配置，启动 'mcp-sage' 服务器。如果使用命令行直接运行，可以使用以下命令：

GEMINI_API_KEY=你的Gemini_API_KEY node /path/to/mcp-sage/dist/index.js

使用 MCP 客户端调用工具 MCP 客户端需要发送符合 MCP 协议的 JSON-RPC 请求来调用 'mcp-sage' 提供的工具。

调用 'second-opinion' 工具示例

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "second-opinion",
    "arguments": {
      "prompt": "请解释一下这段代码的功能",
      "paths": ["path/to/your/codefile.js"]  // 请替换为实际的代码文件路径
    }
  }
}

调用 'expert-review' 工具示例

{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "tools/call",
  "params": {
    "name": "expert-review",
    "arguments": {
      "instruction": "为这个函数添加错误处理",
      "paths": ["path/to/your/codefile.js"]  // 请替换为实际的代码文件路径
    }
  }
}

请将 'path/to/your/codefile.js' 替换为你想要分析或评审的代码文件的实际路径。你可以根据需要修改 'prompt' 和 'instruction' 字段的内容，以满足不同的代码分析和评审需求。

查看结果 服务器会将 Gemini 模型的响应通过 JSON-RPC 响应返回给 MCP 客户端。对于 'expert-review' 工具，返回的结果会包含 'SEARCH/REPLACE' 代码块，方便用户直接应用代码修改建议。同时，服务器还会通过 MCP 协议的 'notifications/message' 方法发送日志信息，客户端可以根据需要显示这些日志。

通过以上步骤，你就可以利用 'mcp-sage' MCP 服务器提供的工具，结合 Gemini 模型的强大能力，进行代码分析和专家评审，提升开发效率和代码质量。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息