关键词

AI代码助手代码审查LLM工具集成编程辅助CLI工具桥接

项目简介

UltraReview MCP 服务器是一个基于 Model Context Protocol (MCP) 构建的后端服务，旨在将流行的 AI 编程助手命令行工具（如 Codex CLI、GitHub Copilot CLI 和 Claude CLI）集成到一个统一的接口中。通过此服务器，您可以使用任何兼容的 MCP 客户端（例如 Claude Code）直接调用这些 AI 助手的强大功能，进行代码审查、获取建议、调试帮助和架构分析。

主要功能点

  • 集成多个 AI 编程 CLI 工具：将 Codex CLI、GitHub Copilot CLI 和 Claude CLI 包装为 MCP 工具。
  • 统一的工具调用接口：通过 MCP 协议，LLM 客户端可以以标准化的方式调用不同的 AI 编程工具。
  • 强大的代码辅助能力：利用 AI 进行代码审查、生成建议、解释代码、优化算法、调试问题及进行架构改进。
  • 灵活的参数配置：支持为每个 AI 工具配置模型、权限、沙盒模式、输出格式、工作目录等多种参数。
  • 安全性考量：项目README中强调了在沙盒环境中运行的重要性，并提供了详细的安全建议，提醒用户注意 AI 模型执行命令的潜在风险。

安装步骤

在开始安装之前，请确保您的系统满足以下先决条件：

  • Python 3.10+
  • 已安装并配置好 Codex CLI（可从 'https://github.com/codex-cli' 获取）
  • 已安装并配置好 GitHub Copilot CLI（可从 'https://github.com/github/gh-copilot' 获取）
  • 已安装并配置好 Claude CLI（可从 'https://claude.ai/code' 获取）
  • 一个兼容的 MCP 客户端，例如 Claude Desktop 或 Claude Code

安装 UltraReview MCP 服务器：

  1. 克隆或下载本仓库到您的本地计算机。
  2. 进入仓库目录（例如 'cd ultrareview-mcp'）。
  3. 安装 Python 依赖： 
    pip install -r requirements.txt
  4. 使服务器脚本可执行： 
    chmod +x server.py

请注意：每个 CLI 工具都有自己的认证要求和安全注意事项。在使用 UltraReview MCP 服务器前，请务必了解并满足这些工具的权限和配置要求，并仔细阅读仓库中的安全警告。

服务器配置

UltraReview MCP 服务器通常由 MCP 客户端（如 Claude Desktop）启动和连接。您需要将以下配置信息添加到您的 MCP 客户端的配置文件中。

以 Claude Desktop 为例的配置说明：

  • macOS 系统: '~/Library/Application Support/Claude/claude_desktop_config.json'
  • Linux 系统: '~/.config/Claude/claude_desktop_config.json'

在您的客户端配置文件（通常是 JSON 格式）中，找到 'mcpServers' 部分，并添加一个名为 '"ultrareview"' 的条目。这个条目将定义客户端如何启动和连接 UltraReview MCP 服务器。

您需要提供以下关键信息：

  • 服务器名称 ('"ultrareview"')：这是您为该 MCP 服务器定义的唯一标识符，客户端将通过此名称识别并与之交互。
  • 启动命令 ('"command"')：指定启动 MCP 服务器的可执行文件的完整绝对路径。为了确保环境隔离和依赖正确，强烈建议您使用仓库所在虚拟环境中的 Python 解释器路径。
  • 命令参数 ('"args"')：一个字符串数组，包含启动命令所需的参数。这里应指定 'server.py' 脚本的完整绝对路径。

配置示例（请根据您的实际路径进行修改）：

{
  "mcpServers": {
    "ultrareview": {
      "command": "/home/user/dev/ultrareview-mcp/.venv/bin/python3",
      "args": ["/home/user/dev/ultrareview-mcp/server.py"]
    }
  }
}

重要提示： 请务必将上述 '"command"' 和 '"args"' 中的路径替换为您本地 'ultrareview-mcp' 仓库中 Python 虚拟环境的解释器路径和 'server.py' 文件的完整绝对路径。例如，如果您的仓库位于 '/Users/youruser/projects/ultrareview-mcp'，并且您在该目录下创建了虚拟环境，那么路径可能类似于 '/Users/youruser/projects/ultrareview-mcp/.venv/bin/python3' 和 '/Users/youruser/projects/ultrareview-mcp/server.py'。

基本使用方法

配置完成后，重新启动您的 MCP 客户端（如 Claude Code）。您现在可以在客户端中通过自然语言或编程方式使用 UltraReview MCP 服务器提供的 AI 工具。

以下是在 Claude Code 中使用这些工具的示例：

  • 向 Codex 寻求代码反馈：

    "Ask Codex for feedback on this code"
"Ask Codex to review PR 81"
"Ask Codex for five words about apples"

    （客户端将调用服务器的 'ask_codex' 工具，并传递相应的 'prompt' 参数）

  • 获取 GitHub Copilot 的代码建议：

    "Ask Copilot for code suggestions"
"Ask Copilot to explain this function"
"Ask Copilot to optimize this algorithm"

    （客户端将调用服务器的 'ask_copilot' 工具，并传递相应的 'prompt' 参数）

  • 利用 Claude CLI 进行代码分析：

    "Ask Claude to analyze this codebase"
"Ask Claude for debugging help"
"Ask Claude to suggest architectural improvements"

    （客户端将调用服务器的 'ask_claude' 工具，并传递相应的 'prompt' 参数）

通过这些指令，UltraReview MCP 服务器将执行相应的底层 CLI 命令，并将其结果通过 MCP 协议返回给您的客户端，从而实现与 AI 助手的无缝交互。

信息

分类

开发者工具

访问项目