MCP Neurolora

一个智能的 MCP 服务器，提供使用 OpenAI API 进行代码分析、代码收集和文档生成的工具。

🚀 安装指南

如果您还没有安装任何东西，请不要担心！只需按照以下步骤操作，或请您的助手帮助您完成安装。

步骤 1：安装 Node.js

macOS

1. 如果尚未安装 Homebrew，请安装：

   /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
   

2. 安装 Node.js 18：

   brew install node@18
   echo 'export PATH="/opt/homebrew/opt/node@18/bin:$PATH"' >> ~/.zshrc
   source ~/.zshrc
   

Windows

1. 从 nodejs.org 下载 Node.js 18 LTS
2. 运行安装程序
3. 打开一个新的终端以应用更改

Linux (Ubuntu/Debian)

curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash -
sudo apt-get install -y nodejs

步骤 2：安装 uv 和 uvx

所有操作系统

1. 安装 uv：

   curl -LsSf https://astral.sh/uv/install.sh | sh
   

2. 安装 uvx：

   uv pip install uvx
   

步骤 3：验证安装

运行以下命令以验证所有内容是否已安装：

node --version  # 应该显示 v18.x.x
npm --version   # 应该显示 9.x.x 或更高版本
uv --version    # 应该显示 uv 已安装
uvx --version   # 应该显示 uvx 已安装

步骤 4：配置 MCP 服务器

您的助手将帮助您：

1. 找到您的 Cline 设置文件：

   • VSCode: ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
   • Claude Desktop: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows VSCode: %APPDATA%/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
   • Windows Claude: %APPDATA%/Claude/claude_desktop_config.json

2. 添加此配置：

   {
     "mcpServers": {
       "aindreyway-mcp-neurolora": {
         "command": "npx",
         "args": ["-y", "@aindreyway/mcp-neurolora@latest"],
         "env": {
           "NODE_OPTIONS": "--max-old-space-size=256",
           "OPENAI_API_KEY": "your_api_key_here"
         }
       }
     }
   }
   

步骤 5：安装基本服务器

只需询问您的助手： “请为我的环境安装基本 MCP 服务器”

您的助手将：

1. 找到您的设置文件
2. 运行 install_base_servers 工具
3. 自动配置所有必要的服务器

安装完成后：

1. 完全关闭 VSCode（macOS 上为 Cmd+Q，Windows 上为 Alt+F4）
2. 重新打开 VSCode
3. 新服务器将可以使用

重要提示： 安装基本服务器后，需要完全重启 VSCode 才能正确初始化它们。

注意： 此服务器使用 npx 进行直接 npm 包执行，这对于 Node.js/TypeScript MCP 服务器来说是最佳选择，可提供与 npm 生态系统和 TypeScript 工具的无缝集成。

基本 MCP 服务器

以下基本服务器将自动安装和配置：

• fetch：用于访问 Web 资源的基本 HTTP 请求功能
• puppeteer：用于 Web 交互和测试的浏览器自动化功能
• sequential-thinking：用于复杂任务的高级问题解决工具
• github：用于存储库管理的 GitHub 集成功能
• git：用于版本控制的 Git 操作支持
• shell：具有常用命令的基本 shell 命令执行：
  • ls：列出目录内容
  • cat：显示文件内容
  • pwd：打印工作目录
  • grep：搜索文本模式
  • wc：计算单词、行、字符
  • touch：创建空文件
  • find：搜索文件

🎯 您的助手可以做什么

请您的助手：

• “分析我的代码并提出改进建议”
• “为我的环境安装基本 MCP 服务器”
• “从我的项目目录中收集代码”
• “为我的代码库创建文档”
• “生成一个包含我所有代码的 markdown 文件”

🛠 可用工具

analyze_code

使用 OpenAI API 分析代码并生成带有改进建议的详细反馈。

参数：

• codePath（必需）：要分析的代码文件或目录的路径

用法示例：

{
  "codePath": "/path/to/your/code.ts"
}

该工具将：

1. 使用 OpenAI API 分析您的代码
2. 生成带有以下内容的详细反馈：
   • 问题和建议
   • 违反最佳实践的行为
   • 影响分析
   • 修复步骤
3. 在您的项目中创建两个输出文件：
   • LAST_RESPONSE_OPENAI.txt - 人工可读的分析
   • LAST_RESPONSE_OPENAI_GITHUB_FORMAT.json - 用于 GitHub 问题的结构化数据

注意：需要在环境配置中提供 OpenAI API 密钥

collect_code

将目录中的所有代码收集到一个带有语法突出显示和导航的 markdown 文件中。

参数：

• directory（必需）：要从中收集代码的目录路径
• outputPath（可选）：保存输出 markdown 文件的路径
• ignorePatterns（可选）：要忽略的模式数组（类似于 .gitignore）

用法示例：

{
  "directory": "/path/to/project/src",
  "outputPath": "/path/to/project/src/FULL_CODE_SRC_2024-12-20.md",
  "ignorePatterns": ["*.log", "temp/", "__pycache__", "*.pyc", ".git"]
}

install_base_servers

将基本 MCP 服务器安装到您的配置文件中。

参数：

• configPath（必需）：MCP 设置配置文件的路径

用法示例：

{
  "configPath": "/path/to/cline_mcp_settings.json"
}

🔧 功能

该服务器提供：

• 代码分析：

  • OpenAI API 集成
  • 结构化反馈
  • 最佳实践建议
  • GitHub 问题生成

• 代码收集：

  • 目录遍历
  • 语法突出显示
  • 导航生成
  • 基于模式的过滤

• 基本服务器管理：

  • 自动安装
  • 配置处理
  • 版本管理

📄 许可

MIT 许可证 - 随意在您的项目中使用它！

👤 作者

Aindreyway

• GitHub: @aindreyway

⭐️ 支持

如果这个项目帮助了您，请给一个 ⭐️！