mcp-server-github-trend
Provides GitHub open-source intelligence via MCP tools for discovering trends, evaluating repository health, comparing projects, and analyzing users, issues, and releases. It includes a CLI and can be used with AI assistants like Claude or Cursor.
README
mcp-server-github-trend
<div align="center">
🚀 一个基于 Python 的 MCP 超级智能体:自动发现、分析、规划并部署开源项目来解决用户问题。
English | 中文
</div>
简介
本项目是一个 Model Context Protocol (MCP) 服务器,它不仅仅是一个 GitHub 趋势查看器,更是一个能够理解用户意图、自动检索开源项目、分析项目健康状况、生成部署方案,并可在沙箱中安全执行的开源超级智能体。
核心能力
- 意图理解:从自然语言问题中提取目标、约束、技术栈和紧急程度
- 多源发现:搜索 GitHub 仓库、话题、用户、Issue
- 仓库智能分析:多维度健康评分、README 摘要、技术栈检测、风险标记
- 方案规划:根据用户需求生成可执行的部署/集成计划
- 安全执行:在受控工作目录中执行允许列表内的命令
- 可观测性:结构化日志、Prometheus 指标、可选的 FastAPI 仪表盘
- 多级缓存:支持内存、磁盘、Redis 三种缓存后端
- 中英双语:所有输出支持中文与英文切换
快速开始
安装
pip install -e ".[all]"
配置
创建 .env 文件(可选,未配置时部分 GitHub API 调用受速率限制):
OSS_AGENT_GITHUB_TOKEN=ghp_xxxxxxxx
作为 MCP 服务器使用
在 Claude Desktop、Cursor 或其他支持 MCP 的客户端中配置:
{
"mcpServers": {
"github-trend": {
"command": "mcp-oss-agent",
"args": ["serve"],
"env": {
"OSS_AGENT_GITHUB_TOKEN": "ghp_xxxxxxxx"
}
}
}
}
CLI 使用
# 查看帮助
mcp-oss-agent --help
# 搜索仓库
mcp-oss-agent search "python web framework" --language python --per-page 10
# 分析仓库
mcp-oss-agent analyze jankoli mcp-server-github-trend
# 让智能体帮你解决问题
mcp-oss-agent solve "部署一个 Python 后端服务" --output-lang zh
# 启动 Web 仪表盘
mcp-oss-agent web --host 127.0.0.1 --port 8080
MCP 工具清单
| 工具名 | 说明 |
|---|---|
search_repositories |
按关键词、语言或话题搜索 GitHub 仓库 |
get_repository |
获取指定仓库的详细元数据 |
analyze_repository |
对仓库进行深度健康与风险评估 |
get_readme |
获取并解码仓库 README |
get_trending_repositories |
发现近期创建的流行仓库 |
get_user_repositories |
列出用户或组织的近期仓库 |
search_issues |
搜索 GitHub Issue 与 Pull Request |
solve_problem |
理解用户问题,发现候选项目并生成方案 |
compare_repositories |
对比多个仓库的健康与风险 |
get_rate_limit |
查看当前 GitHub API 速率限制 |
架构
flowchart TB
User[用户请求]
Intent[意图理解引擎]
Discovery[GitHub 发现层]
Analyzer[仓库分析引擎]
Planner[方案规划器]
Executor[安全执行器]
Cache[(多级缓存)]
Metrics[指标与日志]
User --> Intent
Intent --> Discovery
Discovery --> Cache
Discovery --> Analyzer
Analyzer --> Planner
Planner --> Executor
Executor --> Metrics
项目结构
src/mcp_server_github_trend/
├── __init__.py
├── __main__.py
├── server.py # MCP 服务器入口
├── cli.py # Typer 命令行接口
├── web.py # FastAPI 仪表盘
├── config.py # Pydantic 配置
├── models.py # Pydantic 领域模型
├── github_client.py # 异步 GitHub REST 客户端
├── analyzer.py # 仓库健康分析引擎
├── intent.py # 意图理解引擎
├── planner.py # 方案规划引擎
├── executor.py # 安全命令执行器
├── cache/ # 内存 / 磁盘 / Redis 缓存
└── utils/ # 日志、重试、国际化
配置项
所有配置均支持环境变量(前缀 OSS_AGENT_):
| 环境变量 | 默认值 | 说明 |
|---|---|---|
OSS_AGENT_GITHUB_TOKEN |
- | GitHub Personal Access Token |
OSS_AGENT_CACHE_BACKEND |
memory |
缓存后端:memory / disk / redis |
OSS_AGENT_CACHE_TTL |
300 |
缓存 TTL(秒) |
OSS_AGENT_EXECUTION_ENABLED |
0 |
是否允许执行命令 |
OSS_AGENT_EXECUTION_ALLOWLIST |
git,python,pip,npm,uv |
允许执行的命令前缀 |
OSS_AGENT_WEB_ENABLED |
0 |
是否启用 Web 仪表盘 |
OSS_AGENT_DEFAULT_LANGUAGE |
zh |
默认输出语言:zh / en |
开发
# 安装开发依赖
pip install -e ".[dev]"
# 运行测试
pytest tests/ -q
# 代码检查
ruff check src tests
ruff format --check src tests
mypy src
# 构建
python -m build
许可证
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。