返回市场
黑客马拉松-MCP服务器

黑客马拉松-MCP服务器

作者:Pro-dutt2 星标更新:2025-09-15

项目介绍

🔍 代码库发现平台

MCP 黑客马拉松 2025 - 主题 1:公民参与

Repo Scout

一个智能的代码库发现平台,帮助开发者找到适合其项目和学习旅程的完美 GitHub 代码库。

🎯 问题陈述

在当今庞大的开源生态系统中,开发者面临以下挑战:

  • 找到适用于新项目的相关代码库
  • 发现适合初学者贡献的代码库
  • 从现有的代码库中获取有意义的头脑风暴想法
  • 找到符合其技能水平和兴趣的代码库

💡 解决方案概述

我们的平台利用模型控制协议(MCP)服务器和人工智能,通过用户友好的网页界面提供智能的代码库推荐。

关键特性

  • 智能代码库搜索:使用 GitHub MCP 工具的 AI 驱动搜索
  • 适合初学者的筛选:识别良好的首次问题和初学者资源
  • 代码库分析:深入分析代码库的质量、活动和社区
  • 比较分析:比较多个代码库以做出明智的决策
  • 个性化推荐:基于用户偏好的定制建议

🏗️ 架构

两种实现方法

方法 1:LM Studio 集成

  • 主要堆栈:Next.js 前端 + Flask 后端
  • AI 模型:可自定义参数的 LM Studio
  • MCP 集成:Docker 宿主的 GitHub MCP 服务器
  • 通信:CLI 流通过 stdin/stdout
  • 编排:LangGraph 用于工作流管理

方法 2:Claude Desktop(优化)

  • 平台:Claude Desktop 应用程序
  • 性能:增强的速度和效率
  • MCP 工具:与 GitHub 和自定义 repo_analyzer MCP 的直接集成

🛠️ 技术栈

前端

  • 框架:Next.js
  • 认证:Descope(GitHub 和 Google 的 OAuth)
  • 样式:现代响应式设计

后端

  • API 服务器:Flask
  • AI 集成:LM Studio API / Claude Desktop
  • 工作流:LangGraph 用于代码库过滤和分析
  • 容器化:Docker 用于 MCP 服务器

MCP 工具

  1. GitHub MCP(标准)

    • search_repository
    • get_issues
    • get_directory_contents
  2. 自定义 repo_analyzer MCP(FastMCP)

    • analyze_repository
    • get_beginner_resources
    • suggest_good_first_issues
    • compare_repositories

🚀 开始使用

先决条件

  • Node.js 18+
  • Python 3.8+
  • Docker
  • LM Studio(对于方法 1)

安装

  1. 克隆仓库

    git clone <repository-url>
    cd repository-discovery-platform
    
  2. 前端设置

    cd frontend
    npm install
    npm run dev
    
  3. 后端设置

    cd backend
    pip install flask httpx fastmcp flask-cors
    python app.py
    
  4. MCP 服务器设置

    docker-compose up -d
    

配置

  1. 环境变量

    GITHUB_PERSONAL_ACCESS_TOKEN = <your_github_token>
    DESCOPE_PROJECT_ID = your_descope_project_id
    DESCOPE_MANAGEMENT_KEY = descope_management_key
    LM_STUDIO_API_URL = http://localhost:1234
    
  2. LM Studio 配置

    • 在端口 1234 上启动 LM Studio 服务器
    • 加载您首选的模型
    • 配置 MCP 集成

📱 使用

网页界面

  1. 登录http://localhost:3000/sign-in

    • 通过 Descope 进行 GitHub 或 Google OAuth
  2. 生成推荐http://localhost:3000/generate

    • 输入您的项目描述或兴趣
    • 自定义 AI 参数(温度、最大令牌数、top-k 等)
    • 获取智能的代码库推荐

API 端点

LM Studio 端点

  • GET /health - 服务器健康检查
  • GET /models - 可用模型
  • POST /chat - 处理提示
  • POST /chat/completions - 获取 AI 补全

🔧 功能深度解析

智能筛选

  • 星标数量分析:代码库受欢迎程度指标
  • 提交历史:活动和维护状态
  • 问题管理:活跃的社区参与
  • 贡献者分析:社区规模和多样性

代码库质量评估

  • README 质量:文档完整性
  • 许可证合规性:开源许可证验证
  • 适合初学者:良好的首次问题和贡献指南
  • 项目结构:代码组织和最佳实践

个性化

  • 技能水平匹配:从初学者到高级的推荐
  • 技术栈:语言和框架偏好
  • 贡献历史:基于用户的 GitHub 活动

🎮 演示

image image image image image

架构

image

🏆 黑客马拉松成果

成就

  • 成功集成了多个 MCP 服务器
  • 创建了自定义 MCP 工具以增强代码库分析
  • 实现了两种不同的架构方法
  • 在方法 2 中实现了显著的性能改进

经验教训

  • MCP 集成中的 stdin/stdout 通信挑战
  • 通过 Claude Desktop 集成进行性能优化的重要性
  • 在 AI 驱动的应用程序中用户体验的重要性

👥 团队

🙏 致谢

  • MCP 黑客马拉松组织者
  • GitHub API 提供的代码库数据
  • LM Studio 团队提供的本地 AI 模型托管
  • Descope 提供的认证解决方案
  • FastMCP 提供的简化 MCP 开发

为 MCP 黑客马拉松 2025 献上 ❤️