代码分析器

Name: 代码分析器
Author: 0xjcf

作者：0xjcf5 星标更新：2025-11-20

安装使用来源：spider==github.com

项目介绍

MCP代码分析

一个强大的代码库分析工具包，利用模型上下文协议（MCP）进行AI辅助的代码理解和转换。

特性

代码分析：使用抽象语法树解析和分析代码库
上下文生成：为AI模型创建丰富的上下文信息
工具集成：基于MCP SDK构建，实现无缝的AI工具集成
可扩展架构：插件系统支持自定义分析器

要求

Node.js 18+
NPM 9+
Redis（可选，仅生产环境需要）

安装

# 克隆仓库
git clone https://github.com/yourusername/mcp-codeanalysis.git
cd mcp-codeanalysis

# 安装依赖
npm install

# 构建项目
npm run build

Redis配置（可选）

在生产环境中，Redis用于会话存储。在开发和测试中，如果Redis不可用，系统将自动回退到内存中的会话存储。

注意：已知存在Redis连接问题，即使Redis正在运行，操作也可能失败。详情见plan.md文件中的“技术债务”部分。目前，你可以使用./use-memory-session.sh脚本以内存会话存储运行服务器。更多信息，请参阅Redis故障排除指南。

安装Redis：

# Ubuntu/Debian
sudo apt-get install redis-server

# macOS
brew install redis

# Windows（推荐使用WSL）
# 对于原生Windows，从https://redis.io/download下载

默认情况下，应用程序尝试连接到redis://localhost:6379的Redis。你可以通过环境变量配置Redis连接：

# 设置自定义Redis URL
export REDIS_URL=redis://custom-host:6379

# 即使有Redis可用也强制使用内存会话存储
export FORCE_MEMORY_SESSION=true

开发

# 在开发模式下运行
npm run dev

# 运行测试
npm test

# 运行代码检查
npm run lint

使用

# 启动MCP服务器
npm start

# 运行CLI工具
node ./tools/mcp-stdio-client.js --task "分析依赖关系" --files "src/*.ts"

文档

许可证

MIT

CodeAnalysis MCP服务器

一个全面的模型上下文协议（MCP）服务器，用于高级代码分析，提供通过可扩展架构的工具和见解。

🚀 特性

基本代码分析：语法和结构分析
代码度量：复杂度、行数和代码质量度量
依赖分析：包和导入关系可视化
知识图谱：代码关系可视化和查询
记忆系统：存储和检索关于代码库的见解
可视化：生成多种格式的图表（Mermaid、DOT、ASCII）
社会技术分析：理解团队和代码的关系
多仓库分析：跨仓库关系分析
进化规划：代码改进建议
实时监控：实时监控代码更改
IDE集成：编辑器集成工具
开发者工具：增强AI辅助开发工作流程的支持

📋 前提条件

Node.js 18+
npm 或 yarn
Redis（开发可选，生产推荐）

🛠️ 安装

# 克隆仓库
git clone https://github.com/your-username/codeanalysis-mcp.git
cd codeanalysis-mcp

# 安装依赖
pnpm install

# 构建项目
pnpm build

🖥️ 使用

CodeAnalysis MCP服务器有两种使用方式：

1. 作为MCP服务器

# 启动MCP服务器
pnpm start

这将启动可以被任何MCP客户端（如Claude Desktop、Cursor等）连接的MCP服务器。

2. 使用CLI

项目包含一个全面的CLI供直接交互：

# 获取帮助
pnpm run cli --help

# 分析仓库或目录
pnpm run cli analyze repo ./src

# 检查代码质量
pnpm run cli quality analyze ./src

3. 使用开发者工具进行AI辅助开发

项目包含专门设计来增强AI辅助开发的特殊工具：

# 为AI助手生成代码上下文
node tools/ai-dev-helper.js --task="实现新功能" --search="相关功能"

# 运行示例客户端
node examples/dev-tools-client.js

详细信息请参阅开发者工具指南。

📊 示例命令

基本分析

# 分析本地目录
pnpm run cli analyze repo ./src

# 分析特定文件
pnpm run cli analyze file ./src/server.ts

代码度量

# 获取带有函数细节的代码度量
pnpm run cli metrics analyze ./src --functions

# 将度量保存到文件
pnpm run cli metrics analyze ./src -o metrics-report.json

依赖分析

# 以Mermaid格式分析依赖关系
pnpm run cli dependencies analyze ./src -f mermaid -o deps.mmd

# 可视化依赖关系
pnpm run cli visualize dependencies -p ./src --format mermaid

代码质量

# 运行质量分析
pnpm run cli quality analyze ./src

# 生成HTML报告
pnpm run cli quality analyze ./src --html -o quality-report.html

知识图谱

# 构建知识图谱
pnpm run cli knowledge build ./src

# 查询知识图谱
pnpm run cli knowledge query ./src "type:function AND complexity>5"

# 导出为图表
pnpm run cli knowledge export ./src -f mermaid

见解与记忆

# 存储见解
pnpm run cli insights store -r ./src -t code-pattern -c "重构机会"

# 检索见解
pnpm run cli insights retrieve -r ./src

开发者工具

# 准备AI交互上下文
node tools/ai-dev-helper.js --task="修复身份验证错误" --files="src/auth/*.ts" --search="登录"

# 与AI提示一起使用
# 将生成的ai-context.json文件内容复制到你的AI助手提示中
# 或使用模板/templates/ai-prompt-template.md

🏗️ 架构

项目遵循MCP架构，包括以下组件：

MCP服务器：使用MCP协议的核心服务器实现
分析特性：模块化的代码分析能力
CLI：直接交互的命令行界面
传输层：通信机制（默认为stdio）

🔌 与MCP客户端的集成

此服务器兼容任何符合MCP规范的客户端，包括：

Claude Desktop应用
Cursor编辑器
Continue
其他MCP兼容工具

📝 路径规范

命令接受各种格式的路径：

本地目录：./src 或 /absolute/path/to/dir
本地文件：./src/file.ts 或 /path/to/file.ts
仓库URL：https://github.com/username/repo

🤝 贡献

欢迎贡献！请随意提交Pull Request。

📄 许可证

该项目采用MIT许可证——详见LICENSE文件。

MCP SDK状态管理架构

此项目实现了MCP SDK的状态工具，提供了一个框架，用于构建在调用之间维护上下文的工具。

架构概述

状态管理架构组织成几个模块化组件：

src/state/
├── helpers/
│   └── statefulTool.ts       # 创建状态工具的主要入口点
├── machines/
│   └── toolMachine.ts        # 工具执行流程的XState机器
├── services/
│   ├── toolService.ts        # 工具核心执行服务
│   ├── redisToolExecutionService.ts  # 分布式执行服务
│   ├── redisSessionStore.ts  # 基于Redis的会话持久化
│   └── types.ts              # 共享类型定义

核心组件

状态工具助手（`statefulTool.ts`）

与MCP SDK的中央集成点，提供：

带会话管理的工具注册
符合MCP规范的响应格式
内存中的会话管理
会话访问和操作的辅助函数

// 创建具有状态持久性的状态工具
createStatefulTool(server, "my-tool", schema, handler);

// 带描述
createStatefulTool(server, "my-tool", "我的状态工具", schema, handler);

工具机器（`toolMachine.ts`）

基于XState的状态机，定义了工具的执行流程：

状态转换（空闲、工具选择、参数设置、执行等）
参数、结果和历史记录的上下文管理
错误处理和恢复路径

此组件委托会话管理给状态工具实现。

工具服务（`toolService.ts`）

协调工具状态转换的核心执行服务：

管理工具选择、参数验证和执行
跟踪执行历史
处理执行结果和错误

类型（`types.ts`）

确保整个状态管理系统一致性的共享类型定义：

SessionData：存储工具状态的结构
SessionStore：会话存储实现的接口
ExecutionResult：工具的标准响应格式

与MCP SDK的集成

架构通过以下方式与MCP SDK集成：

扩展带状态管理的工具注册模式
维持与MCP响应格式的兼容性
提供会话和上下文跟踪，用于状态操作

使用示例

import { createServer } from "@modelcontextprotocol/sdk";
import { createStatefulTool } from "./state/helpers/statefulTool";
import { z } from "zod";

const server = createServer();

// 注册一个状态工具
createStatefulTool(
  server,
  "counter",
  "一个在调用间维持计数的工具",
  {
    action: z.enum(["increment", "decrement", "reset"]),
  },
  async (params) => {
    // 从参数中获取会话ID（或创建一个新的）
    const sessionId = params.sessionId;

    // 处理动作
    let count = 0;

    // 工具逻辑与状态操作...

    return { count };
  }
);

server.listen(3000);

分布式状态管理

对于分布式环境，基于Redis的实现提供了：

跨服务器重启的会话持久化
并发访问的分布式锁定
基于TTL的会话清理
网络/连接问题的错误处理

测试

组件包括全面的测试套件，验证：

工具状态转换
会话管理
错误处理和恢复
响应格式
分布式操作（使用Redis）

AI开发工具

CodeAnalysis MCP服务器提供了专用于AI辅助开发的工具。这些工具有助于收集可以提供给AI系统的代码上下文，以便更有效的协助。

客户端脚本

仓库在tools/目录中包含几个客户端脚本：

HTTP客户端（tools/http-client.js）：通过HTTP传输连接到MCP服务器（默认）。

node tools/http-client.js --task "您的任务描述" --files "src/features/*.ts" --search "会话"

原始客户端（tools/mcp-raw-client.js）：仅捕获服务器信息的简单客户端。
```
node tools/mcp-raw-client.js --task "您的任务描述"
```

简易客户端（tools/simple-client.js）：通过stdio与服务器通信。

node tools/simple-client.js --task "您的任务描述" --files "src/features/*.ts"

所有客户端脚本都会在项目根目录生成一个ai-context.json文件。此文件包含了有关您代码库的有价值上下文，可以与AI助手分享，以提供更有根据的响应。

提示模板

AI助手的提示模板位于templates/ai-prompt-template.md。此模板有助于使用来自MCP工具的适当上下文结构化对AI助手的请求。

服务器传输模式

MCP服务器支持两种传输模式：

HTTP传输（默认）：默认运行在3000端口。适合客户端-服务器架构。
Stdio传输：用于直接进程通信。设置STDIO_TRANSPORT=true环境变量启用。

会话存储架构

MCP代码分析现在具备一个模块化的会话存储架构，自动检测后端：

灵活存储：自动在Redis和内存存储之间切换
开发友好：开发期间无需Redis运行
生产就绪：在生产环境中使用Redis进行持久化
自动回退：当Redis不可用时优雅地回退到内存存储

更多详情，请参阅会话存储架构文档。

要求

Node.js 1 8+
npm 或 yarn
Redis（开发可选，生产推荐）