MCP服务器神经元光-p
项目介绍
MCP Server Neurolorap
提供代码分析和文档工具的MCP服务器。
<a href="https://glama.ai/mcp/servers/rg07wseeqe"><img width="380" height="200" src="https://gips0.baidu.com/it/u=1471012904,246158167&fm=3081&app=3081&f=PNG?w=760&h=400" alt="Server Neurolorap MCP server" /></a>
功能
代码收集工具
- 收集整个项目的代码
- 收集特定目录或文件中的代码
- 收集多个路径中的代码
- 带有语法高亮的Markdown输出
- 目录生成
- 支持多种编程语言
项目结构报告工具
- 分析项目结构和指标
- 生成详细的Markdown格式报告
- 文件大小和复杂度分析
- 树状可视化
- 代码组织建议
- 自定义忽略模式
快速概览
# 使用uvx（推荐）
uvx mcp-server-neurolorap
# 或使用pip（不推荐）
pip install mcp-server-neurolorap
您不需要手动安装或配置任何依赖项。该工具会为您设置好一切，以便分析和记录代码。
安装
您需要在您的机器上安装UV >= 0.4.10。
要安装并运行服务器：
# 使用uvx安装（推荐）
uvx mcp-server-neurolorap
# 或使用pip安装（不推荐）
pip install mcp-server-neurolorap
这将自动：
- 安装所有必需的依赖项
- 配置Cline集成
- 设置服务器以立即使用
该服务器将通过Cline中的MCP协议可用。您可以使用它来分析和记录任何项目的代码。
使用
开发者模式
服务器包括一个带有JSON-RPC终端接口的开发者模式，用于直接交互：
# 在开发者模式下启动服务器
python -m mcp_server_neurolorap --dev
可用命令：
help: 显示可用命令list_tools: 列出可用的MCP工具collect <path>: 从指定路径收集代码report [path]: 生成项目结构报告exit: 退出开发者模式
示例会话：
> help
可用命令：
- help: 显示此帮助信息
- list_tools: 列出可用的MCP工具
- collect <path>: 从指定路径收集代码
- report [path]: 生成项目结构报告
- exit: 退出终端
> list_tools
["code_collector", "project_structure_reporter"]
> collect src
代码收集完成！
输出文件：code_collection.md
> report
项目结构报告已生成：PROJECT_STRUCTURE_REPORT.md
> exit
再见！
通过MCP工具
代码收集
from modelcontextprotocol import use_mcp_tool
# 收集整个项目的代码
result = use_mcp_tool(
"code_collector",
{
"input": ".",
"title": "我的项目"
}
)
# 收集特定目录的代码
result = use_mcp_tool(
"code_collector",
{
"input": "./src",
"title": "源代码"
}
)
# 收集多个路径的代码
result = use_mcp_tool(
"code_collector",
{
"input": ["./src", "./tests"],
"title": "项目文件"
}
)
项目结构分析
# 生成项目结构报告
result = use_mcp_tool(
"project_structure_reporter",
{
"output_filename": "PROJECT_STRUCTURE_REPORT.md"
}
)
# 分析特定目录并自定义忽略模式
result = use_mcp_tool(
"project_structure_reporter",
{
"output_filename": "src_structure.md",
"ignore_patterns": ["*.pyc", "__pycache__"]
}
)
文件存储
服务器采用结构化的文件存储方法：
- 所有生成的文件都存储在
~/.mcp-docs/<项目名称>/ - 在项目根目录创建一个指向这个目录的
.neurolora符号链接
这确保了：
- 清洁的项目结构
- 一致的文件组织
- 对生成文件的轻松访问
- 多个项目的支持
- 不同操作系统环境下的可靠文件同步
- 在IDE和文件浏览器中快速显示文件
自定义忽略模式
在项目根目录创建一个 .neuroloraignore 文件来自定义忽略哪些文件：
# 依赖项
node_modules/
venv/
# 构建
dist/
build/
# 缓存
__pycache__/
*.pyc
# IDE
.vscode/
.idea/
# 生成的文件
.neurolora/
如果没有 .neuroloraignore 文件，将创建一个默认文件，其中包含常见的忽略模式。
开发
- 克隆仓库
- 创建并激活虚拟环境：
python -m venv .venv
source .venv/bin/activate # 在Unix系统上
# 或
.venv\Scripts\activate # 在Windows系统上
- 安装开发依赖项：
pip install -e ".[dev]"
- 运行服务器：
# 正常模式（具有stdio传输的MCP服务器）
python -m mcp_server_neurolorap
# 开发者模式（JSON-RPC终端接口）
python -m mcp_server_neurolorap --dev
测试
该项目通过自动化测试和持续集成维持高质量标准：
- 超过80%代码覆盖率的全面测试套件
- 在Python 3.10、3.11和3.12上的自动化测试
- 通过GitHub Actions进行持续集成
- 定期安全扫描和依赖检查
有关开发和测试详情，请参阅PROJECT_SUMMARY.md。
代码质量
该项目通过各种工具维持高标准的代码质量：
# 格式化代码
black .
# 排序导入
isort .
# 检查代码
flake8 .
# 类型检查
mypy src tests
# 安全检查
bandit -r src/
safety check
所有这些检查都在拉取请求时通过GitHub Actions自动运行。
CI/CD流水线
该项目使用GitHub Actions进行持续集成和部署：
- 在Python 3.10、3.11和3.12上运行测试
- 检查代码格式和样式
- 执行类型检查
- 进行安全扫描
- 生成覆盖报告
- 构建并验证包
- 上传测试工件
流水线必须通过才能合并任何更改。
贡献
我们欢迎贡献！请参阅CONTRIBUTING.md获取指南。
许可证
MIT许可证。详情见LICENSE文件。 </中文翻译>