星战科技xingzhan.cloud
返回市场
克劳德代码审查MCP

克劳德代码审查MCP

作者：praneybehl21 星标更新：2025-05-16
安装使用来源：spider==github.com

项目介绍

@vibesnipe/code-review-mcp

版本：1.0.0

这是一个MCP（模型上下文协议）服务器，提供了一个强大的工具，用于通过各种大型语言模型（LLMs）进行代码审查。该服务器设计为可以无缝集成到像Anthropic的Claude Code、Cursor、Windsurf或其他兼容MCP客户端的人工智能编码助手中。

注意： 此工具最初是为Claude Code创建的，但后来扩展支持其他AI IDE和Claude Desktop。请参阅Claude Code、Cursor和Windsurf的集成指南。

它分析git diff输出中的暂存更改、与HEAD的差异或分支之间的差异，根据任务描述和项目细节提供上下文化的审查。

功能

  • 审查git diff（暂存更改、当前HEAD、分支差异）。
  • 通过Vercel AI SDK集成Google Gemini、OpenAI和Anthropic模型。
  • 允许指定任务描述、审查重点和整体项目背景以获得定制化审查。
  • 输出清晰、可操作的markdown格式审查结果。
  • 设计为可以从您希望分析的任何Git仓库根目录运行。
  • 通过npx轻松安装和运行，立即可用。

兼容性

  • Node.js：需要版本18或更高。
  • 操作系统：适用于Windows、macOS和Linux。
  • Git：建议使用2.20.0或更高版本。

预备条件

  • Node.js：需要版本18或更高。
  • Git：必须已安装并可在系统PATH中访问。服务器执行git命令。
  • LLM提供商的API密钥：您需要使用计划使用的LLM提供商的API密钥。这些应设置为环境变量：
    • GOOGLE_API_KEY用于Google模型。
    • OPENAI_API_KEY用于OpenAI模型。
    • ANTHROPIC_API_KEY用于Anthropic模型。 这些可以在您的环境中全局设置，或者方便地在您当前正在审查的项目的根目录下的.env文件中设置。服务器会自动尝试加载它们。

安装及使用

使用此服务器的主要方式是通过npx，这确保您始终使用最新版本而无需全局安装。

推荐：使用npx

  1. 导航至您的项目： 打开终端并切换到您要审查的Git仓库的根目录。

    cd /path/to/your-git-project

  2. 运行MCP服务器： 执行以下命令：

    npx -y @vibesnipe/code-review-mcp

    该命令将下载（如果尚未缓存）并运行@vibesnipe/code-review-mcp服务器。您应该在终端中看到类似以下的输出： [MCP Server] Code Reviewer MCP Server is running via stdio and connected to transport. 服务器现在正在运行，并等待MCP客户端（如Claude Code、Cursor或Windsurf）连接。

通过Smithery安装

要通过Smithery自动安装code-review-mcp供Claude Desktop使用：

npx -y @smithery/cli install @praneybehl/code-review-mcp --client claude

与Claude Code的集成

一旦claude-code-review-mcp服务器正在运行（理想情况下通过npx从项目的根目录运行）：

  1. 作为MCP服务器添加到Claude Code： 在单独的终端中（或即将运行的终端中），配置Claude Code以使用此MCP服务器。 如果全局安装并在PATH中，则运行服务器的命令为code-review-mcp；如果您希望Claude Code始终获取它，则使用npx ...命令。

    要将其添加到Claude Code：

    claude mcp add code-reviewer -s <user|local> -e GOOGLE_API_KEY="key" -- code-review-mcp

    如果希望Claude Code使用npx（这是一个好习惯，以确保版本一致性，除非您不打算全局安装）：

    claude mcp add code-reviewer -s <user|local> -e GOOGLE_API_KEY="key" -- npx -y @vibesnipe/code-review-mcp

    这告诉Claude Code如何启动MCP服务器，当请求“code-reviewer”工具集时。此配置可以是特定于项目的（保存在.claude/.mcp.json中）或特定于用户的（全局Claude Code设置）。

  2. 在Claude Code中使用智能斜杠命令： 在项目的.claude/commands/目录中创建自定义斜杠命令文件，以便轻松调用审查工具。该包包括几个示例命令在examples/claude-commands/目录中，您可以复制到您的项目中。

    这些改进的斜杠命令不需要手动指定任务描述或项目背景——它们利用了Claude Code对您项目的现有了解以及您当前的工作任务。

    使用Claude Code中的斜杠命令示例：

    claude > /project:review-staged-claude

    不需要额外参数！Claude会理解您当前的工作内容，并将其作为审查的背景。

    对于需要参数的命令（例如review-branch-custom-gemini.md，它使用自定义分支名称），可以直接在命令后传递它们：

    claude > /project:review-branch-custom-gemini main

    这将把“main”作为$ARGUMENTS_BASE_BRANCH参数传递。

与现代AI IDE的集成

Cursor集成

Cursor是一个基于VS Code的AI驱动IDE，支持MCP服务器。以下是将代码审查MCP服务器与Cursor集成的方法：

  1. 配置Cursor的规则以进行代码审查：

    创建或打开项目中的.cursor/rules/project.mdc文件，并添加以下部分：

    ## 斜杠命令

/review-staged: 使用来自code-reviewer MCP服务器的perform_code_review工具来审查暂存更改。使用anthropic提供商和claude-3-7-sonnet-20250219模型。根据我们当前的对话上下文制定任务描述，并专注于代码质量和最佳实践。

/review-head: 使用来自code-reviewer MCP服务器的perform_code_review工具来审查所有未提交的更改（HEAD）。使用openai提供商和o3模型。根据我们当前的对话上下文制定任务描述，并专注于代码质量和最佳实践。

/review-security: 使用来自code-reviewer MCP服务器的perform_code_review工具来审查暂存更改。使用anthropic提供商和claude-3-5-sonnet-20241022模型。根据我们当前的对话上下文制定任务描述，并特别关注安全漏洞、输入验证和安全编码实践。

  2. 在Cursor中添加MCP服务器：

    • 打开Cursor设置
    • 导航到MCP服务器部分
    • 添加一个新MCP服务器，使用以下JSON配置：
    "code-reviewer": {
  "command": "npx",
  "args": ["-y", "@vibesnipe/code-review-mcp"],
  "env": {
    "GOOGLE_API_KEY": "your-google-api-key",
    "OPENAI_API_KEY": "your-openai-api-key",
    "ANTHROPIC_API_KEY": "your-anthropic-api-key"
  }
}

  3. 使用命令：

    在Cursor的AI聊天界面中，只需键入：

    /review-staged

    Cursor将使用claude-code-review-mcp服务器来审查您的暂存更改。

Windsurf集成

Windsurf（以前称为Codeium）是另一个支持通过斜杠命令实现自定义工作流的高级AI IDE。以下是与Windsurf集成的方法：

  1. 在Windsurf中配置MCP服务器：

    • 打开Windsurf
    • 单击级联顶部右侧的自定义图标
    • 导航到MCP服务器面板
    • 添加一个新MCP服务器，使用以下JSON配置：
    "code-reviewer": {
  "command": "npx",
  "args": ["-y", "@vibesnipe/code-review-mcp"],
  "env": {
    "GOOGLE_API_KEY": "your-google-api-key",
    "OPENAI_API_KEY": "your-openai-api-key",
    "ANTHROPIC_API_KEY": "your-anthropic-api-key"
  }
}

  2. 创建代码审查工作流：

    Windsurf支持可以通过斜杠命令调用的工作流。在.windsurf/workflows/review-staged.md中创建一个文件：

    # 审查暂存更改

对当前暂存更改进行代码审查。

## 第一步

使用来自code-reviewer MCP服务器的perform_code_review工具，使用以下参数：

    { "target": "staged", "llmProvider": "anthropic", "modelName": "claude-3-7-sonnet-20250219", "taskDescription": "我在这个代码库中当前正在工作的任务", "reviewFocus": "通用代码质量、安全最佳实践和性能考虑", "projectContext": "这个项目是在Windsurf中开发的。请仔细检查代码中的任何问题。" }

    类似地，根据需要创建其他类型的审查工作流。

  3. 使用工作流：

    在Windsurf的Cascade界面中，您可以调用这些工作流：

    /review-staged

    Windsurf将执行工作流，该工作流将使用claude-code-review-mcp服务器来执行代码审查。

由该MCP服务器提供的工具

perform_code_review

描述： 使用指定的大型语言模型对当前Git仓库内的git更改进行代码审查。此工具必须从被审查的仓库根目录运行。

输入模式（参数）：

该工具期望参数匹配CodeReviewToolParamsSchema：

  • target（枚举：'staged'，'HEAD'，'branch_diff'）： 指定要审查的一组更改。

    • 'staged'：仅审查当前暂存以供提交的更改。
    • 'HEAD'：审查未提交的更改（包括暂存和未暂存的更改）与最后一个提交。
    • 'branch_diff'：审查指定基础分支/提交与当前HEAD之间的更改。需要diffBase参数。

  • taskDescription（字符串）： 清晰简洁的任务、功能或bug修复的描述，导致了代码更改。这为LLM审查者提供了关键背景信息。（例如：“通过电子邮件OTP实现了密码重置功能。”）

  • llmProvider（枚举：'google'，'openai'，'anthropic'）： 用于审查的大型语言模型提供商。

  • modelName（字符串）： 来自所选提供商的具体模型名称。示例：

    注意： 模型名称通常随着提供商发布新版本而变化。始终检查提供商的最新文档并相应更新模型名称。

  • reviewFocus（字符串，可选但推荐）： 您希望LLM在审查过程中集中关注的具体领域、关注点或方面。（例如：“关注并发操作中的线程安全性。”，“特别注意输入验证和清理。”，“检查是否符合我们内部的React组件样式指南。”）。

  • projectContext（字符串，可选但推荐）： 关于项目的总体背景信息，其架构、关键库、编码标准或任何有助于LLM提供更相关和深入审查的其他背景信息。（例如：“这是一个使用Rust和Actix的高性能微服务。低延迟至关重要。”，“该项目遵循Clean Architecture原则。确保新代码与此一致。”）。

  • diffBase（字符串，可选）： 如果target是'branch_diff'则必需。指定基础分支（例如：'main'，'develop'）或特定的提交SHA，以比较当前HEAD。

  • maxTokens（数字，可选）： LLM响应的最大令牌数。默认值为32000，如果没有指定。使用此参数优化更快、成本更低的响应（较低值）或更全面的审查（较高值）。 注意：在v0.11.0中，默认值从60000减少到32000个令牌，以更好地平衡成本和质量。

输出：

  • 如果成功：一个带有isError: false的JSON对象和一个包含单个文本项的content数组。text字段包含由LLM生成的markdown格式代码审查。
  • 如果发生错误：一个带有isError: true的JSON对象和一个content数组。text字段将包含描述问题的错误消息。

环境变量

为了让LLM集成正常工作，claude-code-review-mcp服务器（由npx或claude-code-review-mcp启动的过程）需要访问相应的API密钥。

在您正在审查的项目的根目录中设置这些变量：

  • 对于Google模型： GOOGLE_API_KEY="your_google_api_key"

  • 对于OpenAI模型： OPENAI_API_KEY="your_openai_api_key"

  • 对于Anthropic模型： ANTHROPIC_API_KEY="your_anthropic_api_key"

服务器会自动从当前工作目录（即您的项目根目录）中的.env文件加载变量，或者您可以按照上面的示例直接在MCP服务器配置中设置它们。

Claude Code的智能斜杠命令

该包包括几个改进的斜杠命令在examples/claude-commands/目录中，您可以复制到项目的.claude/commands/目录中。这些命令利用了Claude Code对您项目背景和当前任务的理解，消除了手动输入的需求。

可用的斜杠命令

命令文件描述
review-staged-claude.md使用Claude 3.5 Sonnet审查暂存更改
review-staged-openai.md使用OpenAI GPT-4.1审查暂存更改
review-staged-gemini.md使用Google Gemini 2.5 Pro审查暂存更改
review-head-claude.md使用Claude 3.7 Sonnet审查所有未提交更改
review-head-openai.md使用OpenAI O3审查所有未提交更改
review-head-gemini.md使用Google Gemini 2.5 Pro审查所有未提交更改
review-branch-main-claude.md使用Claude 3.7 Sonnet审查来自main分支的更改
review-branch-develop-openai.md使用OpenAI O4-mini审查来自develop分支的更改
review-branch-custom-gemini.md使用Google Gemini 2.5 Flash审查来自指定分支的更改
review-staged-security-claude.md使用Claude 3.5 Sonnet对暂存更改进行安全聚焦审查
review-staged-performance-openai.md使用OpenAI O3对暂存更改进行性能聚焦审查
review-staged-maintainability-gemini.md使用Google Gemini 2.5 Flash对暂存更改进行可维护性聚焦审查

要使用这些命令：

  1. 将所需的命令文件从examples/claude-commands/目录复制到项目的.claude/commands/目录中
  2. 在Claude Code中通过/project:command-name调用命令（例如，/project:review-staged-claude）

这些命令自动使用Claude对您当前任务和项目背景的理解，消除了手动输入长参数的需求。

安全注意事项

  • API密钥处理：LLM提供商的API密钥是敏感凭证。此工具从环境变量或.env文件中访问它们，但不会存储或传输超出必要API调用之外的内容。建议在生产环境中使用安全的环境变量管理器。

  • Git仓库分析：该工具分析您的本地Git仓库内容。它执行Git命令并读取diff输出，但不会将整个代码库发送给LLM——只发送特定的更改进行审查。

  • 代码隐私：当将代码发送给外部LLM提供商进行审查时，请注意：

    • 代码注释或字符串中的敏感信息
    • 专有算法或商业秘密
    • 配置文件中的身份验证凭据或API密钥

  • 分支名称净化：为了防止命令注入，分支名称在用于Git命令之前会被净化。不过，仍然建议避免在分支名称中使用不寻常的字符。

开发（针对@vibesnipe/code-review-mcp包本身）

如果您正在贡献或修改@vibesnipe/code-review-mcp包：

  1. 克隆多仓库： 确保已克隆仓库。
  2. 导航至包： 
    cd