MCP Neurolora

一个智能的MCP服务器，提供使用OpenAI API进行代码分析、代码收集和文档生成的工具。

🚀 安装指南

如果你还没有安装任何东西，不用担心！只需按照以下步骤操作，或者请你的助手帮助你完成安装。

第一步：安装Node.js

macOS

1. 如果未安装Homebrew，请先安装：

   /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
   

2. 安装Node.js 18：

   brew install node@18
   echo 'export PATH="/opt/homebrew/opt/node@18/bin:$PATH"' >> ~/.zshrc
   source ~/.zshrc
   

Windows

1. 从nodejs.org下载Node.js 18 LTS版本
2. 运行安装程序
3. 打开一个新的终端以应用更改

Linux (Ubuntu/Debian)

curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash -
sudo apt-get install -y nodejs

第二步：安装uv和uvx

所有操作系统

1. 安装uv：

   curl -LsSf https://astral.sh/uv/install.sh | sh
   

2. 安装uvx:

   uv pip install uvx
   

第三步：验证安装

运行以下命令来验证所有内容是否已正确安装：

node --version  # Should show v18.x.x
npm --version   # Should show 9.x.x or higher
uv --version    # Should show uv installed
uvx --version   # Should show uvx installed

第四步：配置MCP服务器

你的助手会帮你：

1. 找到你的Cline设置文件：

   • VSCode: ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
   • Claude桌面版: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows VSCode: %APPDATA%/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
   • Windows Claude: %APPDATA%/Claude/claude_desktop_config.json

2. 添加如下配置：

   {
     "mcpServers": {
       "aindreyway-mcp-neurolora": {
         "command": "npx",
         "args": ["-y", "@aindreyway/mcp-neurolora@latest"],
         "env": {
           "NODE_OPTIONS": "--max-old-space-size=256",
           "OPENAI_API_KEY": "your_api_key_here"
         }
       }
     }
   }
   

第五步：安装基础服务器

只需让你的助手执行：
"请为我的环境安装基础MCP服务器"

你的助手将会：

1. 找到你的设置文件
2. 运行install_base_servers工具
3. 自动配置所有必要的服务器

安装完成后：

1. 完全关闭VSCode（在macOS上按Cmd+Q，在Windows上按Alt+F4）
2. 重新打开VSCode
3. 新的服务器就可以使用了

重要提示： 在安装基础服务器后，需要完全重启VSCode才能正确初始化它们。

注意： 该服务器使用npx直接执行npm包，这对于Node.js/TypeScript MCP服务器来说是最优选择，可以无缝集成到npm生态系统和TypeScript工具中。

基础MCP服务器

以下基础服务器将被自动安装和配置：

• fetch: 用于访问网络资源的基本 HTTP 请求功能
• puppeteer: 用于网页交互和测试的浏览器自动化功能
• sequential-thinking: 用于解决复杂任务的高级问题解决工具
• github: 用于仓库管理的 GitHub 集成功能
• git: 用于版本控制的 Git 操作支持
• shell: 基本的 shell 命令执行，包含常用命令：
  • ls: 列出目录内容
  • cat: 显示文件内容
  • pwd: 打印当前工作目录
  • grep: 搜索文本模式
  • wc: 统计单词、行数、字符数
  • touch: 创建空文件
  • find: 搜索文件

🎯 助手可以做什么

请助手执行如下任务：

• "分析我的代码并提出改进建议"
• "为我的环境安装基础 MCP 服务器"
• "从我的项目目录收集代码"
• "为我的代码库创建文档"
• "生成包含我所有代码的 markdown 文件"

🛠 可用工具

analyze_code

使用 OpenAI API 分析代码，并生成包含改进建议的详细反馈。

参数：

• codePath (必需): 要分析的代码文件或目录路径

示例用法：

{
  "codePath": "/path/to/your/code.ts"
}

该工具将会：

1. 使用 OpenAI API 分析您的代码
2. 生成详细的反馈，包括：
   • 问题及建议
   • 最佳实践违规
   • 影响分析
   • 解决步骤
3. 在您的项目中创建两个输出文件：
   • LAST_RESPONSE_OPENAI.txt - 人类可读的分析报告
   • LAST_RESPONSE_OPENAI_GITHUB_FORMAT.json - 适用于 GitHub 问题的结构化数据

注意：需要在环境配置中提供 OpenAI API 密钥

collect_code

将指定目录下的所有代码收集到一个带有语法高亮和导航的单一 markdown 文件中。

参数：

• directory (必需): 收集代码的目录路径
• outputPath (可选): 保存输出 markdown 文件的路径
• ignorePatterns (可选): 忽略模式数组（类似于 .gitignore）

示例用法：

{
  "directory": "/path/to/project/src",
  "outputPath": "/path/to/project/src/FULL_CODE_SRC_2024-12-20.md",
  "ignorePatterns": ["*.log", "temp/", "__pycache__", "*.pyc", ".git"]
}

install_base_servers

向您的配置文件安装基础 MCP 服务器。

参数：

• configPath (必需): MCP 设置配置文件的路径

示例用法：

{
  "configPath": "/path/to/cline_mcp_settings.json"
}

🔧 特性

服务器提供：

• 代码分析：

  • OpenAI API 集成
  • 结构化反馈
  • 最佳实践推荐
  • 生成 GitHub 问题

• 代码收集：

  • 目录遍历
  • 语法高亮
  • 导航生成
  • 基于模式的过滤

• 基础服务器管理：

  • 自动安装
  • 配置处理
  • 版本管理

📄 许可证

MIT 许可证 - 您可以在自己的项目中自由使用！

👤 作者

Aindreyway

• GitHub: @aindreyway

⭐️ 支持

如果这个项目帮助到了您，请给它一个⭐️！