Yellhorn MCP

一个 Model Context Protocol (MCP) 服务器，它将 Gemini 2.5 Pro 的功能暴露给 Claude Code 以完成软件开发任务。

功能

• 生成工作计划：基于您的代码库创建带有详细实现计划的 GitHub 问题，标题和详细描述可自定义
• 隔离的开发环境：创建 Git 工作树和关联分支，以便于流线化、隔离的开发工作流程（可以与工作计划生成分开进行）
• 审查代码差异：根据原始工作计划评估拉取请求，并提供详细的反馈
• 无缝 GitHub 集成：在 GitHub UI 中自动创建带标签的问题并正确链接分支，在 PR 评论中发布评审意见并引用原始问题，处理异步处理
• 上下文控制：使用 .yellhornignore 文件从 AI 上下文中排除特定文件和目录，类似于 .gitignore
• MCP 资源：将工作计划作为标准 MCP 资源公开，便于列出和检索

安装

# Install from PyPI
pip install yellhorn-mcp

# Install from source
git clone https://github.com/msnidal/yellhorn-mcp.git
cd yellhorn-mcp
pip install -e .

配置

服务器需要以下环境变量：

• GEMINI_API_KEY：您的 Gemini API 密钥（必需）
• REPO_PATH：您的仓库路径（默认为当前目录）
• YELLHORN_MCP_MODEL：要使用的 Gemini 模型（默认为 "gemini-2.5-pro-exp-03-25"）

服务器还需要安装并认证 GitHub CLI (gh)。

使用

运行服务器

# As a standalone server
yellhorn-mcp --repo-path /path/to/repo --host 127.0.0.1 --port 8000

# Using the MCP CLI
mcp dev yellhorn_mcp.server

# Install as a permanent MCP server for Claude Desktop
mcp install yellhorn_mcp.server

# Set environment variables during installation
mcp install yellhorn_mcp.server -v GEMINI_API_KEY=your_key_here -v REPO_PATH=/path/to/repo

与 Claude Code 集成

当与 Claude Code 一起工作时，您可以通过以下方式使用 Yellhorn MCP 工具：

1. 开始项目任务：

   请生成一个工作计划，标题为"[Your Title]"，详细描述为"[Your detailed requirements]"
   

2. 为工作计划创建一个工作树（可选）：

   请为问题#123创建一个工作树
   

3. 导航到已创建的工作树目录：

   cd [worktree_path]  # 路径在响应中返回
   

4. 如有需要，查看工作计划：

   # 选项 1：从工作树目录（自动检测问题编号）
   # 在工作树目录中时
   请获取此工作树的当前工作计划
   
   # 选项 2：从主仓库（需要明确的问题编号）
   # 不需要在工作树目录中
   请获取问题#123的工作计划
   

5. 进行更改，创建 PR 并请求审查：

   # 首先使用您喜欢的方法（Git CLI、GitHub CLI 或 Web UI）创建 PR
   git add .
   git commit -m "实现功能"
   git push origin HEAD
   gh pr create --title "[PR 标题]" --body "[PR 描述]"
   
   # 选项 1：从工作树目录（自动检测问题编号）
   # 在工作树目录中时，请Claude进行审查
   请针对原始工作计划触发对 PR "[PR URL]" 的审查
   
   # 选项 2：从主仓库（需要明确的问题编号）
   # 不需要在工作树目录中
   请针对问题#123中的工作计划触发对 PR "[PR URL]" 的审查
   

工具

generate_workplan

根据标题和详细描述创建一个包含详细工作计划的 GitHub 问题。

输入:

• title: GitHub 问题的标题（将用作问题标题和头部）
• detailed_description: 工作计划的详细描述

输出:

• 包含以下内容的 JSON 字符串：
  • issue_url: 创建的 GitHub 问题的 URL
  • issue_number: GitHub 问题编号

create_worktree

为现有工作计划问题创建一个具有关联分支的 Git 工作树，以进行隔离开发。

输入:

• issue_number: 工作计划的 GitHub 问题编号

输出:

• 包含以下内容的 JSON 字符串：
  • worktree_path: 创建的 Git 工作树目录路径
  • branch_name: 为工作树创建的分支名称
  • issue_url: 关联的 GitHub 问题 URL

get_workplan

检索与工作计划相关的内容（GitHub 问题正文）。可以从工作树（自动检测问题）或主仓库（需要明确的问题编号）运行。

输入:

• issue_number: 可选的工作计划问题编号。如果在 Yellhorn 工作树之外运行，则需要提供。

输出:

• 作为字符串的工作计划问题内容

review_workplan

针对其原始工作计划问题异步触发 Pull Request 的代码审查。可以从工作树（自动检测问题）或主仓库（需要明确的问题编号）运行。

输入:

• pr_url: 要审查的 GitHub Pull Request 的 URL
• issue_number: 工作计划的问题编号（可选）。如果在 Yellhorn 工作树之外运行，则为必填项。

输出：

• 一条确认消息，表示审查任务已启动

资源访问

Yellhorn MCP 还实现了标准的 MCP 资源 API，以提供对工作计划的访问：

• list-resources：列出所有工作计划（具有 yellhorn-mcp 标签的 GitHub 问题）
• get-resource：通过问题编号检索特定工作计划的内容

这些可以通过标准的 MCP CLI 命令访问：

# List all workplans
mcp list-resources yellhorn-mcp

# Get a specific workplan by issue number
mcp get-resource yellhorn-mcp 123

开发

# Install development dependencies
pip install -e ".[dev]"

# Run tests
pytest

CI/CD

该项目使用 GitHub Actions 进行持续集成和部署：

• 测试：在拉取请求和推送到主分支时自动运行

  • 使用 flake8 进行代码检查
  • 使用 black 进行格式检查
  • 使用 pytest 进行测试

• 发布：当推送版本标签时自动发布到 PyPI

  • 标签必须与 pyproject.toml 中的版本匹配（例如 v0.2.2）
  • 需要将 PyPI API 令牌作为 GitHub 仓库密钥存储（PYPI_API_TOKEN）

要发布新版本：

1. 更新 pyproject.toml 中的版本
2. 提交更改：git commit -am "Bump version to X.Y.Z"
3. 给提交打标签：git tag vX.Y.Z
4. 推送更改和标签：git push && git push --tags

有关更详细的说明，请参阅使用指南。

许可证

MIT