modelscope·@DanielAvdar/dev-kit-mcp-server
暂无描述。
这是一个面向代理开发工具的模型上下文协议(MCP)服务器,提供在根项目目录中进行范围授权操作的功能。该软件包支持安全执行诸如运行makefile命令、移动和删除文件等操作,并计划在未来增加更多代码编辑工具。它作为VS-Code Copilot和其他AI辅助开发工具的优秀MCP服务器。
<a href="https://glama.ai/mcp/servers/@DanielAvdar/dev-kit-mcp-server"> <img width="380" height="200" src="https://glama.ai/mcp/servers/@DanielAvdar/dev-kit-mcp-server/badge" alt="dev-kit-mcp-server MCP server" /> </a>bash pip install dev-kit-mcp-server
bash
dev-kit-mcp-server --root-dir=workdir
dev-kit-mcp-server --root-dir=workdir --commands-toml=custom_commands.toml
uv run python -m dev_kit_mcp_server.mcp_server --root-dir=workdir python -m dev_kit_mcp_server.mcp_server --root-dir=workdir
--root-dir 参数指定了文件操作将被执行的目录。出于安全考虑,这限制了文件操作只能在这个目录内进行。
--commands-toml 参数允许你指定一个自定义的TOML文件来预定义命令,而不是使用默认的 pyproject.toml 文件。当你希望为不同目的定义不同的命令集时,这非常有用。
服务器提供了以下工具:
预定义命令的 TOML 文件格式如下:
toml [tool.dkmcp.commands] test = "uv run pytest" lint = "ruff check" check = "uvx pre-commit run --all-files" doctest = "make doctest"
每个命令都定义为键值对,其中键是命令名称,值是要执行的命令。例如,当你调用预定义命令 "test" 时,它将在根目录下执行 "uv run pytest"。
这是一个如何在自定义 TOML 文件中定义命令的简单示例:
toml
[tool.dkmcp.commands]
hello = "echo Hello, World!" date = "date"
test = "pytest" lint = "ruff check ." build = "python setup.py build"
python from fastmcp import Client async def example(): async with Client() as client: # 列出可用工具 tools = await client.list_tools()
# 文件操作
# 创建一个目录
result = await client.call_tool("create_dir", {"path": "new_directory"})
# 移动一个文件
result = await client.call_tool("move_dir", {"path1": "source.txt", "path2": "destination.txt"})
# 删除一个文件
result = await client.call_tool("remove_file", {"path": "file_to_remove.txt"})
# 重命名一个文件
result = await client.call_tool("rename_file", {"path": "old_name.txt", "new_name": "new_name.txt"})
# 编辑一个文件
result = await client.call_tool("edit_file", {
"path": "file_to_edit.txt",
"start_line": 2,
"end_line": 4,
"text": "This text will replace lines 2-4"
})
# Git 操作
# 获取仓库状态
result = await client.call_tool("git_status")
# 将文件添加到索引
result = await client.call_tool("git_add", {"paths": ["file1.txt", "file2.txt"]})
# 提交更改
result = await client.call_tool("git_commit", {"message": "Add new files"})
# 从远程拉取更改
result = await client.call_tool("git_pull", {"remote": "origin", "branch": "main"})
# 将更改推送到远程
result = await client.call_tool("git_push")
# 检出一个分支
result = await client.call_tool("git_checkout", {"branch": "feature-branch", "create": True})
# Makefile 操作
# 运行一个 makefile 命令
result = await client.call_tool("exec_make_target", {"commands": ["test"]})
# 预定义命令
# 执行一个预定义命令
result = await client.call_tool("predefined_commands", {"command": "test"})
# 执行带有参数的预定义命令
result = await client.call_tool("predefined_commands", {"command": "test", "param": "specific_test"})
bash
git clone https://github.com/DanielAvdar/dev-kit-mcp-server.git cd dev-kit-mcp-server
pip install -e ".[dev]"
pytest
欢迎贡献!请随时提交 Pull Request。
一个为大型语言模型(LLM)设计的、高可用的12306余票查询工具服务,现已搭载智能会话管理引擎。 12306-MCP-Server 将复杂的12306余票查询接口封装为符合 Model Context Protocol (MCP) 规范的工具集,允许AI Agent通过自然语言无缝查询实时火车票、中转换乘和经停站信息。 从 v1.0.0 版本开始,项目引入了全新的智能会话管理系统,通过会话池、动态User-Agent轮换和自动错误恢复机制,将服务的稳定性与反屏蔽能力提升至全新高度。
阿里云可观测 MCP服务,提供了一系列访问阿里云可观测各产品的工具能力,覆盖产品包含阿里云日志服务SLS、阿里云应用实时监控服务ARMS、阿里云云监控等,任意支持 MCP 协议的智能体助手都可快速接入。
自动从文本中识别并提取法律条文,例如在合同、案件描述或法律文书中,精准定位涉及的具体法律条文(如“《民法典》第585条”),并将文本中的法律问题与对应法条内容关联,提取法规名称的服务。
用于哔哩哔哩API的MCP服务器,支持视频搜索、用户内容获取等多种操作,适用于哔哩哔哩内容管理和数据分析场景。
看起来您想要翻译一份英文技术文档,但您提供的内容中只有"asd"这个字符串,并没有实际的文档内容。请提供需要翻译的具体英文技术文档文本,这样我才能帮助您进行准确的翻译。如果有特定部分或格式要求,请一并告知。
一座通过串行通信将物理硬件设备与人工智能大语言模型连接起来的桥梁,允许用户使用自然语言命令控制硬件。