Coding Assistant

MCP开发工具

提供方 Bessouat40

开发工具 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一款本地化的AI编程助手,能够读取用户项目代码并提供上下文感知的帮助、解释和建议,适用于开发者在本地环境中进行智能编程辅助。

一句话选型结论

按资料字段整理

Coding Assistant 属于开发工具类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类开发工具 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 6 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

开发工具
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

编程辅助Python本地部署AI开发工具本地化开发代码解释项目分析

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install -r requirements.txt

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
代码与仓库操作

在对话里直接查代码、提 issue、走 PR,省掉来回切工具。

本地命令与脚本

把构建、测试、格式化这类重复命令交给模型执行。

接口联调与测试

让模型调你的接口、跑一遍用例,快速定位问题。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在开发工具场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Coding Assistant当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Git 838e2ec1 12 stdio · 本地进程 本地部署 有 2026-05-17
Markitdown MCP 2c653a5f 1 stdio · 本地进程 本地部署 有 2026-05-17
JavaGuide 未标注 stdio · 本地进程 本地部署 有 2026-04-11
awesome-claude-skills 未标注 stdio · 本地进程 本地部署 有 2026-04-26
Context7 831acf40 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

开发工具
字段来自项目仓库与公开索引,中文说明由本站标注
提供方Bessouat40上游标注的维护方 Bessouat40
分类开发工具本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

3.3 KB
来自项目仓库与上游目录的原文,未做删改

编码助理

您的本地AI配对程序员:将此AI助手指向您的项目文件夹并开始提问!

它在本地读取您的代码,以提供与您的文件直接相关的真正上下文感知的帮助、解释和建议。在本地更智能地编写代码。

先决条件📝

  • python 建议使用3.11或更高版本。
  • tree 命令: 这 get_tree_folders 该工具依赖于此。
  • Linux(Debian/Ubuntu): sudo apt update && sudo apt install tree
  • macOS(使用Homebrew): brew install tree

安装⚙️

  1. 克隆存储库:```bash
    git clone https://github.com/Bessouat40/coding-assistant
    cd coding-assistant

1. **安装Python依赖项:**```bash
pip install -r requirements.txt

配置🔑

  1. API密钥和设置: 像LLM API密钥这样的敏感信息应该存储在 .env 项目根目录中的文件。-复制示例文件或创建一个名为的新文件 .env:```bash
    cp .env.example .env

- 编辑 `.env` 文件并添加密钥:```dotenv
# .env
MISTRAL_API_KEY=your_mistral_api_key_here
# GOOGLE_API_KEY=your_google_api_key_here
# Add other variables if needed, e.g., MAX_CONTEXT_TOKENS=7000
  1. LLM提供者: 如果需要,请更改LLM提供者:
  • 首选 api/utils.py 并修改 loadl_llm 功能。取消对所需提供商的注释。
    默认情况下,它设置为 Google :```python
    def load_llm(logger):
    try:
    model = ChatOllama(model="llama3.1:8b")

model = ChatMistralAI(model="codestral-latest")

model = ChatGoogleGenerativeAI(model="gemini-2.0-flash-001")

logger.info(f"ChatGoogleGenerativeAI model '{model.model}' initialized successfully.")
return model
except Exception as e:
logger.error(f"Failed to initialize the LLM model: {e}")
raise RuntimeError(f"Could not initialize LLM: {e}") from e


## 运行应用程序▶️

便利脚本 `launch_assistant.sh` 用于启动所有组件。

1. **使脚本可执行:**```bash
chmod +x launch_assistant.sh
  1. 运行脚本:bash ./launch_assistant.sh

此脚本将:

  • 从加载环境变量 .env.
  • 启动MCP工具服务器(agent_tools.py)在后台(登录到 mcp_server.log).
  • 启动FastAPI后端(api.py)在后台(登录到 fastapi_api.log).
  • 启动Streamlit用户界面(streamlit_app.py)在后台(登录到 streamlit_ui.log).
  • 打印每个组件的URL和PID。

您可以在指定的目录中查看日志 .log 用于调试的文件。按 Ctrl+C 在您运行脚本的终端中,优雅地停止所有组件。

用法🧑‍💻

  1. 访问UI: 打开您的网络浏览器并导航到Streamlit URL(通常 http://localhost:8501).
  2. 设置项目目录: 在侧边栏中,输入 绝对路径 转到您希望助手使用的本地项目目录。点击“设置目录”。
  3. 聊天: 使用底部的聊天输入询问有关指定目录中代码的问题。示例:
    - “解释 run_agent 功能在 api.py."
    - “显示此项目的文件结构。”(使用 tree)
    - “什么论点 generate_response_api 功能采取?"
    - “阅读以下内容 prompt.py“.”(用途 cat)
    - “你能建议改进中的错误处理吗 streamlit_app.py?"
  4. 跟进: 助手会记住您当前聊天会话的上下文。自然地提出后续问题。
  5. 清除历史记录: 使用侧边栏中的“清除聊天历史记录”按钮开始新的对话。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Coding Assistant 怎么安装?

在客户端按下面的安装命令接入:pip install -r requirements.txt。装完在客户端配置里引用同一个包或端点。

Coding Assistant 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Coding Assistant 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Coding Assistant 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Coding Assistant 能提供哪些能力?

资料显示能力标签包括 编程辅助、Python、开发工具。具体工具清单以官方文档为准。

Coding Assistant 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Coding Assistant 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。