devmate (Luoqing1994)

MCP开发工具

提供方 LUOQING1994

开发工具 未标注 API Key 社区 / 第三方

DevMate是一个基于大语言模型的智能编程助手,能够帮助开发者通过自然语言需求生成可运行的项目代码结构,同时支持网络信息搜索和本地知识库检索。

一句话选型结论

按资料字段整理

devmate (Luoqing1994) 属于开发工具类 MCP 服务器,传输方式未标注,API Key,没有现成安装命令,需按官方文档接入。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 传输方式未标注 鉴权API Key 部署方式未标注
GitHub 星标 3 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

智能编程Python本地部署代码生成RAGMCP搜索开发工具

安装与配置

未标注 API Key
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  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

  • 基础信息齐全,可以先按官方文档接入试跑。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 使用前要准备好API Key对应的凭据,并按最小权限配置。
  • 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

  • 不方便管理密钥或第三方授权的人。
  • 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
devmate (Luoqing1994)当前 未标注 未标注 未标注 无 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LUOQING1994上游标注的维护方 LUOQING1994
分类开发工具本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式API Key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
部署类型未标注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

10.6 KB
来自项目仓库与上游目录的原文,未做删改

DevMate 🤖

AI-Powered Development Assistant (Interview Project)

📌 项目简介

DevMate 是一个基于大语言模型(LLM)的智能编程助手,旨在帮助开发者根据自然语言需求:

  • 自主搜索网络信息(基于 Model Context Protocol, MCP)
  • 检索本地知识库(基于 RAG)
  • 规划并生成真实、可运行的项目代码结构

本项目重点体现以下能力:

  • Agent 系统设计
  • MCP 工具调用
  • RAG(检索增强生成)
  • 工程化能力(配置管理、可观测性、Docker 化)

🧠 设计原则

本项目在设计上遵循以下原则:

  • 关注点分离:Agent 决策、工具能力、模型调用、I/O 操作严格解耦,便于维护与测试。
  • 配置优先:所有模型、API Key、服务地址均通过环境变量配置,避免硬编码。
  • 渐进式交付:每一个阶段都保证代码结构清晰、可运行、可追溯(Git Commit)。
  • 跨平台兼容:本地开发环境为 Windows,代码实现中统一使用 pathlib,确保在 Linux / Docker 环境中正常运行。
    DevMate 使用 docker-compose 编排以下服务:
  • devmate-app:核心智能体应用
  • mcp-search:基于 MCP 的搜索服务
  • vector-db:RAG 向量数据持久化服务

启动

系统要求

在运行项目前,请确保您的机器满足以下最低系统要求:

  • CPU >= 2 Core
  • RAM >= 4 GiB
  • docker >= 4.55
  • uv >= 0.9.18

快速启动

启动服务器的最简单方法是运行docker-compose.yml 文件。在运行安装命令之前,请确保您的机器上安装了 Docker 和 Docker Compose:```text
cp .env.example .env
cd docker
docker compose build --no-cache
docker-compose run --rm devmate-app


运行后,可以在终端上进行交互。

## DevMate智能体生成网站成果展示
项目位置:根目录\generated_projects\hiking_trails
提示:DevMate智能体每次运行生成的网站风格都略有不同。当前展示只验证DevMate智能体完整的生成结果

## 👈 DevMate智能体流程```text
👤 用户输入自然语言需求
↓
🧭 意图解析 & 任务理解(LLM)
- 判断是:咨询 / 搜索 / 代码生成 / 项目构建
- 识别是否需要知识检索或工具调用
↓
📚 RAG 本地知识检索(带来源)
- 从 knowledge_db 中进行向量相似度搜索
- 返回高相关文档片段(含来源、chunk 信息)
- 用于补充项目内/内部规范知识
↓
🔍 MCP 网页搜索(Tavily Search)
- 通过 MCP Search Server 调用 Tavily API
- 获取最新、实时的外部信息
- 以结构化结果形式返回(title / url / content)
↓
🧠 上下文融合与摘要(Context Synthesizer)
- 合并 RAG 本地知识 + MCP 搜索结果
- 去重、压缩、重排信息
- 明确标注信息来源,避免“幻觉”
↓
📄 结构化上下文(带来源引用)
- 统一为 Agent 可消费的上下文结构
- 作为 System / Tool Context 注入到 LLM Prompt
↓
🛠️ 规划(Planning)与工具决策
- Agent 判断是否需要:
· 创建项目结构
· 生成代码文件
· 修改已有文件
- 选择合适的 MCP Tool(Filesystem / Search 等)
↓
📂 MCP Filesystem 工具调用
- 创建目录 / 文件
- 写入或修改多文件代码
- 所有操作受限于授权目录
↓
💬 最终流式回答(Streaming Output)
- 向用户实时输出结果
- 同步展示 Agent 的推理与执行过程
- 提供可直接运行的代码或项目结果

📂 项目目录结构说明```text

devmate/
├── README.md
│ └── 项目总体说明文档,介绍 DevMate 的设计目标、核心能力、架构组成、
│ 使用方式以及关键技术选型,是面试官了解项目的第一入口。

├── pyproject.toml
│ └── Python 项目配置文件,定义运行环境、依赖库版本及工具链配置,
│ 用于保证项目在不同环境下的可复现性。

├── uv.lock
│ └── 依赖锁文件,确保依赖版本一致,避免“在我机器上能跑”的问题。

├── agent
│ ├── init.py
│ │ └── Agent 模块初始化文件,标识该目录为 Python 包。
│
│ ├── devMateAgent
│ │ ├── init.py
│ │ │ └── DevMate Agent 子模块初始化文件。
│ │
│ │ └── simple_agent.py
│ │ └── DevMate 核心智能体实现:
│ │ - 基于 LangChain / DeepAgent 构建
│ │ - 负责对话理解、规划(Planning)与工具调用
│ │ - 支持流式输出与多轮上下文记忆
│
│ └── prompts
│ ├── init.py
│ │ └── Prompt 模块初始化文件。
│ │
│ └── program_prompt.txt
│ └── 智能体系统提示词(System Prompt):
│ - 定义 Agent 的角色、行为边界与能力描述
│ - 是 Agent 行为一致性的核心配置文件

├── docker
│ ├── docker-compose.yml
│ │ └── 编排服务 (App + Vector DB + MCP Server)
│ └── Dockerfile
│ └── 构建 DevMate 应用镜像。

├── images
│ └── 示例图片

├── generated_projects
│ ├── hiking_trails
│ │ └── DevMate 生成的网站代码(可运行)

├── knowledge_db
│ ├── docs
│ │ └── internal_fastapi_guidelines.md
│ │ └── 本地知识库原始文档:
│ │ - 用于 RAG 检索的数据来源
│ │ - 支持 Markdown / Text 格式
│
│ └── rag
│ ├── init.py
│ │ └── RAG 模块初始化文件。
│ │
│ ├── ingest.py
│ │ └── 知识库摄入模块:
│ │ - 负责解析本地文档
│ │ - 文本切分、向量化并写入向量数据库(FAISS)
│
│ └── retriever.py
│ └── RAG 检索模块:
│ - 根据用户问题进行相似度搜索
│ - 返回相关上下文供 Agent 合成回答

├── log
│ ├── init.py
│ │ └── 日志模块初始化文件。
│
│ └── logging_config.py
│ └── 全局日志配置:
│ - 统一日志格式
│ - 支持彩色输出与不同日志级别
│ - 便于调试与生产环境观察

├── mcp_server
│ ├── init.py
│ │ └── MCP 服务模块初始化文件。
│
│ ├── TavilyMcpServer.py
│ │ └── MCP Search Server 实现:
│ │ - 基于 MCP 协议对外暴露 search_web 工具
│ │ - 内部使用 Tavily 搜索 API
│ │ - 支持 Agent 通过 MCP 进行联网信息检索
│
│ ├── McpClient.py
│ │ └── MCP Client 管理器:
│ │ - 统一管理多个 MCP Server(搜索 / 文件系统等)
│ │ - 负责工具发现、生命周期管理与安全边界控制
│
│ └── client_test.py
│ └── 早期 MCP Client 实验代码或历史实现,保留用于参考与对比。

├── utils
│ ├── init.py
│ │ └── 工具模块初始化文件。
│
│ ├── load_prompt.py
│ │ └── Prompt 加载与项目根目录定位工具:
│ │ - 动态查找项目根目录
│ │ - 避免硬编码路径,提升工程稳定性
│
│ └── search_knowledge.py
│ └── 本地 RAG 查询工具:
│ - 封装为 Agent 可调用的 Tool
│ - 用于从本地知识库中召回相关内容

├── word
│ ├── checklist.md
│ │ └── 面试题验收清单,对照功能点进行自检。
│
│ ├── requirements.md
│ │ └── 面试题需求说明文档,定义项目目标与约束条件。
│
│ └── 徒步网站截图.png
│ └── 生成项目的示例截图或需求参考图片。

├── simple_mcp_angent.py
│ └── 项目主运行入口:
│ - 初始化 MCP Client
│ - 组装 Agent 工具链
│ - 启动 DevMate 并进入交互式对话循环
```

🧭 DevMate 项目研发迭代计划


✅ Iteration 1:项目骨架与工程规范搭建

目标:建立可长期演进的工程基础

  • 初始化标准 Python 项目结构(pyproject.toml)
  • 明确模块边界(Agent / MCP / RAG / Utils / Logs)
  • 建立统一日志体系(彩色日志 + 日志级别控制)
  • 实现 Prompt 管理与项目根路径自动定位机制
  • 接入Lang Simith 可视化管理

> 🔎 价值:确保项目具备良好的可维护性、可扩展性与工程一致性


✅ Iteration 2:MCP Server + 实时网络搜索能力

目标:让 Agent 具备“连接真实世界”的能力

  • 实现 MCP Search Server(基于 Tavily)
  • 通过 MCP 协议为 Agent 提供联网搜索能力
  • 为防止搜索结果导致 Token 不可控:
  • 单独实现 查询内容摘要总结 Agent
  • 对搜索结果进行压缩、去噪与结构化

> 🔎 价值:兼顾信息实时性与推理成本可控性


✅ Iteration 3:RAG 本地知识库检索能力

目标:构建稳定、可追溯的本地知识体系

  • 构建完整 RAG 流程:
  • 本地文档摄入(Markdown / Text)
  • 文本切分与向量化
  • FAISS 本地向量数据库
  • 针对本地 RAG 数据与联网搜索数据:
  • 构建统一的 上下文融合与摘要 Agent
  • 去除重复、解决冲突、提升信息质量
  • 输出结构化、带来源标注的上下文信息

> 🔎 价值:提升回答稳定性、可信度与可解释性


✅ Iteration 4:多文件项目生成与代码修改能力

目标:从“回答问题”进化为“交付代码”

  • 支持 Agent 生成完整的多文件项目结构
  • 能够自动:
  • 创建目录与文件
  • 编写可运行的代码
  • 集成 Filesystem MCP:
  • 所有文件操作严格受限于授权目录
  • 确保代码生成过程安全、可审计
  • 支持根据用户反馈对已有文件进行修改与迭代

> 🔎 价值:使 DevMate 具备真实“开发助理”级能力


✅Iteration 5:系统级整合与工程化验证

目标:验证 DevMate 的工程级可用性与交付能力

  • Docker 化部署:
  • Agent 服务
  • MCP Server
  • 编写端到端使用示例:
  • 从自然语言需求
  • 到生成完整可运行项目
  • 完善 README:
  • 架构设计说明
  • 安全边界与工具权限说明
  • 使用与部署指南

> 🔎 价值:从面试项目升级为可部署、可演示的完整系统

常见问题

5 问
答案由本站依据条目字段整理,不引用上游原文
devmate (Luoqing1994) 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

devmate (Luoqing1994) 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。

devmate (Luoqing1994) 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。

devmate (Luoqing1994) 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

devmate (Luoqing1994) 能提供哪些能力?

资料显示能力标签包括 代码生成、Python、开发工具、RAG。具体工具清单以官方文档为准。

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。