Lock In

MCP开发工具

提供方 Karthik-Ragunath · 包名 @modelcontextprotocol/inspector

开发工具 stdio · 本地进程 API Key 社区 / 第三方 ClaudeCursor
查看接入方式

Lock-In 将 Cursor 的 AI 代理从静默代码生成器转变为实时解释的编程助手,提供实时推理解释和交互式编程体验。

一句话选型结论

按资料字段整理

Lock In 属于开发工具类 MCP 服务器,stdio · 本地进程,API Key,可直接接入 Claude、Cursor,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API Key 部署方式本地部署
GitHub 星标 0 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

支持客户端

适用场景

AI编程Python本地部署实时交互代码生成编程辅助语音交互

安装与配置

stdio · 本地进程 API Key
客户端在本机拉起子进程,数据不出本机
npx @modelcontextprotocol/inspector --transport http --server-url http://localhost:8000/mcp

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,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。
  • 已适配 Claude、Cursor,换客户端不用重新研究配置。

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。
  • 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。
  • 已经在用 Claude、Cursor 的用户,接入路径最短。
  • 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。
  • 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
Lock In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Karthik-Ragunath上游标注的维护方 Karthik-Ragunath
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@modelcontextprotocol/inspector · Node.js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

9.0 KB
来自项目仓库与上游目录的原文,未做删改

🔒 锁定:不再默默等待代码

Lock In将Cursor的AI代理从无声代码生成器转换为主动配对程序员。您可以听到代理实时解释其推理过程,并在生成中期提出问题,而不是盯着加载旋转器。

建于 mcp使用 --将任何LLM连接到任何MCP服务器

🎯 问题

当Cursor的代理生成代码时,您将静默等待30-60秒:

  • ❌ 不知道它在想什么
  • ❌ 课程不能早改
  • ❌ 浪费时间感到脱节
  • ❌ 错过学习机会

✨ 解决方案

锁定为Cursor的代理发出声音:

  • ✅ 实时听取推理(“我正在检查您的身份验证设置…”)
  • ✅ 问中年人的问题(“我们应该使用智威汤逊还是会话?”)
  • ✅ 在编写代码之前发现错误
  • ✅ 了解做出决策的原因
  • ✅ 保持参与并“锁定”流程

🎥 演示

老办法:```
User: "Add authentication to my API"
[30 seconds of loading spinner]
[Code appears]


**锁定方式:**```
User: "Add authentication to my API"
Agent: "Alright, let me think about authentication for your API..."
Agent: "I'm checking your existing user model... I see you have password hashing already, good."
User: "Should we use JWT or sessions?"
Agent: "Great question! Since this is a REST API, JWT tokens would be better for stateless auth..."
Agent: "Now I'm creating the auth middleware file..."
[Code appears with full understanding of decisions]

🚀 快速开始```bash

1. Setup

cd lock-in
chmod +x scripts/setup.sh
./scripts/setup.sh

2. Add API keys to .env

Edit .env with your Cartesia API key

3. Run the MCP Server (HTTP mode for testing)

./scripts/run.sh mcp-http

4. Test with MCP Inspector

npx @modelcontextprotocol/inspector --transport http --server-url http://localhost:8000/mcp

5. Or run everything (voice agent + MCP server + audio client)

./scripts/run.sh all


### 测试MCP服务器

MCP服务器运行在 `http://localhost:8000` 使用这些端点:

- `/mcp` --MCP协议端点(可流式HTTP)
- `/openmcp.json` --OpenMCP架构
- `/inspector` --内置检查器UI
- `/docs` -API文件```bash
# Test with curl
curl http://localhost:8000/openmcp.json | jq .tools

# Test with MCP Inspector (local)
npx @modelcontextprotocol/inspector --transport http --server-url http://localhost:8000/mcp

# Test with ngrok (for remote access)
ngrok http 8000
# Then use the ngrok URL in MCP Inspector web UI

🏗️ 建筑```

Cursor Agent (generating code)
↓ (reasoning traces via MCP tools)
Lock-In MCP Server (mcp-use, port 8000)
↓ (narration text via WebSocket)
Voice Agent (Pipecat pipeline, port 8765)
↓ (TTS via Cartesia, protobuf frames)
Audio Client (browser, connects to port 8765)
↓
User's Speakers 🔊

User's Microphone 🎤
↓ (captured by Audio Client)
Voice Agent (STT via Cartesia)
↓ (question via WebSocket)
MCP Server (answers using session context)
↓ (answer text)
Voice Agent → Audio Client → User's Speakers


### MCP服务器模式

MCP服务器支持两种传输模式:

|模式|命令|用例|
|------|---------|----------|
| **超文本传输协议** | `./scripts/run.sh mcp-http` |Web客户端、MCP检查器、ChatGPT、Claude|
| **标准** | `./scripts/run.sh mcp` |光标IDE,克劳德桌面|

### 管道流量```
┌─────────────────────────────────────────────────────────┐
│                    VOICE AGENT                          │
├─────────────────────────────────────────────────────────┤
│                                                         │
│  User Audio Input (microphone)                         │
│         ↓                                               │
│  Cartesia STT (speech → text)                          │
│         ↓                                               │
│  UserQuestionHandler (detect questions)                │
│         ↓                                               │
│  NarrationInjector (queue + inject narration text)     │
│         ↓                                               │
│  Cartesia TTS (text → speech)                          │
│         ↓                                               │
│  User Audio Output (speakers)                          │
│                                                         │
│  ← MCP Server sends narration/answers via WebSocket →  │
│                                                         │
└─────────────────────────────────────────────────────────┘

📁 项目结构```

lock-in/
├── README.md # This file
├── SETUP.md # Detailed setup instructions
├── COMMANDS.md # All commands reference
├── requirements.txt # Python dependencies
├── .env.example # Environment variables template
├── .gitignore # Git ignore rules
│
├── scripts/
│ ├── setup.sh # Automated setup script
│ └── run.sh # Multi-command run script
│
├── audio_client/
│ └── index.html # Browser audio client (WebSocket + protobuf)
│
├── mcp_server/
│ ├── init.py
│ ├── server.py # MCP server with tools (mcp-use SDK)
│ ├── trace_listener.py # Parse Cursor agent traces
│ ├── narration_generator.py # Convert traces to natural speech
│ ├── context_manager.py # Session context for Q&A
│ └── models.py # Pydantic data models
│
├── voice_agent/
│ ├── init.py
│ ├── agent.py # Main voice agent orchestrator
│ ├── config.py # Pydantic Settings configuration
│ └── pipeline.py # Pipecat pipeline (STT→LLM→TTS)
│
├── tests/
│ ├── init.py
│ ├── test_mcp_server.py # MCP server component tests
│ ├── test_voice_agent.py # Voice agent component tests
│ └── test_integration.py # Integration tests
│
└── examples/
├── example_traces.json # Sample reasoning traces
└── test_narration.py # Standalone narration demo


## 🛠️ 技术栈

- **mcp使用** --MCP服务器Python SDK(流式HTTP+stdio)
- **Pipecat** --语音管道编排
- **卡特尔** --超低延迟TTS/STT(\<500ms)
- **主控程序** --游标集成的模型上下文协议
- **派丹蒂克** --类型安全配置和型号
- **洛古鲁** --结构化日志记录

## 🎤 示例叙述

**规划阶段:**

> “好吧,所以你需要身份验证。我在考虑JWT令牌,因为这是一个REST API。让我计划一下我们需要接触哪些文件。”

**分析阶段:**

> “我在models/user.py中查看您现有的用户模型。我看到您已经有了密码哈希,这很好。”

**实施阶段:**

> “现在我正在创建auth_middleware.py。正在为受保护的路由编写verify_token函数…”

**调试阶段:**

> “嗯,我注意到你的代币到期时间设置为15分钟——这可能对开发来说太短了。”

**测试阶段:**

> “让我验证一下这是否有效……对身份验证流进行快速检查。”

## 🔊 音频客户端

音频客户端是一个基于浏览器的前端,在端口8765上连接到语音代理的WebSocket。它从Pipecat管道接收protobuf编码的音频帧,并通过扬声器播放。可选地,它为语音转文本问题流捕获麦克风音频。```bash
# Serve the audio client (default port 8080)
./scripts/run.sh client

# Or specify a custom port
./scripts/run.sh client 9000

# Or start everything at once (voice agent + MCP server + audio client)
./scripts/run.sh all

然后打开 http://localhost:8080 (或 http://:8080 从另一台机器),然后单击 连接.

🔧 配置

在中自定义叙述风格、声音、速度等 .env:```bash

Use a different Cartesia voice

CARTESIA_VOICE_ID=your_preferred_voice_id

Adjust narration speed (1.0 = normal, 1.2 = faster)

NARRATION_SPEED=1.1

Enable/disable user interruptions

ENABLE_INTERRUPTIONS=true

Set log level

LOG_LEVEL=DEBUG


看 `.env.example` 对于所有可用设置。

## 📚 文档

- 安装指南 --详细的设置和游标集成说明
- 命令参考 --所有命令和使用模式

## 🧪 测试```bash
# Run all tests
./scripts/run.sh test

# Run with coverage
./scripts/run.sh test-coverage

# Run a specific test file
PYTHONPATH=. pytest tests/test_mcp_server.py -v

📄 许可证

MIT许可证

🙏 致谢

  • mcp使用 对于MCP服务器SDK
  • Anthropic 对于MCP
  • 管道/每日 用于语音基础设施
  • 卡特尔 用于低延迟TTS/STT
  • 光标 对于代理跟踪规范

常见问题

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

在客户端按下面的安装命令接入:npx @modelcontextprotocol/inspector --transport http --server-url http://localhost:8000/mcp。对应的包名是 @modelcontextprotocol/inspector。装完在客户端配置里引用同一个包或端点。

Lock In 怎么在 Claude、Cursor 里配置?

它的传输方式是stdio · 本地进程,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,配置才会生效。

Lock In 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。

Lock In 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。

Lock In 支持哪些客户端?

资料标注支持 Claude、Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Lock In 能提供哪些能力?

资料显示能力标签包括 AI编程、编程辅助、Python、Claude、代码生成。具体工具清单以官方文档为准。

Lock In 需要什么运行环境?

运行时为 Node.js;属于本地进程,需要在本机装好运行环境。

Lock In 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。