MCP Servers

模型上下文协议服务器、框架、SDK 和模板的综合目录。

C
Code Review MCP
作者 @AlanNiew
GitHub 仓库(1 星标)

MCP server for AI-powered code quality review

创建于 4/16/2026
更新于 about 4 hours ago
README
View Source
Repository documentation and setup instructions

ai-code-review-mcp

一个基于 MCP（Model Context Protocol）的代码质量审查服务器，为 AI 编码助手（如 OpenCode、Claude Desktop、Cursor 等）提供本地代码分析能力。

PyPI: https://pypi.org/project/ai-code-review-mcp/ GitHub: https://github.com/AlanNiew/code-review-mcp

特性

  • 文件分析 — 检测函数复杂度、行数统计、代码风格问题
  • Diff 审查 — 审查 git 未提交的变更，发现调试代码和潜在密钥泄露
  • 项目扫描 — 一键扫描整个项目的代码质量概况
  • 质量评分 — 为每个文件/项目计算 A-D 等级的质量评分
  • 多语言支持 — Python 深度分析（AST）+ 通用质量检查（JS/TS/Java/Go/Rust 等）
  • 配套 Skill — 提供标准化的代码审查工作流提示词

安装

pip install ai-code-review-mcp

要求 Python 3.10+

使用教程

一、OpenCode（推荐）

OpenCode 是一个开源 AI 编码助手，原生支持 MCP 和 Skill。

步骤 1：安装 MCP 服务器

pip install ai-code-review-mcp

步骤 2：配置 OpenCode

在项目根目录创建或编辑 opencode.json，添加以下内容：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "code-review-mcp": {
      "type": "local",
      "command": ["ai-code-review-mcp"],
      "enabled": true
    }
  }
}

步骤 3：安装配套 Skill（可选，推荐）

Skill 提供标准化的代码审查工作流，让 AI 按规范流程调用 MCP 工具。

从 GitHub 下载 Skill 文件：

# 方式一：复制到项目级目录（仅当前项目生效）
mkdir -p .opencode/skills/code-review
curl -o .opencode/skills/code-review/SKILL.md https://raw.githubusercontent.com/AlanNiew/code-review-mcp/main/skill/SKILL.md

# 方式二：复制到全局目录（所有项目生效）
mkdir -p ~/.config/opencode/skills/code-review
curl -o ~/.config/opencode/skills/code-review/SKILL.md https://raw.githubusercontent.com/AlanNiew/code-review-mcp/main/skill/SKILL.md

Windows 用户手动创建：

# 项目级
New-Item -ItemType Directory -Path ".opencode\skills\code-review" -Force
Invoke-WebRequest -Uri "https://raw.githubusercontent.com/AlanNiew/code-review-mcp/main/skill/SKILL.md" -OutFile ".opencode\skills\code-review\SKILL.md"

# 全局级
New-Item -ItemType Directory -Path "$env:USERPROFILE\.config\opencode\skills\code-review" -Force
Invoke-WebRequest -Uri "https://raw.githubusercontent.com/AlanNiew/code-review-mcp/main/skill/SKILL.md" -OutFile "$env:USERPROFILE\.config\opencode\skills\code-review\SKILL.md"

步骤 4：开始使用

启动 OpenCode 后，直接在对话中使用：

帮我分析 src/main.py 的代码质量

审查一下当前未提交的代码变更

使用 code-review 技能，扫描项目整体代码质量

二、Claude Desktop

步骤 1：安装 MCP 服务器

pip install ai-code-review-mcp

步骤 2：编辑配置文件

打开 Claude Desktop 配置文件：

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows: %APPDATA%\Claude\claude_desktop_config.json

添加以下内容：

{
  "mcpServers": {
    "code-review-mcp": {
      "command": "ai-code-review-mcp"
    }
  }
}

步骤 3：重启 Claude Desktop

重启后，Claude 会自动加载 MCP 工具，你可以在对话中直接使用：

帮我审查一下 src/utils.py 的代码质量

三、Cursor

步骤 1：安装 MCP 服务器

pip install ai-code-review-mcp

步骤 2：配置 Cursor

打开 Cursor 设置 → MCP，添加一个新的 MCP Server：

  • Type: command
  • Command: ai-code-review-mcp

或者在 .cursor/mcp.json 中添加：

{
  "mcpServers": {
    "code-review-mcp": {
      "command": "ai-code-review-mcp"
    }
  }
}

四、使用 uvx 运行（无需 pip install）

如果你使用 uv，可以跳过安装步骤，直接运行：

OpenCode 配置：

{
  "mcp": {
    "code-review-mcp": {
      "type": "local",
      "command": ["uvx", "ai-code-review-mcp"],
      "enabled": true
    }
  }
}

Claude Desktop 配置：

{
  "mcpServers": {
    "code-review-mcp": {
      "command": "uvx",
      "args": ["ai-code-review-mcp"]
    }
  }
}

五、从源码运行（开发者）

git clone https://github.com/AlanNiew/code-review-mcp.git
cd code-review-mcp
pip install -e .

然后在配置中使用：

{
  "mcp": {
    "code-review-mcp": {
      "type": "local",
      "command": ["python", "-m", "code_review_mcp.server"],
      "enabled": true
    }
  }
}

提供的 3 个工具

1. analyze_file — 分析单个文件

分析文件的代码质量、复杂度和行数统计。

示例对话：

帮我分析 src/main.py 的代码质量

返回内容：

  • 语言类型
  • 代码行数 / 注释行数 / 空白行数
  • 问题列表（函数过长、复杂度过高、参数过多等）
  • 质量评分（A/B/C/D）

2. review_diff — 审查 git 变更

审查当前仓库中未提交的变更（staged + unstaged）。

示例对话：

审查一下当前未提交的代码变更

检测内容：

  • 硬编码的密钥或密码（严重）
  • 遗留的 print() / console.log() 调试语句
  • 新增的 TODO/FIXME 标记
  • 过长的代码行

3. check_project — 扫描项目概况

扫描整个项目的代码质量。

示例对话：

扫描一下项目整体代码质量

返回内容：

  • 文件总数和总行数
  • 语言分布统计
  • 问题最多的前 10 个文件
  • 项目整体质量评分

质量评分算法

| 严重程度 | 单项扣分 | 说明 | |----------|----------|------| | Error | 10 分 | 必须修复（如硬编码密钥） | | Warning | 3 分 | 建议修复（如函数过长） | | Info | 0.5 分 | 可选优化（如 TODO 标记） |

基础分 100，扣完为止。等级划分：

| 评分 | 等级 | 含义 | |------|------|------| | ≥ 90 | A | 优秀 | | ≥ 75 | B | 良好 | | ≥ 60 | C | 一般 | | < 60 | D | 需改进 |

支持的语言

| 语言 | 文件分析 | 复杂度分析 | |------|----------|------------| | Python (.py) | ✅ | ✅ AST 深度分析 | | JavaScript (.js/.jsx) | ✅ | 通用检查 | | TypeScript (.ts/.tsx) | ✅ | 通用检查 | | Java (.java) | ✅ | 通用检查 | | Go (.go) | ✅ | 通用检查 | | Rust (.rs) | ✅ | 通用检查 | | C/C++ (.c/.cpp/.h) | ✅ | 通用检查 | | Ruby (.rb) | ✅ | 通用检查 | | PHP (.php) | ✅ | 通用检查 | | Swift (.swift) | ✅ | 通用检查 | | Kotlin (.kt) | ✅ | 通用检查 | | Scala (.scala) | ✅ | 通用检查 |

项目结构

code-review-mcp/
├── pyproject.toml                    # Python 包配置
├── README.md                         # 本文件
├── LICENSE                           # MIT 许可证
├── skill/
│   └── SKILL.md                      # 配套的 OpenCode Skill
└── src/
    └── code_review_mcp/
        ├── __init__.py               # 包入口
        └── server.py                 # MCP 服务器主程序

常见问题

Q: 启动时报错 "command not found: ai-code-review-mcp"

确保 Python 的 Scripts 目录在系统 PATH 中：

# 检查安装位置
pip show ai-code-review-mcp

# 查找可执行文件位置
where ai-code-review-mcp    # Windows
which ai-code-review-mcp    # macOS/Linux

Q: MCP 工具没有出现在 AI 助手中

  1. 确认配置文件路径正确
  2. 确认 ai-code-review-mcp 命令可以在终端直接运行
  3. 重启 AI 助手应用

Q: 只想用 MCP，不想装 Skill 可以吗？

可以。Skill 是可选的增强功能，不装也能使用所有 3 个 MCP 工具。Skill 的作用是让 AI 按标准流程输出格式化的审查报告。

License

MIT © AlanNiew

快速设置
此服务器的安装指南

安装包 （如果需要）

uvx code-review-mcp

Cursor 配置 (mcp.json)

{ "mcpServers": { "alanniew-code-review-mcp": { "command": "uvx", "args": [ "code-review-mcp" ] } } }