Zurück zu Fähigkeiten

analyze-codebase-for-mcp

pjt222
Aktualisiert 6 days ago
16 Ansichten
17
2
17
Auf GitHub ansehen
Metawordaiapimcpdesigndata

Über

Diese Fähigkeit analysiert jede Codebasis, um Funktionen, APIs und Datenquellen zu identifizieren, die als Model Context Protocol (MCP)-Tools bereitgestellt werden können, und erstellt dabei ein strukturiertes Spezifikationsdokument. Sie wird bei der Planung eines MCP-Servers, der Überprüfung einer Codebasis auf Eignung für KI-Tool-Wrapping oder dem Vergleich bestehender Fähigkeiten mit der aktuellen MCP-Exposition eingesetzt. Die Ausgabe ist darauf ausgelegt, direkt an Scaffolding-Tools wie `scaffold-mcp-server` übergeben zu werden.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/analyze-codebase-for-mcp

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

析碼庫為 MCP

掃碼庫以察函、REST 端點、CLI 命、數訪之式而宜 MCP 工具露出者,生結構化之工具規文。

用時

  • 為既存之項謀 MCP 服而需知所露者乃用
  • 將碼庫裹為 AI 可達之面前審之乃用
  • 比碼庫所能與已露於 MCP 者乃用
  • 生工具規文交付 scaffold-mcp-server 乃用
  • 察三方庫值裹為 MCP 工具乎乃用

  • 必要:碼庫根目之徑
  • 必要:碼庫之語(如 TypeScript、Python、R、Go)
  • 可選:既有 MCP 服之碼以比(隙析)
  • 可選:域之焦(如「數析」、「檔操」、「API 整合」)
  • 可選:所薦工具最多之數(默:20)

第一步:掃碼庫之構

1.1. 以 Glob 繪目樹,注源目:

  • src/**/*.{ts,js,py,R,go,rs} 為源
  • **/routes/****/api/****/controllers/** 為端點定
  • **/cli/****/commands/** 為 CLI 入
  • **/package.json**/setup.py**/DESCRIPTION 為依元

1.2. 按角分類:

  • 入點:主檔、路由處、CLI 命
  • 核邏:業之函、算法、數之轉
  • 數訪:庫查、檔 I/O、API 客
  • 雜助:助者、格者、驗者

1.3. 計總檔、碼行、導符以估項之大。

得: 按角注之檔錄。

敗則: 若碼庫過大(逾萬檔),以域焦縮掃特目或模。若無源檔,驗根徑與語參。

第二步:識已露之函與端點

2.1. 以 Grep 尋導之函與公之 API:

  • TypeScript/JavaScript:export (async )?functionexport defaultmodule.exports
  • Python:未以 _ 前之函、@app.route@router
  • R:NAMESPACE 所列或 #' @export roxygen 注之函
  • Go:大寫始之函名(按約導)

2.2. 每候函,取:

  • :函或端點之名
  • :參及其型與默
  • 返型:函所生者
  • :docstring、JSDoc、roxygen、godoc
  • :檔徑與行號

2.3. 為 REST API,加取:

  • HTTP 法與路之式
  • 請求體之模
  • 應之形
  • 認證之求

2.4. 建候列,以潛益而序(公之、有文、型明之函先)。

得: 二十至百候函/端點,有取之元。

敗則: 若候少,擴搜以納可轉公之內函。若文稀,標為出之險。

第三步:評 MCP 之宜

3.1. 每候,按 MCP 工具準:

  • 入約之明:參型明而有文乎?可以 JSON Schema 述乎?
  • 出之可預:函返結構化之數(JSON 可序化)乎?返形恆乎?
  • 副作:函改狀(檔、庫、外服)乎?副作必明標。
  • 冪等:操安再試乎?非冪等需明警。
  • 執行之時:可於理限內(< 30 秒)成乎?久行之操需異步式。
  • 誤處:擲結構化之誤抑或默敗?

3.2. 各候以 1-5 評:

  • 5:純函、型明、有文、速、無副作
  • 4:型明、有文、微副作(如日誌)
  • 3:I/O 約尚可而需裹(如返原物)
  • 2:重副作或約不明,需重適
  • 1:不宜除非大改

3.3. 濾候至 3 以上。2 者標為「未來候」需改。

得: 評且濾之候列,各有宜之由。

敗則: 若多候低於 3,碼庫或需改然後露為 MCP。書其隙薦改之具(加型、取純函、裹副作)。

第四步:設工具規

4.1. 每選候(評 >= 3),擬工具規:

- name: tool_name
  description: >
    One-line description of what the tool does.
  source_function: module.function_name
  source_file: src/path/to/file.ts:42
  parameters:
    param_name:
      type: string | number | boolean | object | array
      description: What this parameter controls
      required: true | false
      default: value_if_optional
  returns:
    type: string | object | array
    description: What the tool returns
  side_effects:
    - description of any side effect
  estimated_latency: fast | medium | slow
  suitability_score: 5

4.2. 聚工具為邏類(如「數查」、「檔操」、「析」、「設」)。

4.3. 識工具間之依(如「list_datasets」宜先於「query_dataset」)。

4.4. 定工具需裹否以:

  • 簡繁參為平入
  • 轉原返為結構化文或 JSON
  • 加安守(如庫函只讀之裹)

得: 全 YAML 工具規,含類、依、裹之注。

敗則: 若規曖昧,返第二步取更詳。若參型不可推,標為人審。

第五步:生工具規文

5.1. 書終規文,含:

  • :碼庫概、語、大、析之日
  • 薦工具:第四步全規,按類聚
  • 未來候:2 者與改薦
  • 排除者:1 者與排之由
  • :工具依圖
  • 實注:裹之求、認之求、傳之薦

5.2. 存為 mcp-tool-spec.yml(機讀)及可選 mcp-tool-spec.md(人讀要)。

5.3. 若給既存 MCP 服,含隙析段:

  • 規中之工具未實現者
  • 已實現而不在規者(或陳)
  • 規實偏移者(實違規)

得: 全工具規文,備予 scaffold-mcp-server 用。

敗則: 若文過大(逾 200 工具),析為模附交參。若碼庫無宜候,代以「備度評」文與改薦。

  • 目庫諸源皆已掃
  • 候函取名、簽、返型
  • 每候有評與書之由
  • 工具規含全參模與型
  • 每工具副作明書
  • 出之文為有效 YAML(任 YAML 庫可析)
  • 工具名循 MCP 約(snake_case、述、獨)
  • 類與依成貫之工具面
  • 給既存 MCP 服則含隙析
  • 未來候段列 2 者所需改之步

  • 露過多工具:AI 助最宜十至三十聚工具。重能之廣勝於深。勿露諸公函
  • 忽副作:「只讀」之函亦或書日誌或緩。以 Grep 察檔寫、網呼、庫改
  • 假型安:動語(Python、R、JavaScript)或無型注。由用式與試推型,標疑於規
  • 失認上下文:於認證網請求中行之函經 MCP 呼或無會話而敗。察隱認之依如會話 cookie、JWT 令、環注憑
  • 過築裹:函需五十行之裹方合 MCP 則或非佳候。重自然映工具界之函
  • 忽誤路:MCP 工具須返結構化誤。擲未型異之函需誤處之裹
  • 混內外 API:他內碼所呼之內助函為劣 MCP 候。重設於外用之函或清界 API
  • 跳隙析:若給既存 MCP 服,恆比規與當前實現。無隙析則冒複功或失陳工具

  • scaffold-mcp-server — 用出之規生工作之 MCP 服
  • build-custom-mcp-server — 手實現之參
  • configure-mcp-server — 連所生之服至 Claude Code/Desktop
  • troubleshoot-mcp-connection — 部後調連
  • review-software-architecture — 工具面設之審
  • security-audit-codebase — 外露函之前安審

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/wenyan/skills/analyze-codebase-for-mcp
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

content-collections

Meta

Diese Skill bietet eine produktionsgetestete Einrichtung für Content Collections – ein TypeScript-first-Tool, das Markdown/MDX-Dateien in typsichere Datensammlungen mit Zod-Validierung umwandelt. Verwenden Sie ihn beim Erstellen von Blogs, Dokumentationsseiten oder inhaltsstarken Vite + React-Anwendungen, um Typsicherheit und automatische Inhaltsvalidierung zu gewährleisten. Er behandelt alles von der Vite-Plugin-Konfiguration und MDX-Kompilierung bis hin zur Deployment-Optimierung und Schema-Validierung.

Skill ansehen

polymarket

Meta

Diese Fähigkeit ermöglicht es Entwicklern, Anwendungen mit der Polymarket-Prognosemärkte-Plattform zu erstellen, einschließlich API-Integration für Handel und Marktdaten. Sie bietet außerdem Echtzeit-Datenstreaming über WebSocket, um Live-Trades und Marktaktivitäten zu überwachen. Nutzen Sie sie zur Implementierung von Handelsstrategien oder zur Erstellung von Tools, die Live-Marktaktualisierungen verarbeiten.

Skill ansehen

creating-opencode-plugins

Meta

Diese Fähigkeit unterstützt Entwickler dabei, OpenCode-Plugins zu erstellen, die in über 25 Ereignistypen wie Befehle, Dateien und LSP-Operationen eingreifen. Sie bietet die Plugin-Struktur, Event-API-Spezifikationen und Implementierungsmuster für JavaScript/TypeScript-Module. Nutzen Sie sie, wenn Sie den Lebenszyklus des OpenCode KI-Assistenten mit benutzerdefinierter ereignisgesteuerter Logik abfangen, überwachen oder erweitern müssen.

Skill ansehen

sglang

Meta

SGLang ist ein hochperformantes LLM-Serving-Framework, das sich auf schnelle, strukturierte Generierung für JSON, Regex und agentenbasierte Workflows unter Verwendung seines RadixAttention-Prefix-Cachings spezialisiert. Es bietet deutlich schnellere Inferenz, insbesondere für Aufgaben mit wiederholten Präfixen, was es ideal für komplexe, strukturierte Ausgaben und Mehrfachdialoge macht. Wählen Sie SGLang gegenüber Alternativen wie vLLM, wenn Sie constrained decoding benötigen oder Anwendungen mit umfangreicher Präfix-Weitergabe entwickeln.

Skill ansehen