基本能力
产品定位
Lucidity MCP是一个专注于提高AI生成代码质量的工具，通过与AI编码助手集成，提供智能的代码分析和反馈。
核心功能
- 全面的问题检测：覆盖从复杂性到安全漏洞的10个关键质量维度。
- 上下文分析：比较代码变更与原始代码，识别意外的修改。
- 语言无关：适用于AI助手理解的任何编程语言。
- 结构化输出：提供可操作的反馈和清晰的建议。
- MCP集成：与Claude和其他兼容MCP的AI助手无缝集成。
- 轻量级实现：设计简单，依赖少。
- 可扩展框架：易于添加新的问题类型或细化分析标准。
- Git感知分析：直接从git diff分析变更，适合预提交审查。
适用场景
- AI生成代码的质量审查。
- 预提交代码审查。
- 代码重构和优化。
- 安全漏洞检测。
工具列表
analyze_changes：准备git变更以通过MCP进行分析。- 参数：
workspace_root：工作区/git仓库的根目录。path：可选，指定要分析的文件路径。
常见问题解答
- 如何启动服务器？
- 使用stdio传输（终端使用）：
lucidity-mcp - 使用SSE传输（网络使用）：
lucidity-mcp --transport sse --host 127.0.0.1 --port 6969 - 如何与AI助手集成？
- 启动Lucidity在SSE模式，然后AI助手使用MCP协议URI连接。
使用教程
使用依赖
- Python 3.13或更高版本。
- Git（用于分析代码变更）。
- UV包管理器（推荐用于依赖管理）。
安装教程
```bash
克隆仓库
git clone https://github.com/hyperbliss/lucidity-mcp.git
cd lucidity-mcp
使用UV设置虚拟环境
uv venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
使用UV安装依赖
uv sync
```
调试方式
```bash
启动服务器并启用调试日志
lucidity-mcp --debug
启动服务器并将日志输出到文件
lucidity-mcp --log-file lucidity.log
```
