NeuroDev MCP Server

✨ Características

📦 Instalación

Instalación Rápida

\`bash

# Clone the repository
git clone https://github.com/ravikant1918/neurodev-mcp.git
cd neurodev-mcp

# Create virtual environment (recommended)
python -m venv .venv
source .venv/bin/activate  # On Windows: .venv\\Scripts\\activate

# Install the package
pip install -e .
\`\`\`

### **Verify Installation**

\`\`\`bash
# Run tests (should show 15/15 passing)
python test_installation.py

# Test the server
python -m neurodev_mcp.server
\`\`\`

<details>
<summary><b>📁 Project Structure</b> (click to expand)</summary>

\`\`\`
neurodev-mcp/
├─ neurodev_mcp/              # 📦 Main package
│   ├─ __init__.py            # Package exports
│   ├─ server.py              # MCP server entry point
│   ├─ analyzers/             # 🔍 Code analysis
│   │   ├─ __init__.py
│   │   └─ code_analyzer.py   # Multi-tool static analysis
│   ├─ generators/            # 🧪 Test generation
│   │   ├─ __init__.py
│   │   └─ test_generator.py  # AST-based test creation
│   └─ executors/             # ▶️ Test execution
│       ├─ __init__.py
│       └─ test_executor.py   # Test running & formatting
├─ pyproject.toml             # Project configuration
├─ README.md                  # This file
├─ test_installation.py       # Installation validator
├─ examples.py                # Usage examples
└─ requirements.txt           # Dependencies

🚀 Inicio Rápido

Paso 1: Configura tu Cliente MCP

{
  "mcpServers": {
    "neurodev-mcp": {
      "command": "/absolute/path/to/neurodev-mcp/.venv/bin/python",
      "args": ["-m", "neurodev_mcp.server"]
    }
  }
}

{
  "neurodev-mcp": {
    "command": "python",
    "args": ["-m", "neurodev_mcp.server"]
  }
}

# Using the module
python -m neurodev_mcp.server

# Or as a command (if installed)
neurodev-mcp

Paso 2: Reinicia tu Cliente

Reinicia Claude Desktop o recarga VSCode para cargar el servidor.

Paso 3: ¡Empieza a Usarlo! 🎉

Prueba estos comandos con tu asistente de IA:

• "Revisa este código Python en busca de problemas"
• "Genera pruebas unitarias para esta función"
• "Ejecuta estas pruebas con cobertura"
• "Formatea este código según los estándares PEP8"

🌐 Opciones de Transporte

NeuroDev MCP soporta múltiples protocolos de transporte para diferentes casos de uso:

STDIO (Predeterminado) - CLI Local

Perfecto para desarrollo local con clientes MCP como Claude Desktop o Cline:

# Default STDIO transport
neurodev-mcp

# Or explicitly specify STDIO
neurodev-mcp --transport stdio

Configuración (Claude Desktop):

{
  "mcpServers": {
    "neurodev-mcp": {
      "command": "neurodev-mcp",
      "args": ["--transport", "stdio"]
    }
  }
}

SSE (Eventos Enviados por el Servidor) - Integración Web

Para integraciones basadas en web y transmisión HTTP:

# Run with SSE on default port (8000)
neurodev-mcp --transport sse

# Custom host and port
neurodev-mcp --transport sse --host 0.0.0.0 --port 3000

Puntos de conexión:

• Transmisión SSE: http://localhost:8000/sse
• Mensajes: http://localhost:8000/messages (POST)

Ejemplo de Cliente Web:

const sse = new EventSource('http://localhost:8000/sse');

sse.onmessage = (event) => {
  const data = JSON.parse(event.data);
  console.log('Received:', data);
};

// Send message
fetch('http://localhost:8000/messages', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    method: 'tools/call',
    params: {
      name: 'code_review',
      arguments: { code: 'def test(): pass', analyzers: ['pylint'] }
    }
  })
});

Comparación de Transportes

🛠️ Herramientas Disponibles

1. code_review

🔍 Análisis integral de código con múltiples herramientas de análisis estático

Entrada:

{
  "code": "def calculate(x):\n    return x * 2",
  "analyzers": ["pylint", "flake8", "mypy", "bandit", "radon", "ast"]
}

Salida:

• Informes detallados de problemas de cada analizador
• Vulnerabilidades de seguridad
• Métricas de complejidad
• Puntuaciones de calidad de código
• Sugerencias línea por línea

2. generate_tests

🧪 Generación inteligente de pruebas pytest mediante análisis AST

Entrada:

{
  "code": "def add(a: int, b: int) -> int:\n    return a + b",
  "module_name": "calculator",
  "save": false
}

Salida:

• Suite completa de pruebas pytest
• Múltiples casos de prueba (ruta feliz, casos límite, excepciones)
• Pruebas de validación de tipos
• Código de prueba listo para ejecutar

3. run_tests

▶️ Ejecuta pruebas pytest con informe de cobertura

Entrada:

{
  "test_code": "def test_add():\n    assert add(1, 2) == 3",
  "source_code": "def add(a, b):\n    return a + b",
  "timeout": 30
}

Salida:

• Estado de aprobado/fallido
• Porcentaje de cobertura
• Detalles de cobertura de líneas
• Tiempo de ejecución
• stdout/stderr detallados

4. format_code

🎨 Autoformatea código Python según estándares PEP8

Entrada:

{
  "code": "def   messy(  x,y  ):\n        return x+y",
  "line_length": 88
}

Salida:

• Código formateado de manera hermosa
• Cumplimiento de PEP8
• Estilo consistente
• Detección de cambios

💡 Ejemplos de Uso

Ejemplo 1: Flujo de Trabajo Completo de Revisión de Código

You: "Review this code for issues and security problems"

[paste code]

AI: [Uses code_review tool]
    → Finds 3 style issues
    → Detects 1 security vulnerability
    → Suggests complexity improvements
    
You: "Fix those issues and show me the updated code"

AI: [Provides fixed code with explanations]

Ejemplo 2: Generación y Ejecución de Pruebas

You: "Generate tests for this function and run them"

def divide(a: float, b: float) -> float:
    if b == 0:
        raise ValueError("Cannot divide by zero")
    return a / b

AI: [Uses generate_tests tool]
    → Creates 5 test cases
    → Includes edge cases (zero, negative numbers)
    → Tests exception handling
    
    [Uses run_tests tool]
    → 5/5 tests passing ✓
    → 100% code coverage
    → All edge cases handled

Ejemplo 3: Formato de Código

You: "Format this messy code"

def   calculate(  x,y,z  ):
        result=x+y+z
        if result>10:
                    return   True
        return False

AI: [Uses format_code tool]
    → Applies black formatting
    → Returns clean, PEP8-compliant code

def calculate(x, y, z):
    result = x + y + z
    if result > 10:
        return True
    return False

📋 Requisitos

Python: 3.8 o superior

🧪 Desarrollo

Ejecutar Pruebas

# Run installation tests
python test_installation.py

# Run examples
python examples.py

# Run pytest (if you add tests)
pytest

Uso como Biblioteca

from neurodev_mcp import CodeAnalyzer, TestGenerator, TestExecutor
import asyncio

# Analyze code
code = "def hello(): print('world')"
result = asyncio.run(CodeAnalyzer.analyze_ast(code))

# Generate tests
tests = TestGenerator.generate_tests(code, "mymodule")

# Run tests
output = TestExecutor.run_tests(test_code, source_code)

❓ Solución de Problemas

# Reinstall the package
pip install -e .

# Verify installation
python -c "from neurodev_mcp import CodeAnalyzer; print('✓ OK')"

# Run installation tests
python test_installation.py

🤝 Contribuciones

¡Las contribuciones son bienvenidas! Así es como:

1. Haz un fork del repositorio
2. Crea una rama de características: git checkout -b feature/amazing-feature
3. Realiza tus cambios
4. Ejecuta las pruebas: python test_installation.py
5. Haz commit: git commit -m 'Add amazing feature'
6. Haz push: git push origin feature/amazing-feature
7. Abre una Solicitud de Extracción (Pull Request)

Mejoras Futuras

• Analizadores adicionales (pydocstyle, vulture)
• Almacenamiento en caché de resultados para rendimiento
• Soporte de archivos de configuración
• Panel de control web
• Soporte multilingüe
• Pipeline de CI/CD

📄 Licencia

Este proyecto está licenciado bajo la Licencia MIT - consulta el archivo LICENSE para más detalles.

🙏 Agradecimientos

• Construido con el Protocolo de Contexto de Modelo
• Impulsado por pylint, flake8, mypy, bandit, radon
• Pruebas con pytest
• Formato con black

📞 Soporte

• 📖 Documentación: ¡La estás leyendo!
• 🐛 Problemas: Problemas de GitHub
• 💬 Discusiones: Discusiones de GitHub
• 📧 Correo electrónico: team@neurodev.io