NeuroDev MCP Server

✨ Recursos

📦 Instalação

Instalação 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

🚀 Início Rápido

Passo 1: Configure Seu 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

Passo 2: Reinicie Seu Cliente

Reinicie o Claude Desktop ou recarregue o VSCode para carregar o servidor.

Passo 3: Comece a Usar! 🎉

Experimente estes comandos com seu assistente de IA:

• "Revise este código Python em busca de problemas"
• "Gere testes unitários para esta função"
• "Execute estes testes com cobertura"
• "Formate este código para os padrões PEP8"

🌐 Opções de Transporte

O NeuroDev MCP suporta múltiplos protocolos de transporte para diferentes casos de uso:

STDIO (Padrão) - CLI Local

Perfeito para desenvolvimento local com clientes MCP como Claude Desktop ou Cline:

# Default STDIO transport
neurodev-mcp

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

Configuração (Claude Desktop):

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

SSE (Server-Sent Events) - Integração Web

Para integrações baseadas na web e streaming 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

Endpoints:

• Stream SSE: http://localhost:8000/sse
• Mensagens: http://localhost:8000/messages (POST)

Exemplo 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'] }
    }
  })
});

Comparação de Transportes

🛠️ Ferramentas Disponíveis

1. code_review

🔍 Análise abrangente de código com múltiplas ferramentas de análise estática

Entrada:

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

Saída:

• Relatórios detalhados de problemas de cada analisador
• Vulnerabilidades de segurança
• Métricas de complexidade
• Pontuações de qualidade de código
• Sugestões linha por linha

2. generate_tests

🧪 Geração inteligente de testes pytest usando análise de AST

Entrada:

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

Saída:

• Suíte completa de testes pytest
• Múltiplos casos de teste (caminho feliz, casos extremos, exceções)
• Testes de validação de tipos
• Código de teste pronto para execução

3. run_tests

▶️ Execute testes pytest com relatório 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
}

Saída:

• Status de aprovação/reprovação
• Percentual de cobertura
• Detalhes de cobertura de linha
• Tempo de execução
• stdout/stderr detalhados

4. format_code

🎨 Formate automaticamente código Python para os padrões PEP8

Entrada:

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

Saída:

• Código lindamente formatado
• Conformidade com PEP8
• Estilo consistente
• Detecção de alterações

💡 Exemplos de Uso

Exemplo 1: Fluxo de Trabalho Completo de Revisão 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]

Exemplo 2: Geração e Execução de Testes

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

Exemplo 3: Formatação 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 ou superior

🧪 Desenvolvimento

Executando Testes

# Run installation tests
python test_installation.py

# Run examples
python examples.py

# Run pytest (if you add tests)
pytest

Usando 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)

❓ Solução 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

🤝 Contribuindo

Contribuições são bem-vindas! Veja como:

1. Faça um fork do repositório
2. Crie um branch de recurso: git checkout -b feature/amazing-feature
3. Faça suas alterações
4. Execute os testes: python test_installation.py
5. Faça o commit: git commit -m 'Add amazing feature'
6. Faça o push: git push origin feature/amazing-feature
7. Abra um Pull Request

Melhorias Futuras

• Analisadores adicionais (pydocstyle, vulture)
• Cache de resultados para desempenho
• Suporte a arquivos de configuração
• Painel web
• Suporte a múltiplos idiomas
• Pipeline CI/CD

📄 Licença

Este projeto é licenciado sob a Licença MIT - consulte o arquivo LICENSE para detalhes.

🙏 Agradecimentos

• Construído com o Model Context Protocol
• Desenvolvido com pylint, flake8, mypy, bandit, radon
• Testes com pytest
• Formatação com black

📞 Suporte

• 📖 Documentação: Você está lendo!
• 🐛 Problemas: GitHub Issues
• 💬 Discussões: GitHub Discussions
• 📧 E-mail: team@neurodev.io