Coding Tools

Coding Tools MCP

Inglês | 简体中文

Dê a qualquer chat ou agente de IA um par de mãos seguro no seu código.

O Coding Tools MCP é um runtime de codificação neutro em relação a modelos servido pelo Model Context Protocol: leitura e busca de arquivos, patches estruturados de múltiplos arquivos, execução de comandos, sessões interativas e git — um único servidor que qualquer cliente MCP pode acionar. Claude Desktop, Claude Code, Codex, Cursor, Cline, VS Code, Windsurf, Gemini CLI ou um agente que você mesmo construa recebe o catálogo padrão de 18 ferramentas testadas em batalha, confinado a um único workspace e controlado por modos de permissão.

Por que as pessoas usam

• Transforma um aplicativo de chat em um agente de codificação. Claude Desktop — ou qualquer cliente de chat MCP — obtém acesso real ao repositório com a assinatura que você já tem. Nenhum produto extra é necessário.
• Segurança é o produto, não uma reflexão tardia. Uma raiz de workspace por servidor. Caminhos absolutos, travessia .. e escapes de symlink são rejeitados. Modos de permissão controlam acesso à rede, expansão de shell, scripts inline e comandos destrutivos. No Linux, Landlock adiciona confinamento de sistema de arquivos em nível de kernel.
• É neutro em relação a modelos e fornecedores. Um catálogo anotado com veracidade e ciente de modos — sem troca de perfis, sem jogos de anotação. Troque modelos ou clientes livremente; o contrato do runtime permanece intacto.
• É projetado para janelas de contexto. Resultados são resumidos, paginados e limitados por design; bytes de resultados de ferramentas serializados caíram 37% entre versões na carga de trabalho dogfood determinística, com conclusão de tarefas inalterada.

Início rápido

Execute com qualquer toolchain que você já tenha (o servidor é Python ≥ 3.11 do PyPI; o pacote npm é um launcher leve que o inicia via uv ou pipx):

uvx coding-tools-mcp --stdio --workspace /path/to/repo   # Python toolchain
npx coding-tools-mcp --stdio --workspace /path/to/repo   # Node toolchain

Conecte-o ao Claude Desktop, Claude Code, Codex, Cursor, VS Code, Windsurf, Gemini CLI ou Cline — o JSON é o mesmo em todos os lugares (troque uvx por npx se preferir Node):

{
  "mcpServers": {
    "coding-tools": {
      "command": "uvx",
      "args": ["coding-tools-mcp", "--stdio", "--workspace", "/path/to/repo"]
    }
  }
}

Depois pergunte ao seu cliente: "execute a suíte de testes e corrija a primeira falha."

Prefere HTTP? Remova --stdio e o servidor fala Streamable HTTP em http://127.0.0.1:8765/mcp. Ambas as eras de protocolo são atendidas em qualquer transporte: MCP 2026-07-28 completo, com tools como a única capacidade anunciada, e a era de handshake 2025-11-25 com compatibilidade 2025-06-18. Nenhum tem sessões. Um instalador de uma linha, tutoriais por cliente e solução de problemas estão em docs/quickstart.md e docs/mcp-client-config.md.

Sete coisas para experimentar

1. Torne o Claude Desktop seu agente de codificação. A configuração acima é tudo que é preciso — a janela de chat que você já paga agora pode ler, corrigir, testar e revisar commits de um repositório real.

2. Codifique na sua própria máquina de qualquer lugar.

CODING_TOOLS_MCP_AUTH_MODE=bearer ./integrations/tunnels/tunnel.sh cloudflared /path/to/repo

Bind de loopback + túnel HTTPS autenticado (cloudflared, ngrok ou Microsoft Dev Tunnel). Aponte o claude.ai no seu celular para https://<tunnel-host>/mcp e acione sua estação de trabalho de casa de qualquer lugar. ChatGPT e Grok se conectam pelas configurações de conector da mesma forma. Tokens Bearer e OAuth 2.1 + PKCE (com registro dinâmico RFC 7591) são integrados. → docs/remote-mcp.md

3. Solte um agente em código não confiável — dentro de um sandbox descartável.

docker build -t coding-tools-mcp-sandbox:local .
docker run --rm --init -it -p 8765:8765 -v "$PWD:/workspace" coding-tools-mcp-sandbox:local

Um servidor conteinerizado com toolchains e caches pré-configurados, seguro para apontar para um PR suspeito e destruir depois. → docs/docker.md

4. Crie um sandbox na nuvem com uma única chamada MCP. O plano de controle Cloudflare Worker incluído expõe start_coding_tools_sandbox como uma ferramenta MCP: uma chamada despacha um runner do GitHub Actions que inicia o sandbox Docker e o publica atrás de um Cloudflare Tunnel autenticado. Computação efêmera, sem servidor próprio.

5. Acione-o a partir de uma GUI.

python -m pip install "coding-tools-mcp[desktop]"
coding-tools-mcp-desktop

Perfis por workspace, início/parada de servidor e túnel, configuração de credenciais com auxiliares de área de transferência, verificações de saúde ao vivo. Inglês e 简体中文.

6. Mantenha um comando interativo vivo. exec_command inicia um REPL ou depurador sob um PTY real; write_stdin o alimenta entre turnos; read_output pagina saída longa; kill_command limpa. Processos de longa duração são cidadãos de primeira classe, com watchdogs de prazo e buffers limitados.

7. Dê ao seu próprio agente mãos de nível de produção. Construindo um loop de agente com o SDK da Anthropic ou qualquer outra coisa? Não crie ferramentas de arquivo e exec manualmente — fale MCP com este servidor e herde todo o limite de segurança. → docs/embedding.md

O catálogo de ferramentas

O registro contém 19 ferramentas anotadas com veracidade. Os modos padrão safe e trusted anunciam 18; dangerous também anuncia request_permissions, o único modo em que essa ferramenta pode conceder qualquer coisa. apply_patch e apply_changes são as primitivas de mutação de arquivo: ambas são encenadas, verificadas por linha de base, atômicas entre arquivos e suportam rollback.

Grupo	Ferramentas
Arquivos e busca	read_file · list_dir · list_files · search_text · apply_patch · apply_changes · view_image
Execução	exec_command · write_stdin · read_output · kill_command · request_permissions (somente dangerous)
Git	git_status · git_diff · git_log · git_show · git_blame
Runtime	server_info · check_exec_environment

Arquivos raiz AGENTS.md/CLAUDE.md carregam automaticamente e voltam no instructions de initialize, ou de server/discover para um cliente que nunca faz handshake. A ferramenta content é texto conciso voltado ao agente; structuredContent carrega o resultado completo da máquina. Esquemas e envelopes de resultado: docs/tools-and-schemas.md · docs/runtime-contract-v0.3.md.

Limite de Segurança

Modo	Para que serve	O que permite
safe (padrão)	trabalho diário de agente	ferramentas de arquivo e comandos verificados; comandos com aparência de rede, expansão de shell, scripts inline e comandos destrutivos exigem permissão explícita
trusted	desenvolvimento local	abre rede, expansão de shell e scripts inline; mantém filtragem de segredos e verificações de comandos destrutivos
dangerous	contêineres/VMs isolados apenas	desativa portões de permissão exec_command; limites de caminho do workspace ainda se aplicam

Listagem recursiva e busca excluem .git, node_modules, saídas de build, virtualenvs e caches. Comandos são executados com cwd limitado ao workspace, ambiente limpo, timeouts e limites de saída. Hosts Linux com Landlock obtêm confinamento de sistema de arquivos imposto pelo kernel; outras plataformas recebem um aviso explícito — isso ainda não é um sandbox completo de SO, então use a imagem Docker ou uma VM para trabalho genuinamente não confiável. Detalhes: SECURITY.md · docs/security-boundary.md · docs/permission-modes.md

Telemetria

O servidor envia telemetria de uso anônima (contadores de sucesso/latência por ferramenta e dimensões de versão/plataforma — nunca caminhos, argumentos, comandos ou conteúdo de arquivos) para ajudar a priorizar correções. Desative com CODING_TOOLS_MCP_TELEMETRY=off ou DO_NOT_TRACK=1; é desativado automaticamente em CI. CODING_TOOLS_MCP_TELEMETRY=debug imprime cada evento em stderr em vez de enviar. A lista completa de eventos e garantias está em docs/telemetry.md.

Evidências, Dogfood e SWE-bench

Cada versão passa por um pipeline acionado por tag no qual a suíte de conformidade, o benchmark de carga de trabalho real e o harness SWE-bench são executados a partir do mesmo commit que publica no PyPI e npm — ambos via publicação confiável, npm com proveniência. Métricas de eficiência dogfood são reproduzíveis (make dogfood-smoke) e verificadas em reports/. Este repositório não reivindica um resultado de leaderboard SWE-bench gerado por modelo — veja docs/swe-bench.md para exatamente o que é e não é medido. Mais: COMPLIANCE.md · BENCHMARK.md · docs/dogfood.md

Documentação

Mapa de documentação	Navegue pelos docs por tópico
Começando	Início rápido · Configuração de cliente · Solução de problemas
Remoto e sandbox	MCP remoto · Sandbox Docker · Worker de sandbox na nuvem
Ferramentas e contrato	Ferramentas e esquemas · Contrato de runtime · Migrando para 0.3 · Modos de permissão
Execução	Receitas de exec · Solução de problemas de exec
Integração	Incorporação · Launcher npm
Segurança e qualidade	Política de segurança · Limite de segurança · CI e testes · Limitações · Análise competitiva

Desenvolvimento

python -m pip install -e ".[dev]"
make ci        # lint, typecheck, tests, protocol/integration suites, gates

A matriz completa de portões está em docs/ci-and-tests.md.

Licença

Este projeto é licenciado sob a Apache License 2.0.

Se você usar código, documentação, detalhes substanciais de implementação ou trabalho derivado deste projeto, preserve o aviso de direitos autorais, o aviso de licença e o arquivo NOTICE, e atribua claramente o projeto original.

Projeto: Coding Tools MCP
Autor: Contribuidores do Coding Tools MCP
Fonte: https://github.com/xyTom/coding-tools-mcp

Metadados de citação estão disponíveis em CITATION.cff.