Skip to content
Conduit

mcp server

coder

wssjh822/codercommunitylistedunreviewed
Use tool

Set up

Runs on your computer. Pick your agent and operating system.

Before you start

  • uv (`curl -LsSf https://astral.sh/uv/install.sh | sh`)
~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "wssjh822-coder": {
      "command": "uvx",
      "args": [
        "ai-agent-coder"
      ]
    }
  }
}

same format Cursor, GitHub Copilot CLI, Junie, JetBrains AI Assistant, Augment (Auggie CLI), Factory Droid, Kiro, Devin CLI +12

Values in angle brackets are placeholders. Restart Claude Desktop after editing its config.Claude Desktop docs

README

synced Oct 23, 2026

🧠 AI Agent Coder

终端 AI 编程助手 —— 真正的代码执行 + MCP 工具集成

Python Version License: MIT Code style: black

✨ 特性

  • 🤖 流式对话 - 支持思考过程 (reasoning) 分离显示
  • 🔧 MCP 协议支持 - 连接任意 MCP 服务器，调用外部工具
  • 💻 真实代码执行 - Python 和 Shell 命令在真实终端运行
  • 🔄 Agent 循环 - 自动执行 AI 回复中的代码块并反馈结果
  • 💾 会话完整恢复 - 保存并恢复对话、工作目录、角色等完整状态
  • 🎯 Tab 补全 - 命令、模型别名 (@)、对话标题 (#) 智能补全
  • 📦 技能管理 - 保存和复用预设提示词
  • 🔍 网络搜索 - 集成 Tavily API
  • 🧠 ReAct 推理 - Thought → Action → Observation 显式推理链
  • 📋 后台执行 - 不阻塞主流程的后台任务
  • 🤝 多模型协作 - 委托其他模型处理特定问题

🚀 快速开始

安装

# 克隆项目
git clone https://github.com/wssjh822/coder.git
cd coder

# 安装依赖
pip install -r requirements.txt

启动

python main.py

首次配置

  1. 输入 /model add 启动交互式配置向导
  2. 配置 OpenAI 兼容的 API（支持 GPT、DeepSeek、Claude 等）
  3. 开始对话！

📸 截图

screenshot.png

📝 命令速查

命令 说明 /help 显示帮助 /model add 交互式配置模型 /model list 列出所有模型 /conversation new 开始新对话 /conversation list 列出对话 /conversation load <名称> 加载对话 /session restore 恢复上次会话 /mcp add <名称> <命令> 添加 MCP 服务器 /mcp tools 查看可用工具 /skill create <名称> <内容> 创建技能 /config set timeout 0 无超时模式 /exit 退出（自动保存）

🔌 MCP 支持

AI Agent Coder 支持 MCP (Model Context Protocol)，可以连接各种 MCP 服务器：

# 添加文件系统服务器
/mcp add filesystem npx -y @anthropic/mcp-filesystem /tmp

# 添加 SQLite 服务器
/mcp add sqlite npx -y @anthropic/mcp-sqlite --db /tmp/test.db

# 查看可用工具
/mcp tools

AI 会自动识别并调用 MCP 工具，无需手动干预。

💻 代码执行

在回复中输出代码块，系统会自动执行：

```run_python
print("Hello World!")

ls -la
pwd

Python asyncio 教程


支持 cd 命令持久化：

```markdown
```run_shell
cd /tmp && mkdir test && ls


后台执行（不阻塞）

```markdown
```run_python_bg
import time
time.sleep(10)
print("后台任务完成")

12


🎯 使用场景

· 📝 代码生成和调试 - 让 AI 写代码并自动运行验证
· 📁 文件操作 - 结合 MCP 文件系统工具管理文件
· 🔍 技术研究 - 搜索网络 + 运行代码示例
· 📊 数据分析 - 处理 CSV、JSON 等数据
· 🐛 Bug 排查 - 分析错误输出并自动修复

🗂️ 项目结构

coder/ ├── app.py # Textual 主界面 (~3000行) ├── ai_client.py # OpenAI 兼容流式客户端 ├── code_runner.py # Python/Shell 代码执行 (流式+后台) ├── commands.py # 命令解析和 Tab 补全 (含 ReAct) ├── config.py # 配置管理 ├── conversations.py # 对话存储和管理 ├── mcp_client.py # MCP 协议客户端 ├── search.py # Tavily 搜索 ├── skills.py # 技能管理 ├── main.py # 入口 ├── requirements.txt # 依赖 ├── setup.py # 安装脚本 ├── pyproject.toml # 项目配置 ├── LICENSE # MIT 许可证 └── .gitignore # Git 忽略文件


⚙️ 配置

配置文件位置: ~/.ai_agent_coder/config.json

```json
{
  "models": [],
  "current_model": "",
  "settings": {
    "max_iterations": 5,
    "timeout": 120,
    "max_tokens": 4096,
    "temperature": 0.7,
    "context_length": 8000,
    "compress_model": "",
    "tool_retries": 2
  },
  "tavily_api_key": "",
  "mcp_servers": [],
  "last_session": ""
}

🤝 贡献

欢迎提交 Issue 和 Pull Request！

  1. Fork 项目
  2. 创建特性分支 (git checkout -b feature/amazing-feature)
  3. 提交更改 (git commit -m 'Add amazing feature')
  4. 推送到分支 (git push origin feature/amazing-feature)
  5. 创建 Pull Request

详见 CONTRIBUTING.md

📄 许可证

MIT License - 详见 LICENSE

🙏 致谢

· Textual - 终端 UI 框架 · MCP - 模型上下文协议 · Tavily - 搜索 API

↑↓ navigate openesc close