Skip to content

README.de-DE.md

Latest commit

 

History

History
517 lines (393 loc) · 16.8 KB

README.de-DE.md

File metadata and controls

517 lines (393 loc) · 16.8 KB

mcp-probe-kit — Kenne den Kontext, Füttere den Moment

知时MCP Logo

知时MCP | mcp-probe-kit

Know the Context, Feed the Moment.

Introspection · Context Hydration · Delegated Orchestration

Talk is cheap, show me the Context.

mcp-probe-kit ist ein Protokoll-Level-Toolkit für Entwickler, die wollen, dass KI die Absicht ihres Projekts wirklich versteht. Es ist nicht nur eine Sammlung von 28 Tools – es ist ein kontextbewusstes System, das KI-Agenten hilft zu erfassen, was Sie bauen.

Sprachen: English | 简体中文 | 日本語 | 한국어 | Español | Français | Deutsch | Português (BR)

npm version npm downloads License: MIT GitHub stars

🚀 KI-gestütztes Vollständiges Entwicklungs-Toolkit – Abdeckung des gesamten Entwicklungslebenszyklus

Ein leistungsstarker MCP (Model Context Protocol) Server mit 28 Tools, die den kompletten Workflow von der Produktanalyse bis zur Veröffentlichung abdecken (Anforderungen → Design → Entwicklung → Qualität → Release), alle Tools unterstützen strukturierte Ausgabe.

🎉 v3.0 Großes Update: Vereinfachte Tool-Anzahl, Fokus auf Kernkompetenzen, Beseitigung von Entscheidungslähmung, mehr native Arbeit für KI

Unterstützt alle MCP-Clients: Cursor, Claude Desktop, Cline, Continue und mehr

Protokollversion: MCP 2025-11-25 · SDK: @modelcontextprotocol/sdk 1.27.1

📚 Vollständige Dokumentation

👉 https://mcp-probe-kit.bytezonex.com

✨ Kernfunktionen

📦 28 Tools

  • 🔄 Workflow-Orchestrierung (6 Tools) - Komplexe Entwicklungs-Workflows mit einem Klick
    • start_feature, start_bugfix, start_onboard, start_ui, start_product, start_ralph
  • 🔍 Code-Analyse (4 Tools) - Code-Qualität, Refactoring und Graph-Insight
    • code_review, code_insight, fix_bug, refactor
  • 📝 Git-Tools (2 Tools) - Git-Commits und Arbeitsberichte
    • gencommit, git_work_report
  • ⚡ Code-Generierung (1 Tool) - Test-Generierung
    • gentest
  • 📦 Projektmanagement (6 Tools) - Projektinitialisierung und Anforderungsmanagement
    • init_project, init_project_context, add_feature, estimate, interview, ask_user
  • 🎨 UI/UX-Dienstprogramme (3 Tools) - Design-Systeme und UI-Datensynchronisation
    • ui_design_system, ui_search, sync_ui_data
  • 🧠 Memory & Cursor History (6 Tools) - Wiederverwendbare Asset-Memory und lokales Cursor-Konversationsabruf
    • read_memory_asset, memorize_asset, scan_and_extract_patterns, cursor_list_conversations, cursor_search_conversations, cursor_read_conversation

🧠 Code-Graph-Bridge (GitNexus)

  • code_insight verbindet GitNexus standardmäßig für Query/Context/Impact-Analysen
  • Die Bridge startet npx -y gitnexus@latest mcp standardmäßig, um veraltete Pakete zu vermeiden
  • init_project_context erzeugt Baseline-Graph-Dokumente unter docs/graph-insights/
  • start_feature und start_bugfix aktualisieren den GitNexus-Index
  • Wenn GitNexus nicht verfügbar ist, fällt der Server automatisch zurück
  • Graph-Snapshots werden als Ressourcen bereitgestellt (probe://graph/latest, etc.)
  • Snapshots werden in .mcp-probe-kit/graph-snapshots persistiert

🐛 TBP 8-Schritte-RCA für Bug-Workflows

  • start_bugfix verwendet standardmäßig Toyota-orientierte TBP 8-Schritte-Root-Cause-Analysis
  • fix_bug liefert strukturiertes TBP-Skelett mit Phänomen, Timeline, ausgeschlossenen Pfaden, Grenze, Ursache, Beweisen und Reparaturplan

🧠 Memory Retrieval und Cursor History

  • Memory-Tools nutzen Qdrant als Vektor-Datenbank-Backend
  • Embedding-Dienst unterstützt: ollama und openai-compatible
  • Cursor-History-Tools lesen die lokale Cursor-Datenbank direkt per Node.js

Memory-Tools:

  • memorize_asset - Wiederverwendbare Assets in Vektor-Memory persistieren
  • read_memory_asset - Asset-Inhalt per asset_id lesen
  • scan_and_extract_patterns - Wiederverwendbare Patterns extrahieren

Empfohlenes lokales Memory-Setup (Qdrant + Ollama):

docker run -d --name mcp-qdrant -p 6333:6333 qdrant/qdrant
ollama pull nomic-embed-text
{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "ollama",
        "MEMORY_EMBEDDING_URL": "http://127.0.0.1:11434/api/embeddings",
        "MEMORY_EMBEDDING_MODEL": "nomic-embed-text",
        "MEMORY_SEARCH_LIMIT": "3",
        "MEMORY_SUMMARY_MAX_CHARS": "280"
      }
    }
  }
}

OpenAI-kompatibles Embedding-Setup:

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "openai-compatible",
        "MEMORY_EMBEDDING_URL": "https://your-embedding-endpoint/v1/embeddings",
        "MEMORY_EMBEDDING_API_KEY": "your-api-key",
        "MEMORY_EMBEDDING_MODEL": "text-embedding-3-small"
      }
    }
  }
}

Cursor-History-Tools:

  • cursor_list_conversations - Lokale Cursor-Konversationen auflisten
  • cursor_search_conversations - Nach Stichwort oder Request-ID suchen
  • cursor_read_conversation - Konversationszeitachse per composer_id lesen

🎯 Strukturierte Ausgabe

Kern- und Orchestrierungswerkzeuge unterstützen strukturierte Ausgabe mit maschinenlesbaren JSON-Daten.

⏱️ Native Tasks, Fortschritt und Abbruch

  • Basiert auf MCP SDK nativer Task-Unterstützung (taskStore + taskMessageQueue)
  • Unterstützt Task-Lifecycle-Endpoints: tasks/get, tasks/result, tasks/list, tasks/cancel
  • Deklariert capabilities.tasks.requests.tools.call
  • Sendet notifications/progress bei _meta.progressToken
  • Behandelt Abbruch via AbortSignal
  • Langlaufende Tools (start_*) und sync_ui_data unterstützen kooperativen Abbruch

🔌 Erweiterungen & UI Apps (Optional)

  • Trace-Metadaten-Durchreichung: _meta.trace in Tool-Antworten erhalten
  • Erweiterungsfähigkeits-Schalter: MCP_ENABLE_EXTENSIONS_CAPABILITY=1
  • UI Apps Ressourcenausgabe: MCP_ENABLE_UI_APPS=1
  • UI-Tools setzen Ressourcen über ui://... und _meta.ui.resourceUri aus

🧭 Delegiertes Orchestrierungsprotokoll

Alle start_* Orchestrierungstools geben einen Ausführungsplan in structuredContent.metadata.plan zurück. Die KI muss Tools schrittweise aufrufen und Dateien persistieren.

Plan-Schema:

{
  "mode": "delegated",
  "steps": [
    {
      "id": "spec",
      "tool": "add_feature",
      "args": { "feature_name": "user-auth", "description": "Benutzerauthentifizierung" },
      "outputs": ["docs/specs/user-auth/requirements.md"]
    }
  ]
}

🧩 Strukturierte Ausgabe Feldspezifikation

  • summary : Einzeilige Zusammenfassung
  • status : Status (pending/success/failed/partial)
  • steps : Ausführungsschritte (Orchestrierungstools)
  • artifacts : Artefaktliste
  • metadata.plan : Delegierter Ausführungsplan (nur start_*)
  • specArtifacts : Spezifikationsartefakte (start_feature)
  • estimate : Schätzungsergebnisse (start_feature / estimate)

🧠 Anforderungsklärungsmodus (Requirements Loop)

Verwenden Sie requirements_mode=loop in start_feature / start_bugfix / start_ui für 1-2 Runden strukturierter Klärung.

{
  "feature_name": "user-auth",
  "description": "Benutzerauthentifizierungsfunktion",
  "requirements_mode": "loop",
  "loop_max_rounds": 2,
  "loop_question_budget": 5
}

🧩 Template-System

add_feature unterstützt Template-Profile: guided (unvollständige Anforderungen), strict (vollständig), auto (automatische Auswahl).

{
  "description": "Benutzerauthentifizierung hinzufügen",
  "template_profile": "auto"
}

🔄 Workflow-Orchestrierung

6 intelligente Orchestrierungstools:

  • start_feature - Neue Funktion (Anforderungen → Design → Schätzung)
  • start_bugfix - Bugfix (TBP 8-Schritte RCA → Fix → Tests)
  • start_onboard - Projekt-Onboarding
  • start_ui - UI-Entwicklung (Design-System → Komponenten → Code)
  • start_product - Produktdesign (PRD → Prototyp → HTML)
  • start_ralph - Ralph Loop (Iterative Entwicklung)

🚀 Produktdesign-Workflow

start_product: Von Anforderungen zum interaktiven Prototyp. Schritte: Anforderungsanalyse → Prototyp → Design-System → HTML → Projektkontext.

🎨 UI/UX Pro Max

UI/UX-Tools mit start_ui als einheitlichem Einstiegspunkt:

  • start_ui - UI-Entwicklung mit einem Klick
  • ui_design_system - Design-System-Generierung
  • ui_search - UI/UX-Datensuche (BM25)
  • sync_ui_data - UI/UX-Daten synchronisieren

Skill Bridge für UI/PRD-Workflows:

  • start_ui und start_product enthalten jetzt einen Skill Bridge-Abschnitt
  • Empfohlene Reihenfolge: ui-ux-pro-max → interaction-design → frontend-design

Inspiration:

🎤 Anforderungsinterview

  • interview - Strukturiertes Anforderungsinterview
  • ask_user - KI proaktive Befragung

🧭 Tool-Auswahlhilfe

Szenario Empfohlenes Tool Grund
Neue Funktion (kompletter Flow) start_feature Auto: Spec → Schätzung
Nur Spec-Docs add_feature Leichter
Bugfix (kompletter Flow) start_bugfix TBP RCA → Fix → Test
Nur Bug-Analyse fix_bug TBP 8-Schritte RCA
Design-System generieren ui_design_system Direkte Generierung
UI-Komponenten entwickeln start_ui Kompletter Flow
Produktdesign start_product PRD → Prototyp → HTML
Anforderungsanalyse init_project Vollständige Spec-Docs
Projekt-Onboarding-Docs init_project_context Tech-Stack/Architektur

🚀 Schnellstart

Methode 1: npx (Empfohlen)

Cursor / Cline Konfiguration

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["mcp-probe-kit@latest"]
    }
  }
}

Claude Desktop Konfiguration

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"]
    }
  }
}

OpenCode Konfiguration

Speicherort: opencode.json (Projekt) oder ~/.config/opencode/opencode.json (global)

{
  "mcp": {
    "mcp-probe-kit": {
      "type": "local",
      "command": ["npx", "-y", "mcp-probe-kit@latest"],
      "enabled": true
    }
  }
}

Hinweis: OpenCode verwendet opencode.json mit anderem Schema. mcp ersetzt mcpServers, command ist ein Array, type: "local" erforderlich, Umgebungsvariablen via environment. Siehe OpenCode MCP docs.

Methode 2: Globale Installation

npm install -g mcp-probe-kit

Optionales Memory-System-Setup

Option A: Qdrant + Ollama

docker run -d --name mcp-qdrant -p 6333:6333 qdrant/qdrant
ollama pull nomic-embed-text
{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "ollama",
        "MEMORY_EMBEDDING_URL": "http://127.0.0.1:11434/api/embeddings",
        "MEMORY_EMBEDDING_MODEL": "nomic-embed-text",
        "MEMORY_SEARCH_LIMIT": "3",
        "MEMORY_SUMMARY_MAX_CHARS": "280"
      }
    }
  }
}

Option B: Qdrant + OpenAI-kompatibel

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "openai-compatible",
        "MEMORY_EMBEDDING_URL": "https://your-embedding-endpoint/v1/embeddings",
        "MEMORY_EMBEDDING_API_KEY": "your-api-key",
        "MEMORY_EMBEDDING_MODEL": "text-embedding-3-small"
      }
    }
  }
}

Memory-Umgebungsvariablen

  • MEMORY_QDRANT_URL : Qdrant URL (erforderlich)
  • MEMORY_QDRANT_API_KEY : Qdrant API-Key (optional)
  • MEMORY_QDRANT_COLLECTION : Collection-Name (Standard mcp_probe_memory)
  • MEMORY_EMBEDDING_PROVIDER : ollama oder openai-compatible
  • MEMORY_EMBEDDING_URL : Embedding-Endpoint-URL
  • MEMORY_EMBEDDING_API_KEY : Embedding API-Key
  • MEMORY_EMBEDDING_MODEL : Modell (Standard nomic-embed-text)
  • MEMORY_SEARCH_LIMIT : Ergebnisse (Standard 3)
  • MEMORY_SUMMARY_MAX_CHARS : Kürzung (Standard 280)

Cursor History Unterstützung

Unterstützte Plattformen: Windows, macOS, Linux. Cursor muss lokal installiert sein.

Windows-Hinweise für Graph-Tools

  • GitNexus nutzt standardmäßig npx -y gitnexus@latest mcp. Erster Kaltstart: 20+ Sekunden.
  • Einige Abhängigkeiten (tree-sitter-*) benötigen Visual Studio Build Tools.
winget install Microsoft.VisualStudio.2022.BuildTools

Beispiel mit vorinstalliertem gitnexus:

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "mcp-probe-kit",
      "env": {
        "MCP_GITNEXUS_COMMAND": "gitnexus",
        "MCP_GITNEXUS_ARGS": "mcp",
        "MCP_GITNEXUS_CONNECT_TIMEOUT_MS": "30000",
        "MCP_GITNEXUS_TIMEOUT_MS": "45000"
      }
    }
  }
}

Client neu starten

Nach der Konfiguration den MCP-Client vollständig beenden und neu öffnen.

💡 Anwendungsbeispiele

# Tägliche Entwicklung
code_review @feature.ts
gentest @feature.ts
gencommit

# Neue Funktion
start_feature user-auth "Benutzerauthentifizierungsfunktion"

# Bugfix
start_bugfix

# Produktdesign
start_product "Online-Bildungsplattform" --product_type=SaaS

# UI-Entwicklung
start_ui "Anmeldeseite" --mode=auto

# Projektkontext (Einzeldatei)
init_project_context

# Projektkontext (Modular)
init_project_context --mode=modular

# Git-Tagesbericht
git_work_report --date 2026-02-03

# Git-Wochenbericht
git_work_report --start_date 2026-02-01 --end_date 2026-02-07

❓ FAQ

Q1: Tool funktioniert nicht?

npx -y mcp-probe-kit@latest 2>&1 | tee ./mcp-probe-kit.log

Q2: Client erkennt Tools nicht?

  1. Client neu starten
  2. Konfigurationspfad prüfen
  3. JSON-Syntax prüfen

Q3: Wie aktualisieren?

npx: @latest verwenden. Global: npm update -g mcp-probe-kit

Q4: Warum sind Graph-Tools unter Windows langsam?

Ursache: npx -y gitnexus@latest mcp (Kaltstart) + native tree-sitter-* Module.

Lösung:

  1. Visual Studio Build Tools mit C++ installieren
  2. Wenn Client env unterstützt, vorinstallierte gitnexus CLI nutzen und MCP_GITNEXUS_CONNECT_TIMEOUT_MS / MCP_GITNEXUS_TIMEOUT_MS erhöhen

🤝 Mitwirken

Issues und Pull Requests sind willkommen!

📄 Lizenz

MIT License

🔗 Links

Verwandte Projekte:

Made with ❤️ for AI-Powered Development