Metadata-Version: 2.4
Name: aicoding-backend
Version: 0.1.23
Summary: AI Coding Backend - A backend service for AI-assisted coding with MCP (Model Context Protocol) integration
Project-URL: Homepage, https://github.com/yourusername/aicoding-backend
Project-URL: Documentation, https://github.com/yourusername/aicoding-backend#readme
Project-URL: Repository, https://github.com/yourusername/aicoding-backend
Project-URL: Issues, https://github.com/yourusername/aicoding-backend/issues
Author-email: Chen Shuren <csrrrr@whut.edu.com>
License: MIT
License-File: LICENSE
Keywords: ai,backend,code-generation,coding,mcp
Classifier: Development Status :: 3 - Alpha
Classifier: Intended Audience :: Developers
Classifier: License :: OSI Approved :: MIT License
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.13
Classifier: Topic :: Software Development :: Libraries :: Python Modules
Requires-Python: >=3.13
Requires-Dist: gitpython>=3.1.45
Requires-Dist: httpx>=0.28.1
Requires-Dist: keyring>=25.6.0
Requires-Dist: mcp[cli]>=1.18.0
Requires-Dist: pipx>=1.8.0
Requires-Dist: pydantic>=2.0.0
Description-Content-Type: text/markdown

# AI Coding Backend

[![Python Version](https://img.shields.io/badge/python-3.13+-blue.svg)](https://python.org)
[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
[![MCP Compatible](https://img.shields.io/badge/MCP-Compatible-green.svg)](https://modelcontextprotocol.io)

AI Coding Backend 是一个基于 MCP (Model Context Protocol) 的后端服务，专为 AI 辅助编程而设计。它提供了一套完整的工具集，用于项目规范初始化、需求文档生成、PRP（产品需求提示）文档管理以及思维处理等功能。

## 🚀 特性

- **MCP 集成**: 完全兼容 Model Context Protocol，可与支持 MCP 的 AI 客户端无缝集成
- **项目规范管理**: 自动生成和管理项目开发规范
- **需求文档生成**: 提供标准化的需求文档模板和生成工具
- **PRP 文档系统**: 支持产品需求提示（Product Requirements Prompt）文档的创建和执行
- **思维处理工具**: 结构化的思维过程管理和输出格式化
- **使用记录追踪**: 自动记录工具使用情况，便于分析和优化

## 📦 安装

### 使用 uv（推荐）

```bash
uv add aicoding-backend
```

### 使用 pip

```bash
pip install aicoding-backend
```

## 🛠️ 使用方法

### 作为 MCP 服务器运行

```bash
# 直接运行
uv run aicoding-backend

# 或者使用 Python 模块方式
python -m aicoding_backend.main
```

### MCP 客户端配置

在你的 MCP 客户端配置文件中添加以下配置：

```json
{
  "mcpServers": {
    "aicoding-backend": {
      "command": "python",
      "args": ["-m", "aicoding_backend.main"]
    }
  }
}
```

## 🔧 可用工具

### 1. init_project_rules
- **描述**: 初始化项目规范模板
- **参数**: 无
- **返回**: 项目规范模板内容
- **用途**: 为新项目生成标准化的开发规范和最佳实践指南

### 2. init_requirements_doc
- **描述**: 初始化需求描述文档模板
- **参数**: 无
- **返回**: 需求文档模板内容
- **用途**: 生成标准化的需求文档模板，帮助团队规范需求描述

### 3. generate_prp
- **描述**: 根据功能需求文件生成全面的产品需求提示（PRP）文档
- **参数**: 
  - `feature_file` (string): 功能需求文件路径
- **返回**: 完整的 PRP 文档生成指导
- **用途**: 将功能需求转换为结构化的 PRP 文档，指导 AI 进行精确的功能实现

### 4. execute_prp
- **描述**: 根据 PRP 文件生成执行指南
- **参数**: 
  - `prpFile` (string): PRP 文件路径
- **返回**: 完整的执行步骤指南
- **用途**: 为 PRP 文档提供详细的执行流程和验证步骤

### 5. process_thought
- **描述**: 处理单一思维并返回格式化输出
- **参数**: 
  - `thought` (string): 思维内容
  - `thought_number` (int): 当前思维编号
  - `total_thoughts` (int): 预计总思维数量
  - `next_thought_needed` (bool): 是否需要下一步思维
  - `stage` (string): 思维阶段
  - `tags` (array, optional): 思维标签
  - `axioms_used` (array, optional): 使用的公理
  - `assumptions_challenged` (array, optional): 挑战的假设
- **返回**: 格式化的思维处理输出
- **用途**: 结构化管理复杂的思维过程，提供清晰的思考路径

### 6. log_report
- **描述**: 上报工具使用记录
- **参数**: 
  - `work_dir` (string): 工作目录路径
  - `tool_type` (string): 使用的工具类型
- **返回**: 记录确认信息
- **用途**: 追踪工具使用情况，便于分析和优化

## 📁 项目结构

```
aicoding_backend/
├── __init__.py                 # 包初始化文件
├── main.py                     # MCP 服务器主程序
├── prompts/                    # 提示词模板目录
│   ├── __init__.py
│   ├── CreateFeatureProjectRules.md
│   ├── init_project_rules.py
│   ├── init_requirements_doc.py
│   └── prp_base.md
├── tools/                      # 工具实现目录
│   ├── __init__.py
│   ├── init_project_rules.py
│   └── init_requirements_doc.py
└── utils/                      # 工具函数目录
    ├── __init__.py
    ├── file_reader.py
    ├── file_utils.py
    ├── git_info.py
    ├── loader.py
    ├── log.py
    ├── template.py
    ├── user_info.py
    └── version.py
```

## 🔗 依赖项

- **Python**: >=3.13
- **GitPython**: >=3.1.45 (Git 操作支持)
- **httpx**: >=0.28.1 (HTTP 客户端)
- **keyring**: >=25.6.0 (密钥管理)
- **mcp[cli]**: >=1.18.0 (MCP 协议支持)
- **pipx**: >=1.8.0 (Python 应用管理)
- **pydantic**: >=2.0.0 (数据验证)

## 🚀 开发

### 环境设置

1. 克隆仓库：
```bash
git clone <repository-url>
cd AICoding-backend
```

2. 安装依赖：
```bash
uv sync
```

3. 运行开发服务器：
```bash
uv run python -m aicoding_backend.main
```

### 测试

```bash
# 运行测试
uv run pytest

# 运行测试并生成覆盖率报告
uv run pytest --cov=aicoding_backend
```

## 📋 使用示例

### 1. 初始化项目规范

```python
# 通过 MCP 客户端调用
{
  "method": "tools/call",
  "params": {
    "name": "init_project_rules",
    "arguments": {}
  }
}
```

### 2. 生成 PRP 文档

```python
# 通过 MCP 客户端调用
{
  "method": "tools/call",
  "params": {
    "name": "generate_prp",
    "arguments": {
      "feature_file": "features/user-auth.md"
    }
  }
}
```

### 3. 处理思维过程

```python
# 通过 MCP 客户端调用
{
  "method": "tools/call",
  "params": {
    "name": "process_thought",
    "arguments": {
      "thought": "需要分析用户认证系统的安全性",
      "thought_number": 1,
      "total_thoughts": 3,
      "next_thought_needed": true,
      "stage": "分析",
      "tags": ["安全", "认证"]
    }
  }
}
```

## 🤝 贡献

欢迎贡献代码！请遵循以下步骤：

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

## 📄 许可证

本项目采用 MIT 许可证。详情请参阅 [LICENSE](LICENSE) 文件。

## 👨‍💻 作者

**Chen Shuren**

## 🔗 相关链接

- [Model Context Protocol](https://modelcontextprotocol.io) - 了解更多关于 MCP 协议
- [uv](https://github.com/astral-sh/uv) - 现代 Python 包管理器
- [FastMCP](https://github.com/jlowin/fastmcp) - 快速构建 MCP 服务器的框架

## 📊 版本历史

- **v0.1.5** - 当前版本
  - 完整的 MCP 工具集成
  - PRP 文档系统
  - 思维处理工具
  - 使用记录追踪
  - 增加JAR包工具调用

---

如果你觉得这个项目有用，请给它一个 ⭐️！