Coding Tools Mcp

[Coding Tools MCP 图标]

Coding Tools MCP

把本地项目变成 AI 可直接开发、能够跨会话延续上下文的持久工作区。

[Latest release] [Windows x64] [macOS Universal (Intel + Apple Silicon)] [Apache-2.0]

中文 · English · 下载最新版

Coding Tools MCP 是一个 Rust + Tauri 2 桌面应用。选择项目目录并启动服务后，AI Agent 就能通过 MCP 读取文件、修改代码、运行命令和测试、查看 Git 状态，并把关键进度保存为项目内的历史会话。它更接近“AI 打开一个会记住开发进度的 IDE 工作区”；普通开发工具不要求先创建 Task，历史会话则负责在新对话中恢复上下文。

[Coding Tools MCP 工作区总览]

一个桌面端同时管理工作区、MCP 服务、连接信息与会话恢复提示词。

30 秒看懂怎么用

下载安装桌面端  → 添加项目目录  → 启动 MCP 和公网隧道  → 复制“公网 MCP 地址”  → ChatGPT 开启开发人员模式  → 新建 MCP 插件并粘贴地址  → 完成授权，在新对话中开始开发

第一次使用只需要记住两件事：桌面端负责把项目变成 MCP 工作区，ChatGPT 负责通过公网 /mcp 地址连接它。

• 查看完整安装和桌面端启动步骤
• 直接查看 ChatGPT 插件配置

五分钟开始使用

1. 安装桌面客户端

打开 Releases 并下载对应安装包：

macOS 安装包使用 ad-hoc 签名。如果系统阻止首次打开，请右键「打开」，或在“系统设置 → 隐私与安全性”中确认打开。

工作区位于「文稿 / 桌面 / 下载」时，macOS 会要求授权一次；点「允许」后即持久生效。 若遇到反复弹窗，见 疑难解决方案。

2. 添加项目工作区

1. 点击左侧的“添加工作区”。
2. 选择项目根目录。
3. 设置工作区名称、MCP 端口和认证方式。
4. 保存后，工作区会长期保留在左侧列表中。

3. 配置公网隧道

如果 AI 客户端不在本机，需要把本地 MCP 暴露为 HTTPS 地址：

• 在“软件管理”中安装或识别 frpc / cloudflared。
• 在“FRP 配置”中保存服务器、端口和 Token，或在工作区选择 Cloudflare。
• 每个工作区填写独立子域名。应用会统一管理 FRP 进程和多条代理线路。

[FRP 配置页面]

FRP 服务器配置集中保存，各工作区只需选择配置并填写自己的子域名。

如果还没有可用的 FRPS 服务端，可以参考：FRPS 服务端安装教程（微信公众号）。安装完成后，把服务端地址、端口和 Token 填入客户端的“FRP 配置”即可。

4. 启动 MCP

进入工作区并点击 MCP 的“启动”。客户端会显示：

• 本地 MCP 地址，例如 http://127.0.0.1:28766/mcp；
• 公网 HTTPS MCP 地址；
• ChatGPT 连接所需的认证信息；
• 实时日志和健康检查结果。

[MCP 本地、公网与 ChatGPT 连接信息]

启动后可以直接检查本地与公网端点、OAuth 元数据和 MCP 受保护资源：

[MCP 健康检查结果]

健康检查会逐项显示连接和认证元数据是否可用。

遇到连接问题时，无需离开桌面端即可查看最近的 MCP 请求日志：

[MCP 运行日志]

日志可快速确认工具列表、历史初始化和检查点调用是否真正到达服务端。

5. 连接 AI 客户端

支持 MCP 的客户端使用界面中的公网 MCP URL。使用 OAuth 时，客户端会通过服务端元数据进入授权流程；授权口令、Client ID 和 Secret 均可在桌面端集中生成和管理。当前版本使用预配置 OAuth 客户端，创建 ChatGPT 插件时应选择静态/手动 OAuth 凭据，不需要选择 CIMD。

首次连接建议先调用历史初始化，再检查工作区：

history_session_bootstrapserver_infoget_default_cwdgit_statuscheck_exec_environment

这样 Agent 不需要依赖聊天上下文猜测当前项目、工作目录和执行能力。

ChatGPT 的两种接入方式

MCP Connector

配置前请先确认：

1. 工作区的 MCP 服务和公网隧道均处于运行状态。
2. “健康检查”中的公网 MCP 检查通过；如果使用 OAuth，再确认 OAuth 受保护资源和授权元数据检查通过。
3. 从桌面端“GPT 配置”卡片复制“公网 MCP 地址”；如果使用 OAuth，同时准备 OAuth Client ID、OAuth Client Secret 和授权口令。

ChatGPT 必须使用公网 HTTPS /mcp 地址，不能使用 http://127.0.0.1:28766/mcp 之类的本地地址。ChatGPT 的菜单名称可能随版本和语言设置略有变化。

1. 开启 ChatGPT 开发人员模式

打开 ChatGPT 设置，进入“账户安全与登录”，开启“开发人员模式”。该开关允许添加未经验证的 MCP 连接器。

[在 ChatGPT 中开启开发人员模式]

开发人员模式具有较高权限，只应连接你自己部署或明确可信的 MCP 服务。

2. 创建 MCP 插件

在 ChatGPT 左侧进入“插件”，点击右上角的 + 新建插件，然后选择 MCP（测试版）并填写：

[在 ChatGPT 中新建 MCP 插件并填写连接信息]

使用 OAuth 时，展开“高级 OAuth 设置”，选择静态/手动 OAuth 凭据并填写桌面端提供的 Client ID 和 Client Secret，不需要选择 CIMD。保存或连接后，ChatGPT 会打开授权页面；输入桌面端“GPT 配置”卡片中的授权口令完成首次授权。

Client Secret、授权口令和 Bearer Token 都属于敏感信息，不要粘贴到对话、Issue 或公开截图中。若桌面端使用 Bearer 或不启用认证，请在 ChatGPT 中选择当前界面提供的对应认证方式。

3. 验证连接

创建一个启用了该插件的新对话，并发送：

请使用 Coding Tools MCP 调用 server_info、get_default_cwd 和 git_status，告诉我当前连接的工作区、默认目录和 Git 状态。

如果能够返回当前项目的信息，说明“桌面端 → 公网隧道 → OAuth → ChatGPT → MCP 工具”链路已经打通。首次正式开发时，再调用 history_session_bootstrap 初始化或恢复项目历史。

如果 ChatGPT 仍显示旧的工具列表，请断开并重新连接插件，或创建一个新对话后再次验证。

常见问题

将本地 MCP 一并暴露

除了本应用内置的开发工具，工作区还可以受控地代理管理员明确配置的 MCP。支持本机进程的 stdio，以及本机或可达服务的 Streamable HTTP。ChatGPT 或云端 Codex 始终只连接本应用原有的公网 /mcp 地址，桌面端再把调用转发给已保存的上游。

在工作区的 MCP → 配置 → 本地 MCP 中点击 “+ 添加”：

1. 选择 快速创建，再选择 stdio 或 Streamable HTTP 传输。
2. 或选择 从 JSON 导入，粘贴单个配置、配置数组，或常见的 mcpServers 对象；导入只生成草稿，须审阅后保存。
3. stdio 填写命令、参数和环境变量；Streamable HTTP 填写端点 URL 和可选请求头。
4. 勾选该本地 MCP 的“启用”开关，并点击“获取工具”。
5. 默认所有已发现工具都会公开；按需要逐项关闭高权限工具。
6. 保存。若 MCP 已在运行，桌面端会重新加载；否则在下次启动 MCP 时生效。

Streamable HTTP 导入示例：

{  "mcpServers": {    "local-service": {      "type": "streamableHttp",      "url": "http://127.0.0.1:3000/mcp",      "headers": {        "Authorization": "Bearer your-token"      },      "tool_prefix": "local-service"    }  }}

远端客户端看到的工具会带工作区配置的前缀，例如 local__tool_name。旧版手工白名单会保持原有公开范围，直到在新版界面保存逐项开关。

安全边界：环境变量仅注入本机 stdio 进程；HTTP 请求头仅发送到其保存的端点。两者都不会出现在 /mcp 工具目录、工具响应或普通请求日志中。自动公开会让远端获得该服务提供的所有本机能力；请在保存前逐项关闭不希望暴露的工具，且不要配置不受信任的 MCP 或包含敏感凭据的环境变量。

GPT Actions

1. 启动工作区的 Actions 服务。
2. 复制 Actions 面板中的 OpenAPI URL。
3. 在 GPT 编辑器的 Actions 页面导入该 URL。
4. 根据桌面端配置选择 None、API Key 或 OAuth。

MCP 和 Actions 可以为同一个工作区同时运行，也可以分别使用不同端口和子域名。

为什么需要它

• 面向真实开发：文件、命令、Git、测试和长时间运行的进程都在同一个 Workspace 中。
• 跨会话持续开发：新对话先获得有界的当前状态，需要精确旧上下文时按关键词定位并读取原始档案，无需反复向 AI 解释项目背景和当前进度。
• 进度可追溯：每轮任务完成后可保存结构化检查点，决策、修改、测试结果和下一步都留在项目目录中。
• 多工作区管理：一个桌面客户端可以保存多个项目，并管理各自的 MCP、Actions 和公网地址。
• 连接 ChatGPT 更直接：内置 Streamable HTTP、OAuth、Bearer Token、OpenAPI、FRP 和 Cloudflare 隧道。
• 默认工具面保持简单：稳定的核心工具默认可用，高级 Harness 能力按需开启。

让项目记住每次对话

普通聊天记录适合回看交流内容，但不适合作为长期开发交接。Coding Tools MCP 将会话进度写入当前项目的 docs/history-session/，让上下文跟随项目，而不是困在某一个聊天窗口里。

[ChatGPT 新会话启动提示词]

复制完整提示词到新会话，即可初始化或恢复历史；每轮任务完成后再保存检查点。

它提供五个互相配合的历史工具：

典型效果：

对话 1：分析项目 → 修改代码 → 运行测试 → 保存检查点                                      ↓对话 2：读取有界当前状态 → 搜索并精读需要的旧档案 → 从上次进度继续 → 保存新检查点

历史档案使用可读的 Markdown 格式，可以随项目备份或纳入 Git，也方便开发者直接审阅和修订。memory/state.json 是有界当前状态投影，memory/manifest.json 只保存位置、哈希与关键词，不复制正文；Markdown 才是长期、无损的事实来源。首次输入和每轮输入必须由 ChatGPT 作为 initial_user_input、raw_user_input 工具参数传入，服务端无法读取未传入的远程聊天文本。检查点采用幂等追加，同一 turn_id 内容变化时保留 revision 与 supersedes 证据，并要求返回 ok=true 且会话目标一致后才确认保存成功。

历史持久化由 AI 调用 MCP 工具完成，并非桌面端在后台录制聊天内容。若客户端未触发工具调用，服务端无法凭空感知新的对话或任务进度。

Agent 可以做什么

默认 core profile 提供一组稳定、可组合的开发工具：

典型开发过程：

打开 Workspace  → 理解项目和 Git 状态  → 搜索并读取代码  → 事务化应用 Patch  → 运行命令和测试  → 检查 diff 并提交

高级 profile 还保留项目状态、操作记录等 Harness 能力，但普通文件修改和命令执行不要求先创建 Task。

权限与恢复模型

项目采用 Workspace-first 权限模型：

• Workspace 内普通文件可以读取、创建、修改、删除和执行。
• Workspace 外允许完整只读：read_file、list_dir、list_files、search_text、view_image。
• Workspace 外写入、删除和执行会被阻止。
• .git 和 .github 不能被普通文件工具、Patch 或解释器命令破坏。
• Patch 在单次操作内进行预检和失败恢复；长期恢复统一使用 Git，不创建全量 Workspace Snapshot。

Windows 子进程目前仍是 policy_only 执行边界，返回中的 sandbox_enforced: false 是真实状态。静态命令策略不能等同于完整的操作系统文件系统沙箱。

本地开发

环境要求：Node.js 20+、Rust stable，以及当前系统的 Tauri 2 prerequisites。

npm installnpm run desktop

常用验证命令：

npm run checknpm run buildcd src-tauri && cargo testcd src-tauri && cargo clippy --all-targets -- -D warnings

Windows 也可以双击 dev-desktop.cmd。不要只用 npm run dev 验证桌面应用，它只启动 Vite，不会启动 Tauri 外壳。

项目结构

遇到问题

常见问题的排查步骤见 疑难解决方案。

致谢

感谢 Linux.do 社区对项目推广与反馈的支持。

License

Apache-2.0