Coding平台MCP服务

这是一个用于Coding平台的MCP（Model Context Protocol）服务，提供需求查询功能。

功能特性

• ✅ 查询Coding平台需求列表
• ✅ 支持多项目查询
• ✅ 可配置的分页和排序
• ✅ 环境变量配置

安装依赖

pip install -e .

环境变量配置

方法1：临时设置（当前终端会话）

# 设置必需的API访问令牌
export CODING_API_TOKEN="6ba7fa74ec2af91139e56a84960068b5c984b20a"

# 设置可选配置
export CODING_DEFAULT_PROJECT="gypaas"
export CODING_DEFAULT_LIMIT="10"

# 验证设置
echo "API Token: $CODING_API_TOKEN"

方法2：永久设置（推荐）

将环境变量添加到shell配置文件中（~/.bashrc, ~/.zshrc, 或 ~/.profile）：

# 编辑配置文件
nano ~/.zshrc

# 添加以下内容
export CODING_API_TOKEN="your_actual_coding_api_token"
export CODING_DEFAULT_PROJECT="your_project_name"
export CODING_DEFAULT_LIMIT="10"
export CODING_API_BASE_URL="https://it.devops.sinochem.com/open-api/"

# 重新加载配置
source ~/.zshrc

方法3：使用.env文件（推荐）

服务已配置为自动加载.env文件中的环境变量：

# 1. 安装python-dotenv（如果尚未安装）
pip install python-dotenv

# 2. 复制示例文件
cp .env.example .env

# 3. 编辑.env文件，填写实际值
nano .env

# 4. 启动服务（自动加载.env配置）
python main.py

优势：

• ✅ 配置与代码分离，更安全
• ✅ 无需手动设置环境变量
• ✅ 支持版本控制（可将.env.example提交到版本库）
• ✅ 多环境支持（开发、测试、生产使用不同的.env文件）

.env文件示例：

# 必需配置
CODING_API_TOKEN=your_actual_coding_api_token

# 可选配置  
CODING_DEFAULT_PROJECT=your_project_name
CODING_DEFAULT_LIMIT=10

方法4：脚本设置

使用提供的设置脚本：

# 修改setup_test_env.sh中的token值
nano setup_test_env.sh

# 运行设置脚本
source setup_test_env.sh

# 验证环境变量
env | grep CODING

环境变量说明

使用方法

作为MCP服务器运行

python main.py

通过MCP客户端连接

配置你的MCP客户端（如Claude、Cursor等）连接到这个服务：

{
  "mcpServers": {
    "coding-service": {
      "command": "python",
      "args": ["/path/to/main.py"]
    }
  }
}

API说明

get_requirements工具

查询Coding平台的需求列表：

• 参数:

  • project_name: 项目名称（可选，默认为环境变量配置）
  • limit: 查询条数限制（可选，默认为环境变量配置）

• 返回: 包含需求列表的JSON响应

开发说明

项目使用Python 3.13+，主要依赖：

• mcp[cli]: MCP协议实现
• requests: HTTP请求库

故障排除

1. API令牌错误: 确保CODING_API_TOKEN环境变量已正确设置
2. 网络连接问题: 检查是否能访问Coding平台API
3. 权限问题: 确认API令牌有足够的权限访问需求数据